Text-to-Music Structural Planning Controllable Generation Intermediate Representation
摘要

当前文本到音乐生成系统主要依赖全局文本提示,导致音乐结构的组织隐式且难以控制或修改。为此,本文提出MusicLayout,这是一种用于控制音乐结构的显式中问表示。它将乐曲描述为时间对齐的段落、纹理、重复、变奏及乐器级编曲布局,作为文本意图与生成音乐之间可解释的规划层。该表示集成于统一自回归框架中,模型先生成布局再预测音频令牌。实验表明,显式布局规划能改善长程结构组织并支持层级控制。

AI 推荐理由

论文核心提出显式结构规划层(MusicLayout),用于控制音乐生成的长期结构和组织,直接对应任务规划与多步计划生成。

研究机构
浙江大学人工智能学院 浙江大学计算机科学与技术学院 浙江大学长江三角洲创新中心 华东师范大学
论文信息
作者 Shuyu Li, Kejun Zhang, Jiahe Lei, Shulei Ji, Zihao Wang et al.
发布日期 2026-08-10
arXiv ID 2608.09035
相关性评分 9/10 (高度相关)