Do Music Generation Models Encode Music Theory?

音乐基础模型具有令人印象深刻的音乐生成能力。当人们创作音乐时，他们可能会将自己对音乐的理解融入到作品中，通过使用音符和音程来构建旋律，使用和弦来构建和弦进行，使用节奏来创造节奏感。音乐生成模型内部是否真正存在这些基本的西方音乐理论概念呢？更具体地说，这些模型内部是否存在基本的西方音乐理论概念？最近的一项工作提出，利用音乐生成模型中的潜在音频表示来进行音乐信息检索任务（例如流派分类、情感识别），这表明这些模型中编码了高级音乐特征。然而，探索个别音乐理论概念（例如节奏、音高类、和弦品质）仍然不足。因此，我们介绍了SynTheory，这是一个合成的MIDI和音频音乐理论数据集，包括节奏、拍号、音符、音程、音阶、和弦和和弦进行概念。然后，我们提出了一个框架来探测音乐基础模型（Jukebox和MusicGen）中的这些音乐理论概念，并评估它们在内部表示中编码这些概念的程度。我们的研究结果表明，音乐理论概念在基础模型中是可辨识的，并且它们的可检测程度因模型大小和层数而异。

探究音乐生成模型是否能够表现基础的西方音乐理论概念，如节奏、音高、音符、和弦等，并评估不同模型对这些概念的编码能力。

使用SynTheory数据集，提出了一种框架来探究音乐生成模型中是否存在基础的音乐理论概念，并评估模型内部表示中这些概念的编码程度。

论文提出了SynTheory数据集，用于探究音乐生成模型中的音乐理论概念编码能力。实验结果表明，基础的音乐理论概念能够在模型内部表示中被检测到，而检测结果的强度取决于模型的大小和层数。同时，论文的工作也为后续的音乐信息检索任务提供了一些启示。

最近的相关研究包括：使用深度学习生成音乐的研究、使用深度学习进行音乐信息检索的研究等。