Muses人工智能作曲系统

项目详细介绍 一、项目概述： Muse人工智能作曲机项目包含了底层算法、视频标签匹配算法、Muse小程序及谱曲辅助智能等四部分： 底层算法部分：输入为权重矩阵和指定参数（包括：节拍、乐器、时长及是否回环），应用算法模型进行谱曲，生成MIDI乐谱，最终通过MIDI2MP3生成音频文件。算法模型的生成方式为：首先使用由单向LSTM网络构成的生成网络进行生成，然后再交给双向LSTM构成的对抗网络进行处理； 视频标签匹配算法：我们首先会从视频中提取关键帧截图，然后利用图像识别技术，获取其中的元素信息（此部分使用Azure认知服务），继而对产生的标签进行匹配处理，将其匹配到128维权重矩阵，继而调用底层算法部分生成音乐； Muse灵感笔记（微信小程序）：做为快速创意记录工具使用，具体功能为：笔记查找、笔记新建和用户设置。其中笔记新建中，当用户持续创作时，将播放音乐，当用户停止创作超过指定时间时，将停止播放背景音乐，其中播放的音乐为底层算法生成并通过HLS协议下发的实时音频流； 谱曲辅助智能：通过简单的几个选项和风格，即可调用底层算法生成多个Demo音乐小节，为作曲家提供可能性的灵感，并可使用部分小节继而编曲。 二、市场应用： 底层算法+视频标签匹配算法：自动视频谱曲，即通过视频识别+音频谱曲的方案，根据视频主题、节奏及色调，快速生成符合主题和情感元素的视频背景乐，高效实现视频配乐功能，并有效降低配乐成本。 底层算法+Muse灵感笔记：

我们是来自西安电子科技大学的学生团队Muse团队。 团队负责人兼任应用开发为16级计算机学院学生韩翔宇，底层算法开发为16级计算机学院张兴宇，文案宣传及项目经理为18级通信工程学院张丽萍。 团队成员均在各自方向有较多经验： 韩翔宇及团队曾获得第十五届挑战杯国家一等奖，第三届、第四届互联网+多个奖项，2017中美青年创客大赛全球第五名，首届联想智能生态高校创新大赛季军，2017年度腾讯NextIdea游戏开发竞赛全国十强等荣誉，曾与团队登上央视《新闻联播》节目等； 张兴宇曾负责多个人工智能项目的研发与测试，在人工智能方向有充足经验和积累，对于视觉、自然语言处理等有自己的理解； 张丽萍曾多次负责校内BDF视频脚本编写、校内通讯网站文稿编写及数个校内新媒体品牌运营，推文累积阅读数超3万，熟练掌握墨刀在内的多个产品原型工具，参与设计了多个小程序。