NotaGen概述简介

NotaGen 是中央音乐学院、北京航空航天大学、清华大学等机构推出的音乐生成模型，基于模仿大型语言大模型（LLM）的训练范式生成高质量的古典乐谱。NotaGen 基于预训练、微调和强化学习相结合的方法，预训练阶段用超过160万首乐曲，微调阶段基于约9000首高质量古典作品，基于“时期-作曲家-乐器”提示进行条件生成。在强化学习阶段，NotaGen 引入 CLaMP-DPO 方法，对比学习模型 CLaMP² 为生成的音乐提供反馈，优化音乐性与可控性，无需人工标注或预定义奖励。NotaGen 在主观 A/B 测试中优于基线模型，接近人类作品的音乐美感，显著提升符号音乐生成的艺术性。

NotaGen的功能特色

生成高质量古典乐谱：根据用户指定的时期（如巴洛克、古典、浪漫）、作曲家（如巴赫、莫扎特、肖邦）和乐器（如键盘、弦乐四重奏、管弦乐）生成符合特定风格的乐谱。

提升音乐性：基于预训练、微调和强化学习相结合的方式，生成具有高度音乐性（如旋律优美、和声流畅、结构连贯）的作品。

可控性生成：用户用“时期-作曲家-乐器”等条件提示，控制生成音乐的风格和特点。

支持多种模型规模：提供不同参数规模的模型（如 NotaGen-small、NotaGen-medium 和 NotaGen-large），适应不同的硬件和应用场景。

NotaGen的技术原理

预训练：在超过160万首乐曲上进行预训练，涵盖多种风格和乐器。基于大规模数据学习音乐的基本结构和模式，类似于语言大模型中的“语言理解”阶段。用符号音乐表示（如 ABC 符号）进行编码，预测下一个符号的任务进行训练。

微调：在约9000首高质量古典作品上进行微调，针对特定风格（如巴洛克、古典、浪漫）和作曲家进行优化，生成符合特定风格的音乐。用“时期-作曲家-乐器”提示进行条件生成，增强模型对特定风格的理解和生成能力。

强化学习：基于 CLaMP-DPO（Contrastive Language-Music Pretraining with Direct Preference Optimization）方法，对比学习模型 CLaMP² 提供反馈，优化生成音乐的质量和一致性，无需人工标注或预定义奖励。生成的音乐样本根据 CLaMP² 的评分被分为“选择”和“拒绝”两类，基于 DPO 算法优化模型，提升生成音乐的音乐性和可控性。

符号音乐表示：用 ABC 符号表示乐谱，简化编码和生成过程，支持多声部音乐的生成。基于去除全休止符、添加小节索引等方法优化数据，提升生成效率和质量。

模型架构：基于层次化的 Transformer 解码器，包括 patch-level decoder 和 character-level decoder，分别处理音乐片段和符号生成。结合 CLaMP² 提供的多模态反馈，优化生成音乐的全局特征（如风格、和声、结构）。

NotaGen项目介绍

项目官网：https://electricalexis.github.io/notagen

GitHub仓库：https://github.com/ElectricAlexis/NotaGen

HuggingFace模型库：https://huggingface.co/ElectricAlexis/NotaGen

arXiv技术论文：https://arxiv.org/pdf/2502.18008

NotaGen能做什么？

音乐创作辅助：为作曲家提供灵感，快速生成符合特定风格的乐谱草稿，节省创作时间。

音乐教育：帮助学生理解不同音乐时期的风格特点，生成教学用乐谱。

音乐制作：为影视、游戏等快速生成背景音乐或配乐，提升制作效率。

音乐表演：生成高质量乐谱，供乐团、合唱团等排练或演出使用。

音乐娱乐：基于互动式演示，让用户实时生成音乐，体验创作乐趣。