c-rnn-gan.pytorch

用对抗网络生成连贯钢琴曲，上手即用

C-RNN-GAN 是一个用 PyTorch 实现的音乐生成模型，基于连续循环神经网络和生成对抗网络的结合。它解决了传统音乐生成中缺乏长期依赖和结构连贯性的问题，通过对抗训练让模型学习音乐的时间序列分布，从而生成具有节奏和旋律连贯性的钢琴曲片段。核心能力包括：支持 MIDI 格式的输入输出，可自定义生成曲目的长度和风格，训练过程可视化损失曲线。项目提供了完整的训练和生成脚本，适合作为音乐生成入门和学术研究的参考实现。

开源 free 音频音乐

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 67

维护状态低维护

是否开源是

定价模式 free

项目预览

项目数据

分类音频音乐

开发团队cjbayron

所属国家

官网地址

GitHubhttps://github.com/cjbayron/c-rnn-gan.pytorch

定价模式free

价格说明开源项目，基于Apache-2.0许可证，可自由使用和修改，无付费版本。

访问状态

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型c-rnn-gan,crnn-gan,crnngan,generative-adversarial-networks,music-generation,pytorch

GitHub 星标★ 67

30天Star增速

HF 下载量

上线时间2019-09-01 00:00:00

代码更新—

仓库体积—

本站数据更新—

维护状态低维护

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数6

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

正在加载星标数据…

技术标签

使用教程

—

核心亮点

基于 PyTorch 实现，代码结构清晰，易于修改和扩展
支持 MIDI 格式，可直接与主流音乐工具链对接
提供预训练模型和生成示例，快速体验效果

不足之处

项目维护停滞，依赖库版本较老，可能需自行适配
生成音乐质量有限，复杂和声与结构仍有明显不足
文档/社区待观察

适用场景

学术研究：对比不同生成模型在音乐序列上的效果
教学演示：理解 GAN 在序列生成中的应用
音乐创作辅助：快速生成灵感片段再人工加工

替代项目

MuseGAN、MusicVAE、WaveGAN

项目介绍

c-rnn-gan.pytorch 是音频音乐领域的开源项目，由 cjbayron 开发，2019 年首次发布。

它收录于音频音乐分类，该分类目前共有 764 个项目，GitHub 星标数为 67。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2020-12-05。基于Apache-2.0许可证，可自由使用和修改，无付费版本。

它主要面向的使用场景是：学术研究：对比不同生成模型在音乐序列上的效果。同类可对比的替代方案包括 MuseGAN、MusicVAE、WaveGAN。

上一篇：cog-musicgen-chord

下一篇：WaveGAN-pytorch