深度学习在音乐生成中的研究与应用综述

来源：计算机工程与应用杂志2026年第10期北京时间：

作者：赵明园, 周若华, 袁庆升, 周祉彤

单位：北京建筑大学 智能科学与技术学院，北京 102616；

摘要：音乐生成是人工智能与计算机科学的重要交叉研究方向，近年来随着深度学习技术的突破，音乐生成取得了显著进展。对深度学习在音乐生成领域的研究与应用进行了系统性综述。将音乐的表示形式归纳为符号表示、音频表示和多模态表示三类；概述了LSTM、VAE、GAN、Transformer和扩散模型等主流深度生成模型的架构特点与性能对比；根据生成需求将音乐生成任务细分为符号音乐生成、音频音乐生成和人声音乐生成三类，并分别梳理了各类任务中的代表性方法与关键技术进展；在此基础上，归纳总结了适用于不同生成任务的常用数据集及主客观评价指标体系，并通过实验数据对比分析了代表性模型的性能表现；探讨了当前音乐生成面临的主要挑战，包括音乐信息建模困难、数据稀缺、评估体系不统一以及伦理与商业化问题，并对未来在音乐教学、心理治疗等领域的应用前景进行了展望。

关键词：音乐生成,深度学习,生成式神经网络,智能作曲

基金资助：国家自然科学基金（11590774）。