dannieldwt / acco-generate

baibuti project

README

基于机器学习的伴奏生成App

百步梯项目，基于机器学习，通过输入主旋律生成和弦伴奏。

当前版本：

1.  支持C大调四四拍乐曲的和弦伴奏生成
2.  支持分解和弦伴奏形式与正常和弦伴奏形式
3.  支持伴奏的多种乐器选择
4.  支持midi文件输入
5.  支持midi文件导出
6.  支持乐谱导出

下一版本预计：

1. 支持mp3格式输入
2. 支持乐曲风格变换
3. 支持乐曲的平滑处理（对于连续相同和弦进行更改，检测整个乐曲的情感基调）
4. 支持其它调歌曲的伴奏生成。 

项目使用：

1.  机器学习相关： sklearn + numpy + pandas
2.  midi相关:    music21
3.  IDE: pycharm
4.  python版本: python3.7

项目目录

• ACCO_DATASET：项目数据存放处
  • training（开发过程中训练数据放置处）
• ACCO_GLOBALDATA: 项目全局数据
  • ACCO_GLOBALDATA_Chord: 和弦相关全局数据
  • ACCO_GLOBALDATA_CNotes: 音符相关全局数据
• ACCO_MODEL: 项目模型
  • ACCO_MODEL_RandomForestModel: 封装的随机森林模型
  • ACCO_MODEL_DescionTree: 同上
  • ACCO_MODEL_SVMModel: 同上
  • ACCO_MODEL_StorageModel: 存储一些废弃的代码（可能会重新使用，开发过程暂时存储处）
• ACCO_PARSER: 解析输入的midi文件
  • ACCO_PARSER_Song: 解析单首歌
  • ACCO_PARSER_ChordDFA: 为了实现常用和弦编配套路用的状态机（当前版本不需使用）
  • ACCO_PARSER_StorageParser: 同上
• ACCO_STYLE: 调整歌曲风格，节奏，乐器等
  • ACCO_STYLE_Instrument: 调整歌曲乐器

关于模型：

• 模型特征为：
  • 是否是第一个位置
  • 是否是最后一个位置
  • 小节中是否包含和弦内音
  • 小节中重拍所在的音
  • 小节中时值最长的音
  • 小节中出现次数最多的音
  • 每一小节开头的音
• 模型准确率： 测试集约80%，训练集约87%.
• 模型目前只是采用了最为基础的和弦编配理论
• 模型采用每个小节中的信息进行分析判断所配的和弦，因而在歌曲终止符较少，整个歌曲主旋律更为紧凑时表现更为出色，在音较少时会有突兀感。

使用说明：

  1. 在ACCO_DATASET/training放置训练文件，可以使用提供的训练样本，训练样本数目近450个。
  2. 在ACCO_DATASET/predict放置要预测的主旋律文件，也有提供的若干预测音乐文件于predict目录下。
  3. 配制好相应依赖后，运行main.py。（文件顶部有设置相应路径的变量，若1,2中目录不使用项目的目录可以更改为自己制定的目录，同样也可以修改指定的文件名和输出目录，按照1,2设置的可以只修改输出文件名，或者输出默认文件名到ACCO_OUTPUT。）
  4. 在main.py中有设置节奏和乐器的代码，目前尚未提供良好的接口，因而需要自定义节奏和乐器的，需要手动更改几行代码，略微懂一点music21库使用方法。

参考：

  1. music21: <http://web.mit.edu/music21/doc/about/what.html>.
  2. sklearn: <https://scikit-learn.org/stable/>.