[发明专利]一种基于乐理与统计规则的MIDI序列生成装置

说明书

本发明公开了一种基于乐理与统计规则的MIDI序列生成装置，包含一个计算机系统，所述计算机系统被配置为：接收和弦信息序列、节奏型以及调性；依据接收的调性初始化一个八度内12个音的音高初始概率；依据和弦约束、旋律运动约束、重复音约束以及音阈约束对12个音的音高初始概率进行和弦修正、旋律运动修正、重复音修正以及音阈修正，获得12个音的音高概率分布；按照音高从高到低的顺序依次从音高概率分布中选择一个音符进行条件筛选，将满足筛选条件的音符添加到已生成旋律；综合已生成旋律和节奏型生成MIDI文件。该MIDI序列生成装置能够根据给定的旋律生成多样性的MIDI序列。

技术领域

本发明涉及音乐科技技术领域，具体涉及一种基于乐理与统计规则的MIDI序列生成装置。

背景技术

MIDI是一个工业标准的电子通信协议，能为各类电子乐器及其他演奏设备定义不同的音符和控制信号。因此MIDI是音乐符号化表示的一种方法，被广泛用于音乐制作当中。

随着人工智能技术的发展与普及，计算机作曲成为了音乐制作中的一个新分支，而符号化音乐创作，即MIDI序列生成成为其中重要的组成部分。许多先前的MIDI序列生成工作包含不同的方法，它们通常有各自的生成背景和优缺点。

目前主流的MIDI序列方法通常可以分为两种：第一种是完全基于乐理规则生成的方法，即从已有的音乐作品中提炼出旋律进行的规则，并根据这种规则创作MIDI。这种方法可以生成与现有音乐极为相似的音乐。例如，David Cope的EMI虚拟音乐生成系统，Ebciogin的CHORAL巴赫音乐生成专家系统。但从某一特定风格中提炼出该风格音乐所有的乐理规则并应用在生成中是一件十分困难的事情，并且随着时间推移基于风格的乐理规则会不断演化。

第二种是利用人工智能中机器学习以及深度学习技术生成MIDI的方法。这种方法可以使得生成的音乐更具多样性，且可以端到端的生成音乐。典型的案例有Adam Robert等人的MusicVAE多轨音乐生成系统，Dong Hao-Wen等人的MuseGAN符号化音乐和伴奏生成系统等。但这种工作目前有诸多缺陷，比如音乐生成质量普遍不高，生成的单轨MIDI音符会有较多错音，生成的多轨MIDI轨道之间和谐度不高。

综上所述，现有的MIDI序列生成方法并不能保证在旋律生成可控的情况下仍能达到生成MIDI的多样性。且现有的MIDI生成框架的单一性也成为MIDI序列生成问题的一个瓶颈。

发明内容

本发明的目的是提供一种基于乐理与统计规则的MIDI序列生成装置，该MIDI序列生成装置能够根据给定的旋律生成多样性的MIDI序列。

本发明的技术方案为：

一种基于乐理与统计规则的MIDI序列生成装置，包含一个计算机系统，所述计算机系统被配置为：

接收和弦信息序列、节奏型以及调性；

依据接收的调性初始化一个八度内12个音的音高初始概率；

依据和弦约束、旋律运动约束、重复音约束以及音阈约束对12个音的音高初始概率进行和弦修正、旋律运动修正、重复音修正以及音阈修正，获得12个音的音高概率分布；

按照音高从高到低的顺序依次从音高概率分布中选择一个音符进行条件筛选，将满足筛选条件的音符添加到已生成旋律；

综合已生成旋律和节奏型生成MIDI文件。

和弦信息序列包含和弦和其对应拍数的序列，往往呈现一种调性，因此可以根据输入的和弦信息序列自动生成调性。

优选地，所述MIDI序列生成装置内置有流行音乐节奏型，直接综合任意一种流行音乐节奏型生成MIDI文件。

在初始化音高初始概率时，大小调对应不同的音高概率。因此，当所述调性为大调时，12个音的音高初始概率为：