A Traditional Approach to Symbolic Piano Continuation

📄 arXiv: 2509.12267v1 📥 PDF

作者: Christian Zhou-Zheng, John Backsund, Dun Li Chan, Alex Coventry, Avid Eslami, Jyotin Goel, Xingwen Han, Danysh Soomro, Galen Wei

分类: cs.SD, cs.LG, cs.MM, eess.AS

发布日期: 2025-09-13

备注: 3 pages, extended abstract, MIREX session at ISMIR 2025 LBD

🔗 代码/项目: GITHUB

💡 一句话要点

针对钢琴音乐续创任务，提出一种基于传统方法和优化数据的序列预测方案。

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 音乐生成 符号音乐 钢琴续创 序列预测 MIDI数据

📋 核心要点

  1. 现有计算音乐生成方法侧重于复杂架构的大型基础模型，但在单乐器续创等受限任务中可能并非最优。
  2. 论文采用简单的下一个token预测方法，直接在token化的MIDI数据上进行训练，避免复杂的模型结构。
  3. 通过优化数据质量和基本建模方法，期望超越大型基础模型在特定任务上的表现，并开源模型和代码。

📝 摘要（中文）

本文提出了一种用于MIREX 2025符号音乐生成挑战赛的传统钢琴音乐续创方法。尽管计算音乐生成领域最近专注于开发具有复杂架构修改的大型基础模型，但我们认为，对于受限的单乐器任务，更简单的方法仍然更有效。因此，我们回归到对token化的原始MIDI数据进行简单的、无增强的下一个token预测目标，旨在通过使用更好的数据和更好的基本原理来超越大型基础模型。我们将在https://github.com/christianazinn/mirex2025 上发布模型权重和代码。

🔬 方法详解

问题定义：论文旨在解决符号钢琴音乐的续创问题，即给定一段钢琴音乐的开头，自动生成后续的音乐片段。现有方法，特别是基于大型深度学习模型的方法，虽然在通用音乐生成任务上表现出色，但在这种特定且数据量相对较小的任务上，可能存在过拟合、训练效率低等问题。因此，论文希望探索一种更简单、更有效的方法来解决这个问题。

核心思路：论文的核心思路是回归到传统的序列预测方法，即下一个token预测。这种方法直接预测MIDI序列中的下一个音符或事件，避免了复杂的音乐结构建模。通过精心设计数据处理流程和优化训练策略，论文希望能够在这种简单框架下达到甚至超过复杂模型的效果。

技术框架：论文采用的整体框架非常简洁。首先，将原始MIDI数据进行token化处理，将其转换为离散的token序列。然后，使用一个序列模型（具体模型类型未明确说明，但推测可能是RNN或Transformer的变体）来预测下一个token。模型的输入是当前token序列，输出是下一个token的概率分布。最后，根据概率分布采样得到下一个token，并将其添加到序列中，重复这个过程直到生成所需的音乐片段。

关键创新：论文的关键创新在于其反思了当前计算音乐生成领域过度依赖大型复杂模型的趋势，并证明了在特定任务上，通过优化数据和采用更简单的模型，同样可以取得优异的成果。这种思路对于资源有限的研究者和开发者具有重要的借鉴意义。

关键设计：论文中关于关键设计的细节描述较少，主要强调了数据处理的重要性。推测可能包括：1) 精心设计的token化方案，能够有效地表示MIDI数据中的各种音乐信息（音高、时值、力度等）；2) 合理的数据增强策略，以增加训练数据的多样性；3) 优化的训练目标和损失函数，以提高模型的预测准确率。具体的网络结构、参数设置等细节需要在代码中进一步分析。

📊 实验亮点

论文的主要亮点在于其挑战了当前计算音乐生成领域对大型基础模型的过度依赖，并证明了在特定任务上，通过优化数据和采用更简单的模型，同样可以取得优异的成果。虽然论文中没有提供具体的性能数据，但其开源的模型和代码为后续研究提供了便利，并鼓励研究者重新审视传统方法在特定任务上的潜力。

🎯 应用场景

该研究成果可应用于自动音乐创作、音乐教育、游戏配乐等领域。例如，可以辅助音乐家进行创作，为初学者提供音乐续创的练习工具，或者为游戏自动生成背景音乐。此外，该研究也为其他领域的序列生成任务提供了一种新的思路，即在特定任务上，简单模型可能比复杂模型更有效。

📄 摘要（原文）

We present a traditional approach to symbolic piano music continuation for the MIREX 2025 Symbolic Music Generation challenge. While computational music generation has recently focused on developing large foundation models with sophisticated architectural modifications, we argue that simpler approaches remain more effective for constrained, single-instrument tasks. We thus return to a simple, unaugmented next-token-prediction objective on tokenized raw MIDI, aiming to outperform large foundation models by using better data and better fundamentals. We release model weights and code at https://github.com/christianazinn/mirex2025.