室内乐团生成器：通过生成模型实现无限高质量的MIR数据

数据是现代机器学习系统的生命线，包括音乐信息检索（MIR）领域的系统。然而，MIR长期以来一直受到小型数据集和不可靠标签的困扰。在本研究中，我们提出通过生成模型来打破这一瓶颈。我们将一个基于巴赫众赞歌训练的音符生成模型（Coconet）与一个基于URMP数据集训练的室内乐合奏结构合成模型（MIDI-DDSP）相结合，展示了一个能够生成无限量逼真众赞歌音乐的系统，该系统包含丰富的注释信息，如混音、分轨、MIDI文件、音符级别的演奏属性（断奏、颤音等），甚至细粒度的合成参数（音高、幅度等）。我们称这个系统为室内乐生成器（Chamber Ensemble Generator, CEG），并利用它生成了来自四种不同室内乐合奏的大规模众赞歌数据集（CocoChorales）。我们证明了使用我们的方法生成的数据可以提升音乐转录和声源分离领域的最先进模型的表现，并且我们开源了该系统和数据集，以作为未来MIR社区研究的基础。