使用机器学习模型生成目标音乐

本公开的实施例涉及一种用于使用机器学习模型生成目标音乐的方法、系统以及存储介质。本公开描述了用于生成目标音乐的技术。音频和文本被输入到机器学习模型。音频指示目标音乐的背景，并且文本指定目标音乐的一个或多个乐器。通过迭代过程，目标音乐的表示被生成。所述目标音乐以由文本指定的一个或多个乐器为特征并且与音频对齐。迭代过程包括多个迭代。每个迭代包括：采用多源无分类器引导机制对来自先前迭代输出的逻辑值进行采样。多源无分类器引导机制被配置为分别对音频和文本的影响进行加权。每个迭代包括至少部分地基于目标音乐的时间线来对采样后的逻辑值进行排序。每次迭代包括基于排序后的、采样后的逻辑值来更新目标音乐的表示。