Персонализируемое заполнение длинных контекстов в символической музыке с использованием MIDI-RWKV

Personalizable Long-Context Symbolic Music Infilling with MIDI-RWKV

June 16, 2025

Авторы: Christian Zhou-Zheng, Philippe Pasquier

cs.AI

Аннотация

Существующие работы в области автоматической генерации музыки в основном сосредоточены на сквозных системах, которые создают законченные композиции или их продолжения. Однако, поскольку музыкальная композиция обычно является итеративным процессом, такие системы затрудняют взаимодействие между человеком и машиной, которое крайне важно для компьютерно-ассистированного творчества. В данном исследовании мы рассматриваем задачу персонализируемого, многодорожечного, длинноконтекстного и управляемого заполнения символической музыки, чтобы улучшить процесс компьютерно-ассистированной композиции. Мы представляем MIDI-RWKV, новую модель, основанную на линейной архитектуре RWKV-7, которая позволяет эффективно и согласованно создавать музыку совместно с человеком на периферийных устройствах. Мы также показываем, что MIDI-RWKV допускает эффективный метод тонкой настройки её начального состояния для персонализации в условиях крайне малого количества данных. Мы оцениваем MIDI-RWKV и её настройку состояния по нескольким количественным и качественным метрикам, а также публикуем веса модели и код на https://github.com/christianazinn/MIDI-RWKV.

English

Existing work in automatic music generation has primarily focused on end-to-end systems that produce complete compositions or continuations. However, because musical composition is typically an iterative process, such systems make it difficult to engage in the back-and-forth between human and machine that is essential to computer-assisted creativity. In this study, we address the task of personalizable, multi-track, long-context, and controllable symbolic music infilling to enhance the process of computer-assisted composition. We present MIDI-RWKV, a novel model based on the RWKV-7 linear architecture, to enable efficient and coherent musical cocreation on edge devices. We also demonstrate that MIDI-RWKV admits an effective method of finetuning its initial state for personalization in the very-low-sample regime. We evaluate MIDI-RWKV and its state tuning on several quantitative and qualitative metrics, and release model weights and code at https://github.com/christianazinn/MIDI-RWKV.