SymphonyGen：以可控和声骨架驱动三维层次管弦乐生成

生成交响乐需要同时管理高级结构形式和密集的多轨编排，但现有的符号模型经常面临可扩展性和可操纵性之间的“复杂性控制不平衡”。我们推出了 SymphonyGen，这是一个用于当代管弦乐生成的 3D 分层框架，其级联解码器分解小节、音轨和事件轴，使解码内存远低于平面词元流，并在每个结构级别启用调节。节拍量化的多音高和声骨架可以由用户编写、分析或模型生成，提供“短乐谱”调节，在产生管弦乐纹理的同时实现轮廓控制。该模型通过针对 CLaMP 3 音频嵌入的跨模态声学奖励的强化学习进行了改进，并且避免不和谐的采样算法可以抑制推理过程中意外的音调冲突。客观评估表明，两种 后训练 机制都可以减少不和谐音，同时保持独立的旋律指标，并且在主观测试中，SymphonyGen 在质量和偏好方面的评级高于基线系统，在普通听众中显着如此。