MIDI
PulseAugur coverage of MIDI — every cluster mentioning MIDI across labs, papers, and developer communities, ranked by signal.
5 天有情绪数据
-
新的TART系统可从音频生成富有表现力的吉他六线谱
研究人员开发了TART，一种新颖的四阶段自动吉他六线谱转录流水线。该系统通过捕捉滑音和推弦等表现技巧，准确地将音符分配到特定的弦和品格，并泛化到嘈杂的音频，从而解决了现有方法的局限性。TART在多个基准测试中取得了最先进的成果，在音频到MIDI转录、弦品分配和端到端六线谱生成方面均优于先前的基线。
-
用户利用AI进行复杂的MIDI转换，找到了一个可行的解决方案
一位用户在尝试创建一个将MIDI ProgramChange消息转换为MidiCC的Jack客户端时，对AI表示了沮丧。AI生成的解决方案虽然能够将MIDI音符路由到特定通道并激活DecentSampler的实例，但被指出其复杂性且不符合Typical MainStage工作流程。尽管方法不寻常，用户发现该解决方案解决了问题，并可能带来新的概念。
-
AI 解码并重现专有钢琴音乐格式
一位用户尝试使用 Astra 和 Fable AI 模型为自动演奏钢琴系统 PianoDisc Protigy 重现音乐。AI 成功生成了 Satie 的 Gymnopédie No. 1 的演绎版本，分析了如自由节奏和延音踏板技巧等细微差别。Fable 还识别并创建了 PianoDisc 的专有格式的编码器/解码器，该格式包含用于混淆的“诱饵音符”。用户现在正在质疑发布 AI 生成的编码器和解码器的合法性。
-
AI应用RollTab使用Transformer模型生成钢琴音乐续集
一款名为RollTab的iPhone应用已发布，该应用使用AI模型自动生成钢琴演奏的续集。该应用由Simon Edwardson开发，利用了一个定制训练的1.25亿参数Transformer模型，该模型将MIDI文件作为离散事件序列进行处理。这种方法可以快速生成音乐续集，应用能够在两秒内生成输出。Edwardson利用Gemini 3.5 Flash收集偏好数据，并使用Direct Preference Optimization (D…
-
Suno Studio 2.0 新增 MIDI 和聊天机器人功能，接近 DAW 功能
Suno 发布了 Studio 2.0，这是其音乐制作工具的一次重大升级，使其更接近数字音频工作站 (DAW)。关键新功能包括 MIDI 支持、音量和声像等轨道参数的自动化功能，以及失真、延迟和混响等内置效果套件。此次更新还引入了一个聊天机器人，它可以根据用户提示和项目的现有音乐上下文生成歌词、旋律，甚至创建自定义效果插件。
-
Suno Studio 2.0 通过 MIDI 和自定义效果增强 AI 音乐创作
Suno 发布了其 AI 音乐生成工具的更新版本 Suno Studio 2.0。新版本旨在为用户提供更多专业音乐制作软件中常见的控制和功能。主要增强功能包括添加了 MIDI 支持和自定义效果，从而在音乐创作中实现更大的灵活性。
-
新的 LLM 技术推动文本到音乐生成
研究人员开发了使用大型语言模型（LLM）进行文本到音乐生成的新方法。第一种方法“Agogic”专注于性能计时音乐标记，并证明了音乐表示的选择对分布保真度有显著影响，其影响程度通常超过模型大小。第二种方法“MIDI-LLM”通过扩展其词汇表以包含 MIDI 标记来调整 LLM，并使用两阶段训练过程来同时提高文本控制和音乐质量，在人类-AI 音乐共创工作流程中表现出强大的性能。
-
新的自监督模型增强了AI对符号音乐的理解
研究人员开发了一种用于符号音乐的层级式自监督世界模型，该模型利用在MIDI数据上训练的2.55M参数Swin V2编码器。该模型不需要标签或音乐理论词汇，表明像乐句边界和和声细节这样的音乐属性可以在模型层级的不同级别上被解码。该系统能够快速生成音乐建议，其条件式流匹配模型实现了高保真度，并支持用于掩码修复的图形化提示，使其适用于协作音乐创作代理。
-
新的AI模型评估表现力MIDI钢琴演奏，发布开源库
研究人员开发了一种新的方法来评估表现力MIDI钢琴演奏，通过集成来自自监督符号音乐模型（如Aria和CLaMP3）的上下文嵌入。该方法通过考虑音符间的依赖关系和感知特性，解决了传统基于属性指标的局限性。研究发现，这些模型可以作为有效感知代理，与人类评分一致。此外，还发布了一个名为Pereval的开源库，以支持可复现性并集成各种演奏评估工具，包括属性范围和深度特征指标。
-
Kyutai 发布开放权重 MuScriptor 用于多乐器音乐转录
法国 AI 实验室 Kyutai 推出了 MuScriptor，一个用于将多乐器音乐转录为 MIDI 格式的开放权重 Transformer 模型。该模型有三种尺寸，最大的拥有 14 亿参数。MuScriptor 在大量的 MIDI 文件和真实录音数据集上进行了训练，据报道其 Multi F1 分数达到了 48.2，显著优于基线模型。
-
PipeWire 1.6.8 发布；播客讨论缅因州政治、Meta 的 Threads 和特朗普电话
该集群涵盖了两项不同的技术新闻：PipeWire 1.6.8 的发布，其增强了 Linux 的音频和视频服务器功能；以及一期播客节目，讨论了缅因州的政治丑闻、Meta 的 Threads 平台（作为 X 的竞争对手）以及特朗普电话的出现。
-
MuScriptor: 开放权重模型将多乐器音乐转录为MIDI
研究人员推出MuScriptor，一个用于多乐器音乐转录的开放权重模型。与以往在复杂混音或单一乐器上表现不佳的模型不同，MuScriptor能够将流行、古典、金属和爵士等多种音乐流派中各种乐器的音符转录为MIDI格式。该模型通过合成数据预训练、真实音频微调和强化学习的结合开发而成，并增加了基于乐器存在的条件设置能力。MuScriptor可在其官网使用，并在GitHub上提供开源代码。
-
新框架将符号音乐反编译为可执行代码
研究人员开发了Decomposer，一个新颖的框架，旨在将符号音乐（如MIDI文件）翻译成Strudel音乐编程语言中的可执行程序。该系统通过创建一个名为Strudel-Synth的合成语料库进行初始训练，然后利用无配对MIDI数据进行强化学习，以提高代码可读性和重建准确性，从而解决了配对数据稀缺的问题。据报道，Decomposer在MIDI重建保真度方面优于闭源大型语言模型，并且比现有的启发式转换器生成更多样化、更易读的代码。
-
Pianist Transformer 通过自监督学习推动富有表现力的音乐生成
研究人员开发了 Pianist Transformer，这是一种从符号乐谱生成富有表现力的钢琴演奏的新方法。该方法利用了在超过 100 亿个未标记 MIDI 数据标记上的大规模自监督学习，这比以往受限于小数据集的监督方法有了显著进步。该模型采用了一种高效的不对称 Transformer 架构，并进行了音符级压缩，以提高训练和推理效率，并提供了一个可编辑的工作流程以集成到音乐制作中。该项目旨在为合成类人音乐表演铺平一条可扩展的道路。
-
AI 研究员探索使用 LLM 从 MIDI 数据生成音乐
一个人正在探索微调一个小型大型语言模型（LLM）以理解和生成音乐模式的想法。该方法涉及使用扩展的 MIDI 文件协议，而不是实际的声音样本，将音乐视为一种语言，而不仅仅是听觉模式。
-
新算法有助于乐谱的音高拼写和调性估算
研究人员开发了一种用于乐谱音高拼写和调性估算的算法。该算法处理类似MIDI的输入，以确定每个小节的音符名称、调号和局部音阶，从而优化清晰的音乐记谱。评估在包括爵士乐总谱、独奏转录和古典钢琴乐谱在内的多样化数据集上进行，潜在应用包括音乐转录、分析和保存。
-
研究发现：贝多芬的《月光奏鸣曲》与机器学习架构相似
一项新的研究论文探讨了贝多芬的《月光奏鸣曲》（作品27号之二）与机器学习机制之间的结构相似性。通过对乐谱进行计算分析，该研究在奏鸣曲的三个乐章中识别出了不同的机器学习架构。研究结果表明，音乐的“温度”与吞吐量而非分布宽度有关，并且在较轻的乐章中可以发现更高的不协和度。研究还强调了音级在不同乐章中如何获得不同的上下文身份，类似于自然语言处理中的嵌入，并量化了音乐和语言中编码-解码循环的“手性”。
-
AI模型在巴赫风格音乐生成方面的比较
一篇新研究论文比较了不同AI模型生成巴赫风格钢琴音乐的效果。研究发现，带有注意力机制的自回归LSTM模型产生了最符合音乐逻辑的结果，而向量量化改进了潜在变量模型。生成对抗网络在捕捉局部模式方面显示出潜力，但更难训练，并且在整体风格连贯性方面效果较差。
-
IntelliJ 会议探讨 JavaFX 和 MIDI 文件操作
宣布了一场专注于 IntelliJ 中 JavaFX 和 MIDI 文件操作的会议，参与者包括 Anton Arhipov 和另一个人。该活动鼓励观众提问互动，并提供直播供观看。
-
Melinda French Gates 承诺投入 2.15 亿美元用于更年期和中年女性健康
Melinda French Gates 已承诺投入 2.15 亿美元，以推进更年期和中年女性健康领域的研究和护理。这项重大的慈善投资旨在解决该领域资金不足和缺乏关注的问题，该问题影响着女性的生产力和职业生涯。French Gates 的倡议将支持研究、提供者教育、保险覆盖和工作场所保护，向其他资助者和企业表明该市场的可行性。