ComposerX: Multi-Agent Symbolic Music Composition with LLMs

音乐创作代表了人类的创造力，本身是一项复杂的任务，需要理解和生成具有长期依赖性和和谐约束的信息能力。尽管在STEM学科中表现出了令人印象深刻的能力，但目前的LLM在这项任务中很容易失败，即使装备了像In-Context-Learning和Chain-of-Thoughts这样的现代技术，也会生成糟糕的音乐。为了进一步探索和提高LLM在音乐创作方面的潜力，利用它们的推理能力和音乐历史和理论的大量知识库，我们提出了ComposerX，一个基于代理的符号音乐生成框架。我们发现，应用多代理方法显著提高了GPT-4的音乐创作质量。结果表明，ComposerX能够产生连贯的复调音乐作品，具有迷人的旋律，同时遵守用户的指令。

提高语言模型在音乐创作中的表现，解决长期依赖和和声约束的问题。

提出了基于代理的符号音乐生成框架ComposerX，采用多智能体方法，结合音乐历史和理论知识库，提高GPT-4在音乐创作中的质量。

ComposerX能够生成具有连贯性和旋律吸引力的复调音乐作品，同时遵循用户指令。实验结果表明，多代理方法显著提高了音乐创作的质量。

最近的相关研究包括：1. J. Yang等人的“MuseNet:一种用于生成多轨音乐的深度神经网络”；2. C. Hawthorne等人的“Enabling Factorized Piano Music Modeling and Generation with the MAESTRO Dataset”。