A Study on Synthesizing Expressive Violin Performances: Approaches and Comparisons

表达性音乐合成（EMS）对于小提琴演奏来说是一个具有挑战性的任务，这是由于音乐演奏者在解释表达性音乐术语（EMTs）方面存在分歧，标记记录的稀缺性以及合成模型的有限泛化能力。这些挑战在模型效果、生成结果的多样性和合成系统的可控性之间产生了权衡，因此进行EMS模型设计的比较研究是必不可少的。本文探讨了两种小提琴EMS方法。端到端方法是一种最先进的文本到语音生成器的修改版。参数控制方法基于简单的参数采样过程，可以使音符长度和其他参数与MIDI-DDSP兼容。我们通过客观和主观实验研究了这两种方法（总共三个模型变体），并根据结果讨论了EMS的几个关键问题。

本文旨在探讨基于表现力音乐术语的小提琴表现音乐综合的挑战，以及如何在模型效果、生成结果多样性和综合系统的可控性之间进行权衡。

本文探讨了两种小提琴表现音乐综合方法：端到端方法和参数控制方法。通过客观和主观实验，研究了这两种方法的三种模型变体，并讨论了EMS的若干关键问题。

本文的实验设计包括客观和主观实验，并使用了开源数据集。研究表明，两种方法都有其优缺点，需要在特定任务和应用场景中进行选择。另外，本文提出的参数控制方法在模型效果和生成结果多样性方面表现出色。

最近的相关研究包括基于深度学习的音乐生成方法，以及基于表现力音乐术语的音乐生成方法。例如，GANSynth和MIDI-DDSP等。