ComMU: 融合音乐生成数据集指南

ComMU: 融合音乐生成数据集指南

ComMU-code [NeurIPS'22] Official code of "ComMU: Dataset for Combinatorial Music Generation" 项目地址: https://gitcode.com/gh_mirrors/co/ComMU-code

项目介绍

ComMU（Combinatorial Music Generation Dataset）是专为组合性音乐生成设计的数据集，发布于NeurIPS'22。此项目包括了一个由专业作曲家编写的11,144个MIDI样本库，并提供了用于训练和生成音乐的代码。这些音乐片段涵盖4到16小节，分类为12种不同的元数据标签，如BPM、风格、调式、乐器轨等，旨在支持自动回归的音乐生成模型研究。

项目快速启动

环境准备

确保你的Python版本为3.8.12或以上，推荐使用虚拟环境管理Python依赖。

1. 创建并激活虚拟环境

   python3 -m venv env
   source env/bin/activate
   

2. 克隆项目仓库

   git clone https://github.com/POZAlabs/ComMU-code.git
   

3. 安装依赖

   pip install -r ComMU-code/requirements.txt
   

4. 下载数据 下载数据集的CSV文件以及压缩的MIDI文件，并解压。

   # 假设数据放在了/dataset下
   cd ComMU-code
   wget [CSV文件链接] -P ./dataset
   tar -xvf ./dataset/commu_midi.tar -C ./dataset/
   

数据预处理与训练

1. 数据预处理

   python3 preprocess.py --root_dir ./dataset/commu_midi --csv_path ./dataset/commu_meta.csv
   

2. 开始训练 使用分布式训练（以四个GPU节点为例）

   python3 -m torch.distributed.launch --nproc_per_node=4 train.py --data_dir ./dataset/commu_midi/output_npy --work_dir [工作目录路径]
   

应用案例和最佳实践

最佳实践包括利用ComMU数据集训练自定义音乐生成模型，通过调整元数据参数来生成特定风格或情感的音乐片段。例如，为了生成一首节奏为4/4拍，主要旋律由钢琴演奏的新时代风格音乐，你可以定制命令：

python3 generate.py \
--checkpoint_dir [工作目录中的模型检查点路径] \
--output_dir [输出保存路径] \
--bpm 70 \
--audio_key aminor \
--time_signature '4/4' \
--pitch_range 'mid_high' \
--num_measures 8 \
--inst 'acoustic_piano' \
--genre 'newage' \
--min_velocity 60 \
--max_velocity 80 \
--track_role 'main_melody' \
--rhythm 'standard' \
--chord_progression 'Am-Am-Am-Am...E-E-E-E-Am-Am-Am-Am' \
--num_generate 3

典型生态项目

虽然该项目本身作为音乐生成领域的基础资源，其“典型生态项目”更多体现在研究人员和开发者基于ComMU数据集构建的应用和服务中。由于具体外部项目不断变化，建议探索相关社区、GitHub上的Forks以及论文引用，了解如何他人已将ComMU应用于生成艺术作品、教育工具或者智能音乐创作软件中。遗憾的是，直接列举具体生态项目在此上下文中不可行，但研究者和开发者可从GitHub讨论、论坛和学术出版物中找到灵感和实例。

---

本文档提供了一个快速入门指南，帮助您开始使用ComMU数据集进行音乐生成研究与实践。深入探索每个步骤的细节，并结合实际使用中的创新，可以发掘出更广泛的应用场景。

ComMU-code [NeurIPS'22] Official code of "ComMU: Dataset for Combinatorial Music Generation" 项目地址: https://gitcode.com/gh_mirrors/co/ComMU-code