Learning Jazz Pianist Style with Cross-Attention Conditioning
研究者基于钢琴 MIDI 预训练的 16 层 Transformer 模型 Aria，在最后八层插入门控交叉注意力模块，读取每位钢琴家的学习嵌入向量，用 PiJAMA 数据集中十二位爵士钢琴家的独奏进行微调。生成片段被分类器判定为目标钢琴家的比例从无条件的 37% 提升到 70%，仅用生成音乐训练的合成分类器识别真实录音的准确率达 95%。
研究者基于钢琴 MIDI 预训练的 16 层 Transformer 模型 Aria，在最后八层插入门控交叉注意力模块，读取每位钢琴家的学习嵌入向量，用 PiJAMA 数据集中十二位爵士钢琴家的独奏进行微调。生成片段被分类器判定为目标钢琴家的比例从无条件的 37% 提升到 70%，仅用生成音乐训练的合成分类器识别真实录音的准确率达 95%。