论文总字数：24973字

摘 要

音乐是全人类永恒的爱好与追求,古典音乐,民间音乐,原生态音乐,现代音乐,人类从未停止过对音乐技巧的探索,随着现代化的发展,AI概念的提出，算法作曲逐渐进入了音乐领域。

早在上世纪60年代，计算机与传统音乐就开始交织联系,智能算法兴起后,基于机器学习神经网络的开源项目层出不穷,科技与艺术奇妙结合。音乐与新技术的融合，有望使音乐创作突破人类极限。

从数学逻辑的角度看，音乐蕴含着数学之美，具有很强的可计算性，旋律变换、音色组合，都可用算法表示。有毕达哥拉斯定律，两个音弦成简单整数比,同时或连续弹奏，发出和谐声音。目前的AI音乐普遍运用深度学习，提取存储音调、音量、音色等关键特征，输出类似音乐。

本次设计实现了基于RNN模型的音乐生成方法，通过训练序列化生成音乐。RNN可以使每一个输出与之前数据建立起关联，能够很好处理序列化数据。结果表明，这种模式对音乐生成具有创造性意义。

普通用户可以实现一键作曲,人们可以随时随地听到自己想听的新的音乐,并且根据时间地点以及日期完成推荐;作曲家可以触发灵感,更好更快地创作作品,同时当创作专辑时,可以由几首相似歌曲得到整个专辑。当而对于大公司来说,AI作曲就是版权,就是资源,就是新的创收点。整个音乐圈会因此受到巨大冲击。

关键词：音乐 RNN 深度学习

Research and Implementation of Music Generation Method Based on RNN

Abstract

Music is the eternal hobby and pursuit of mankind. Classical music, folk music, original ecological music, modern music, human beings have never stopped exploring music skills. With the development of modernization, the concept of AI was put forward, and algorithmic composition gradually entered the music field.

早在上世纪60年代，计算机与传统音乐就开始交织联系,智能算法兴起后,基于机器学习神经网络的开源项目层出不穷,科技与艺术奇妙结合。音乐与新技术的融合，有望使音乐创作突破人类极限。

As early as the 1960s, computers began to interweave with traditional music. After the rise of intelligent algorithms, open source projects based on machine learning neural networks emerged in endlessly. Science and technology combined with art wonderfully. The integration of music and new technology is expected to make music creation break through the human limit.

从数学逻辑的角度看，音乐蕴含着数学之美，具有很强的可计算性，旋律变换、音色组合，都可用算法表示。有毕达哥拉斯定律，两个音弦成简单整数比,同时或连续弹奏，发出和谐声音。目前的AI音乐普遍运用深度学习，提取存储音调、音量、音色等关键特征，输出类似音乐。

From the point of view of mathematical logic, music contains the beauty of mathematics and has strong computability. Melody transformation and timbre combination can be expressed by algorithms. There is Pythagoras's law, where two strings are played in a simple integer ratio at the same time or continuously to produce a harmonious sound. At present, AI music generally uses in-depth learning to extract key features such as storage tone, volume, timbre and output similar music.

本次设计实现了基于RNN模型的音乐生成方法，通过训练序列化生成音乐。RNN可以使每一个输出与之前数据建立起关联，能够很好处理序列化数据。结果表明，这种模式对音乐生成具有创造性意义。

This design realizes the method of music generation based on RNN model, and generates music through training serialization. RNN enables each output to be correlated with previous data and can process serialized data very well. The results show that this model has creative significance for music generation.

普通用户可以实现一键作曲,人们可以随时随地听到自己想听的新的音乐,并且根据时间地点以及日期完成推荐;作曲家可以触发灵感,更好更快地创作作品,同时当创作专辑时,可以由几首相似歌曲得到整个专辑。当而对于大公司来说,AI作曲就是版权,就是资源,就是新的创收点。整个音乐圈会因此受到巨大冲击。

Ordinary users can compose music with one click, and people can hear new music they want to listen to anytime, anywhere, and complete the recommendation according to the time, place and date. Composers can trigger inspiration and create works better and faster. At the same time, when creating albums, they can get the whole album from several similar songs. When it comes to large companies, AI composing is copyright, resources and new revenue-generating points. Consequently, the whole concert circle was greatly impacted.

关键词：音乐 音调 音量 音色 RNN 深度学习

Key words: Music ; Recurrent Neural Networks ; Deep learning

目录

摘 要 I

Abstract II

第一章 绪论 1

1.1研究背景 1

1.2研究目的和意义 2

1.3现状及发展趋势 3

1.4存在的问题 3

1.5拟采用的研究手段 4

第二章 相关工作 5

2.1开发环境 5

2.2 MIDI与MP3区别 6

2.3RNN模型 6

第三章 需求分析 8

3.1可行性分析 8

3.1.1技术可行性 8

3.1.2经济可行性 8

3.1.3法律可行性 8

3.1.4操作可行性 8

3.2功能需求分析 9

3.2.1普通用户 9

3.2.2专业用户 9

3.2.3企业用户 9

3.3性能需求分析 9

3.4设计原则 9

3.4.1实用性原则 9

3.4.2模块化原则 9

3.4.3稳定性原则 10

第四章 项目概要设计 11

4.1关于转换到所需格式 11

4.2关于数据采集 11

4.3关于建立模型 12

4.4关于训练参数 12

4.5关于生成音乐 13

第五章 项目具体实现 14

3.1逻辑设计 14

3.2样本转成音符和弦各种特征 14

3.3将神经网络生成的 MIDI 文件转成 MP3 文件 15

3.4构建RNN-LSTM 神经网络 20

3.5训练神经网络，将参数（Weight）存入 21

3.6用训练好的神经网络模型参数来作曲 24

第四章 总结改进与展望 32

4.1总结 32

4.2改进 32

4.3展望 33

参考文献 34

致谢 35

第一章 绪论

1.1研究背景

人工智能(Artificial Intelligence)是融合计算机科学,统计学,脑神经学和社会科学的前沿学科，可以实现识别,认知,分析和决策等功能。五六十年代正式提出，90年代“深蓝”一个重要里程碑，2011年深度学习兴起推动了高潮，2016年AlphaGo引发热议，目前主要运用于虚拟助理，无人驾驶，计算机视觉，自然语言处理，量化交易等领域。

在这种火热背景下，AI音乐孵化项目应运而生，通过捕捉音乐家作品的旋律形成新的音乐。音乐与数字是相通的，它的任何特征都可转换成数字来表示，同时，节奏变换，乐器交织，都可用算法表示，更有定理证明加以辅助，更有利于音乐和谐，外加深度学习的大量训练，音乐创造将进入爆炸性爆发时代，产业和创意都将被颠覆。

请支付后下载全文，论文总字数：24973字