MotiGen为预训练符号音乐模型注入动机控制
论文AI 评分 65/100arXiv cs.AI待复核
AI 聚合
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
现有深度学习符号音乐生成系统（如NotaGen）缺乏对生成音乐本身的控制句柄，从头训练需海量标注数据与算力。为此提出MotiGen方案，通过改造预训练模型实现可控生成。该方法将音乐动机作为结构化提示词注入，对动机标记施加标量注意力偏置，并采用两阶段课程学习：先从裁剪出动机的片段学习，再在全曲中学习。实验表明，该模型在超过92.3%的生成作品中使用了提示的动机。该论文入选NeurIPS 2026创意AI轨道。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载把动机当作提示行注入
这套名为 MotiGen 的做法，针对的是符号音乐生成模型缺少可控手段的问题。现有系统能够依据一段简短提示写出完整的古典风格乐谱，但使用者很难对音乐本身施加具体控制。论文提出的思路不是从头训练一个基础模型，而是对已经预训练好的符号音乐模型做改造，让它接受一种新的指令提示。具体方式是把一段音乐动机作为结构化的提示行注入进去，使动机成为模型输入的一部分，而不是事后拼接的结果。
注意力偏置与两阶段课程
为了让模型真正关注被注入的动机，MotiGen 在注意力机制上加入了一个标量偏置，把注意力导向动机所对应的词元。训练过程采用两阶段的课程安排：第一阶段使用训练数据中围绕动机出现位置裁剪出来的聚焦片段进行学习，第二阶段再扩展到包含这些动机的完整乐谱。论文称，经过这样的训练，模型在生成作品中用上被提示动机的比例超过九成。
与从零训练路线的差别
论文指出，把控制能力直接做进一个从零训练的基础模型在原理上可行，但通常并不现实，因为这需要大量高质量标注数据以及可观的计算资源。MotiGen 选择的是改造预训练模型的路线，从而绕开这一门槛。它的适用范围是符号音乐生成，依赖的是已有的预训练符号音乐模型，而不是音频波形层面的生成。相关生成样例被放在论文给出的示例站点上，涵盖多种不同的动机。
为什么值得看
提供低成本改造预训练音乐模型的方案，实现超92%的动机可控生成，对AI音乐创作实用性提升显著。
算力论文
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。