使用场景

音乐创作者使用 NotaGen 快速生成古典风格的乐谱，节省创作时间。

音乐教育者利用 NotaGen 生成的乐谱作为教学素材，丰富课程内容。

研究人员通过 NotaGen 探索符号音乐生成技术的潜力和应用。

产品特色

支持预训练阶段，使用大规模音乐数据集进行基础模型训练。

提供微调功能，针对特定风格的古典音乐进行优化。

采用强化学习方法 CLaMP-DPO，无需人工标注即可优化生成结果。

支持多种模型规模，包括 NotaGen-small、NotaGen-medium 和 NotaGen-large。

提供 Gradio 演示，用户可以通过网页界面输入条件生成音乐。

支持本地部署和在线 Colab 笔记本使用，方便用户快速上手。

提供数据预处理和后处理工具，方便用户准备和使用数据。

支持多种音乐风格的生成，通过条件提示控制生成内容。

使用教程

1. 安装环境：根据 README 指南设置 Python 环境，安装必要的依赖库。

2. 下载预训练模型权重：根据需求选择 NotaGen-small、medium 或 large 模型。

3. 微调模型：使用自己的数据集对模型进行微调，优化特定风格的生成效果。

4. 强化学习优化：通过 CLaMP-DPO 方法进一步提升生成乐谱的质量。

5. 使用 Gradio 演示：运行本地 Gradio 服务或使用 Colab 笔记本，输入条件生成音乐。

6. 数据处理：使用提供的工具将 ABC 符号文件转换为 MusicXML 格式。

7. 自定义生成：通过修改条件提示，生成不同风格和乐器组合的乐谱。