基于文字情感的民族音乐智能生成项目Bert+Magenta【音乐生成部分】（一）

最新推荐文章于 2025-10-09 05:25:50 发布
原创 最新推荐文章于 2025-10-09 05:25:50 发布 · 1.1k 阅读 · 10 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文详细介绍了在Ubuntu 18.04系统中配置Magenta环境的步骤，包括安装PyCharm、pip、conda，创建conda虚拟环境，并解决安装过程中遇到的问题。之后，讲解了如何使用Magenta进行数据集准备、数据转换、旋律提取、训练验证以及音乐生成。在训练过程中，提到了可能因内存不足导致训练中断的问题，并展示了部分生成的MIDI音乐。
部署运行你感兴趣的模型镜像

magenta环境配置与应用

项目源码及数据集：
https://github.com/DreamShibei/ChineseMusicGenerator
其他模块：
基于文字情感的民族音乐智能生成项目Bert+Magenta----文本情感部分
基于文字情感的民族音乐智能生成项目Bert+Magenta【音乐生成部分】（二）

环境配置

使用ubuntu18.04系统

1.安装pycharm

参考Ubuntu 18.04 安装 PyCharm

2.安装pip

sudo apt install python-pip

出现报错E: Unable to locate package python-pip
解决方法：更新软件源
在更改配置文件时保存报错
"/etc/apt/sources.list" E212: Can't open file for writing
解决方法:w !sudo tee % > /dev/null

3.安装conda

参考Ubuntu 16.04系统下conda的安装与使用

wget -c https://repo.continuum.io/miniconda/Miniconda3-latest-Linux-x86_64.sh
chmod 777 Miniconda3-latest-Linux-x86_64.sh
sh Miniconda3-latest-Linux-x86_64.sh

4.创建conda虚拟环境

创建环境

conda create -n magenta python=3.6

激活环境

source activate magenta

magenta安装

在github官网上下载magenta全部代码，使用pycharm打开
创建conda虚拟环境
在pycharm中创建conda环境
根据提示安装配置库
在这里插入图片描述
在安装时出现报错
在这里插入图片描述
不知道为啥在pycharm里安不上
那就去命令行里安吧

pip install magenta

又有奇怪的报错
在这里插入图片描述
需要安装配置库

sudo apt-get install build-essential libasound2-dev libjack-dev

sudo apt-get update

再重新输入pip install magenta
就好了
在这里插入图片描述

magenta的使用

1.数据集准备

数据集使用midi格式
在这里插入图片描述

2. 数据转换

将包含MIDI音乐集的文件夹转化成NoteSequences。该音乐序列文件保存为TFRecord格式。

convert_dir_to_note_sequences.py \
  --input_dir= home/ubuntu/Downloads/1-1 \
  --output_file=/home/ubuntu/melody/notesequences.tfrecord \
  --recursive

在这里插入图片描述
在这里插入图片描述

3. 将NoteSequences文件中的旋律提取出来

调用melody_rnn_pipeline.py中的get_pipeline(config, transposition_range=(0,), eval_ratio=0.0)函数返回pipeline实例，通过pipeline进行数据集之间的转换，将一个tfrecord文件划分为训练集和评估集。

melody_rnn_create_dataset \
--config=attention_rnn \
--input=/home/ubuntu/melody/notesequences.tfrecord \
--output_dir=/home/ubuntu/melody/sequence_examples \
--eval_ratio=0.10

在这里插入图片描述
提取旋律后所生成的文件
在这里插入图片描述

4.训练和验证过程

i. 训练过程

melody_rnn_train.py \
--config=attention_rnn \
--run_dir=/ home/ubuntu/melody /logdir/run1 \
--sequence_example_file=/ home/ubuntu/melody /sequence_examples/training_melodies.tfrecord \
--hparams="batch_size=64,rnn_layer_sizes=[64,64]" \
--num_training_steps=20000

开始训练
在这里插入图片描述
训练到一半被系统kill了 可能是由于虚拟机内存不够，最好在初始创建时选择大一点的虚拟机
在这里插入图片描述

ii. 验证过程

也使用melody_rnn_train.py。不同的是，在运行验证程序时，我们需要把eval写为True，bool格式；同时，sequence_example_file为验证集，即eval_melodies.tfrecord的路径

melody_rnn_train.py \
--config=attention_rnn \
--run_dir=/ home/ubuntu/melody/logdir/run1 \
--sequence_example_file=/ home/ubuntu/melody /sequence_examples/eval_melodies.tfrecord \
--hparams="batch_size=64,rnn_layer_sizes=[64,64]" \
--num_training_steps=20000 \
--eval

在验证过程中有奇怪的报错还没解决
在这里插入图片描述

5. 音乐生成

melody_rnn_generate.py \
--config=attention_rnn \
--run_dir=/home/ubuntu/melody /logdir/run1 \
--output_dir=/home/ubuntu/melody /generated \
--num_outputs=10 \
--num_steps=128 \
--hparams="batch_size=64,rnn_layer_sizes=[64,64]" \
--primer_melody="[60]"

在这里插入图片描述
虽然只训练了一半，但生成部分还是可以顺利运行，生成midi音乐如下图所示，可以调整num_steps来控制生成的音乐片段长度（训练未完成可能导致生成的音乐不大好听）
在这里插入图片描述

您可能感兴趣的与本文相关的镜像

Python3.8

Python3.8

Conda
Python

Python 是一种高级、解释型、通用的编程语言，以其简洁易读的语法而闻名，适用于广泛的应用，包括Web开发、数据分析、人工智能和自动化脚本

六六fan
关注
文生音乐背后的算法奥秘：深入浅出解析AIGC音乐生成原理
AIGC应用创新大全的博客
05-09 1245
你可能听过AI写文章、AI画插画，但AI写音乐对很多人来说还像“黑魔法”。本文将聚焦“文本直接生成音乐”这一具体场景，从技术原理到实际应用，用最通俗的语言解释：计算机如何把“轻快的、带钢琴和小提琴的清晨森林”这样的文字，变成有节奏、有情感的音乐？本文将按“从生活到技术”的逻辑展开：先用“厨师做菜”的故事引出核心概念→解释文生音乐的三大“魔法工具”（文本理解、音乐表征、生成模型）→用数学公式和代码示例拆解算法→最后通过实战案例和未来趋势，帮你真正掌握文生音乐的奥秘。文本理解。
文本生成：从数据到创意的飞跃
AI天才研究院
04-26 578
1. 背景介绍 从古至今，人类一直渴望创造和表达。语言，作为人类智慧的结晶，承载着我们的思想、情感和文化。然而，传统的创作方式往往需要耗费大量的时间和精力，并且受限于个人的知识和经验。近年来，随着人工智能技术的飞速发展，文本生成技术逐渐走入人们的视野，为内容创作带来了新的可能性。 文本生成技术，也称为自然语言生成（NLG），是指利用计算
Moodsic:个性化的基于情感的音乐生成平台
03-28
情绪化的 个性化的基于情感的音乐生成平台
深度学习应用程序通过情感对音乐进行分类并通过情感生成音乐_python_代码_下载
06-16
一个深度学习项目，它根据情绪对音乐进行分类，并根据给定的情绪标签生成音乐。 更多详情请下载后，阅读README.md文件
magenta多模态学习：结合视觉和听觉数据的音乐生成
最新发布
gitblog_00223的博客
10-09 847
在数字艺术创作领域，视觉与听觉的融合一直是创作者追求的高阶目标。Magenta项目通过多模态学习技术，成功打破了传统艺术形式的边界，让计算机能够同时理解图像风格与音乐结构，创造出具有视觉艺术特征的音乐作品。本文将深入解析Magenta如何实现这一跨感官的创作过程，以及普通用户如何利用这些工具释放创意潜能。 ## 跨模态创作的技术基石 Magenta的多模态能力建立在两大核心技术之上：音乐生成模...
GRUV, GRUV是用于算法音乐生成的python 项目.zip
09-18
GRUV, GRUV是用于算法音乐生成的python 项目 GRUVGRUV是利用递归神经网络生成算法音乐的python 项目。注：这里代码适用于 Keras v 。 0.1.0，更高版本的Keras可能无法工作。有关我们的原始音频波形( 与标准MIDI相对应)的演示，请参见这里： http
基于文字情感的民族音乐智能生成项目Bert+Magenta【音乐生成部分】（二）
Dream_Poem的博客
08-16 926
项目源码： https://github.com/DreamShibei/ChineseMusicGenerator 其他模块： 基于文字情感的民族音乐智能生成项目Bert+Magenta----文本情感部分 基于文字情感的民族音乐智能生成项目Bert+Magenta【音乐生成部分】（一） 在我当前的理解下，midi文件不同于mp3,、wav等音乐文件，它是一种数字信号，存储的是音符信息，因此，对于midi文件音色的添加，我们采用很原始的为音乐添加soundfont音色文件的方式。 由于我们的项目是在ubu
【亲测免费】 MusicTransformer-Pytorch：基于Pytorch的音乐生成开源项目
gitblog_00091的博客
12-27 1145
MusicTransformer-Pytorch：基于Pytorch的音乐生成开源项目 1. 项目基础介绍 MusicTransformer-Pytorch 是一个开源项目，基于 Maestro V2 数据集，使用 Pytorch 框架实现了 MusicTransformer（Huang et al. 2018）模型。该项目允许用户生成音乐作品，支持 MIDI 和 MP3 格式输出。主要编程语言为...
基于文字情感的民族音乐智能生成项目Bert+Magenta----文本情感部分
weixin_45835716的博客
08-07 850
基于文字情感的民族音乐智能生成项目Bert+Magenta----文本情感部分搭建环境着手开发配置 bert 运行环境准备数据集训练 搭建环境 系统为 ubuntu18.04，基本配置为 4 核CPU、8GB 内存，硬盘100G,如云主机建议 图形界面，另此处使用Anaconda 和 Pycharm开发环境。 着手开发 配置 bert 运行环境 安装 tensorflow 和 Bert anaconda创建 python=3.5 的虚拟环境； 安装 tensorflow=1.11.10 conda
2、生成式人工智能：技术原理、应用领域与发展历程
efc12345678的博客
09-23 41
生成式人工智能是人工智能和深度学习的重要分支，致力于通过模型生成全新的内容，如文本、图像、音乐和视频。本文系统介绍了生成式AI的技术原理、与AI、ML、DL的关系，详细探讨了其在文本、图像、音乐和视频生成等领域的应用，并回顾了从早期探索到关键模型发展的研究历程，包括VAEs、GANs、Transformer等里程碑技术，展望了其未来发展的广阔前景。
探索AIGC：人工智能生成内容的现状与未来趋势
wenchm的博客
04-25 1141
AIGC的应用非常广泛，从简单的文本摘要到复杂的虚拟现实场景，都有其身影。AIGC也涉及到虚拟助手的领域，这些虚拟助手能够回答用户的问题、提供个性化建议以及执行各种任务，如苹果的Siri、亚马逊的Alexa和谷歌助手等。AIGC的发展可能导致某些职业的消失，同时也会催生新的职业和工作方式，如与AI协作的新型创意职业。随着算法和算力的进步，AIGC将能够生成更加丰富、更具创造性的内容，甚至可能达到以假乱真的程度。随着AIGC的广泛应用，将需要更多的伦理考量和法规制定，以防止滥用、保护隐私和维护内容的真实性。
Python-Magenta利用机器智能生成音乐
08-11
Magenta: 利用机器智能生成音乐
Magenta利用机器智能生成音乐 Windows 打包应用程序
04-02
Magenta利用机器智能生成音乐 Windows 打包应用程序 可执行文件 对于不会使用github的人来说更加好用 官网： https://magenta.tensorflow.org/studio/standalone 因为网址在国外下载速度特别慢 可以使用IDM解析下载链接下载 这里分享我下好的 需要的自取哦
Lyrics-Generation-using-BERT：使用BERT生成English Rock歌词
02-04
BERT歌词生成 使用预训练的BERT模型生成English Rock歌词（Devlin，J. et al。，2018）。 数据是从Kaggle 380,000+歌词数据集中获得的。 使用langdetect Python库来过滤除英语以外的其他语言的歌曲。 用于发音的Python库用于搜索诸如电话，音节和押韵单词之类的单词的属性。 使用预训练的BERT MLM进行掩码预测，使用预训练的BERT NextSentence进行连续性预测。 很少有结果： 使用BERT MLM仅在目标歌词中预测最后一个字- 编号 歌词 预测词 真话 1个 我必须清空脑袋 我想把这个地方变成我的[面具]
音乐生成器：通过深度学习自动生成音乐
02-20
音乐发生器 通过深度学习自动生成音乐。
基于知识图谱的音乐推荐系统的设计与实现.zip
03-15
知识图谱是一种结构化的知识表达形式，它以图形的方式组织和存储了大量实体（如人、地点、事件等）及其相互关系。在知识图谱中，实体作为节点，实体之间的各种语义关联则通过边进行连接，形成了一个庞大的数据网络。 知识图谱的核心价值在于其能够精确、直观地表示复杂世界中的知识，并支持高效的知识查询与推理。例如，在搜索引擎中，知识图谱可以提升搜索结果的相关性和准确性，为用户提供直接的答案而非仅仅是网页链接。同时，知识图谱还能支撑高级的人工智能应用，比如问答系统、推荐系统、决策支持等领域。 构建知识图谱的过程通常包括数据抽取、知识融合、实体识别、关系抽取等多个步骤，涉及到自然语言处理、机器学习、数据库技术等多种技术手段。知识图谱的不断完善有助于实现从海量信息中挖掘深层次、有价值的知识，从而推动人工智能向着更加理解人类世界的智慧方向发展。 总之，知识图谱是一个大规模、多领域、多源异构知识集成的载体，是实现智能化信息系统的基础工具和关键基础设施，对于提升信息检索质量、推动智能应用研发具有重要作用。
【新坑】音乐生成
weixin_30867015的博客
09-22 202
之前那个音乐生成项目我已经搞定了，使用的是RNN-RBM模型…… 之后我打算使用一下强化学习…… 以及GAN…… 转载于:https://www.cnblogs.com/ldzhangyx/p/7577763.html...
深度学习在音乐情感分类与生成中的应用：基于Python的实践指南
qq_38334677的博客
08-23 1516
生成器的任务是创作新的音乐，而判别器的任务是判断音乐是否是真实的以及其情感标签是否正确。情感音乐生成不仅仅是为了创作新的音乐，更重要的是为了满足特定的情感需求。从情感分类到音乐生成，深度学习技术为我们提供了前所未有的工具和方法，使我们能够更深入地理解音乐和情感之间的联系，并创作出更为丰富和多样的音乐作品。随着技术的不断进步，我们可以期待更为先进的音乐推荐系统、更为真实和有趣的音乐生成工具，以及更为深入和广泛的音乐研究。情感音乐生成是一个复杂而有趣的领域，它结合了艺术和科学，为我们提供了无限的可能性。
Magenta——利用深度学习生成音乐和艺术内容
m0_75253143的博客
08-23 2125
Magenta 算法集成了深度学习中的多种核心技术，包括 RNN、Transformer、GAN、VAE 和多模态学习。这些技术的结合使 Magenta 能够生成高质量的音乐、艺术图像和跨领域的创意内容。通过注意力机制、上下文理解和数据增强，Magenta 实现了更加连贯、自然且具备创意的生成效果，适用于各类艺术创作和互动应用场景。
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值