扩散-GAN 模型实现快速符号音乐生成与情感控制

研究者提出一种扩散模型与 GAN 结合的架构，用于生成带指定情感的符号音乐。该方法将符号音乐表示为带力度值的类图像 pianoroll，并用变分自编码器获取潜在表示来训练扩散模型，仅需 15 步去噪即可生成高质量音乐，而多数符号音乐扩散模型需要数百甚至数千步。