SymphonyGen：可控和声骨架的 3D 层级交响乐生成模型

petewoodbridge · x · 2026-08-05

SymphonyGen 是一个用于当代交响乐生成的 3D 层级框架。它通过级联解码器分解小节、音轨和事件轴，显著降低了解码内存，并允许在每个结构层级进行条件控制。

该模型引入了节拍量化的多音高“和声骨架”作为条件，允许用户通过简单的轮廓控制生成丰富的管弦乐纹理。此外，模型结合了基于 CLaMP 3 音频嵌入的强化学习（GRPO）进行微调，并在推理时使用避免不协和音的采样算法。客观和主观评估均表明，该机制在保持旋律独立性的同时有效减少了不协和音，其生成质量在听感上显著优于基线模型。