Music-SketchNet

画个音乐草图，AI帮你生成完整旋律和节奏

Music-SketchNet 是一个基于 ISMIR 2020 论文的开源项目，旨在通过分解音高和节奏的表征来实现可控的音乐生成。它解决的核心问题是传统音乐生成模型难以对生成结果进行精细控制，用户无法指定旋律轮廓或节奏模式。该项目提出了一种因子化表示方法，将音乐分解为独立的音高和节奏维度，并允许用户通过提供粗略的音乐草图（如音高轮廓或节奏模板）来引导生成过程。其核心能力包括：支持用户自定义音乐草图的输入，模型能根据草图生成符合风格的音乐片段；通过分离音高和节奏的表征，提高了生成音乐的可解释性和可控性；提供了训练和生成音乐的代码，以及预训练模型和示例。项目主要面向音乐信息检索和生成领域的研究者，以及希望探索可控音乐创作的开发者。

开源 free 音频音乐

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 84

维护状态低维护

是否开源是

定价模式 free

项目数据

分类音频音乐

开发团队RetroCirce

所属国家

官网地址

GitHubhttps://github.com/RetroCirce/Music-SketchNet

定价模式free

价格说明开源项目，基于CC0-1.0许可证，完全免费，无付费版本。

访问状态

是否开源是

开源协议CC0-1.0

主要语言Jupyter Notebook

技术栈/模型deep-learning,ismir,jupyter-notebook,music,music-generation,music-information-retrieval,python,variational-autoencoder

GitHub 星标★ 84

30天Star增速

HF 下载量

上线时间2020-07-24 00:00:00

最近更新2026-07-24 00:00:00

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5

使用教程

核心亮点

创新性地分解音高与节奏表征，实现独立控制，优于端到端生成
支持用户输入粗略草图（如音高轮廓），生成符合预期的音乐片段
基于 ISMIR 2020 论文，方法经过学术验证，代码完整可复现

不足之处

项目为研究原型，未提供易用的 API 或交互界面，上手门槛较高
依赖特定数据集和预训练模型，扩展至其他音乐风格需重新训练

适用场景

研究者探索可控音乐生成算法，复现论文实验
音乐创作者快速生成旋律草图的变体或完整编曲
教育场景中演示音高与节奏的分离对生成结果的影响

替代项目

MusicVAE、MuseNet、Magenta

项目介绍

Music-SketchNet 是音频音乐领域的开源项目，由 RetroCirce 开发，2020 年首次发布。

它收录于音频音乐分类，该分类目前共有 738 个项目，GitHub 星标数为 84。

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 2026-07-24。基于CC0-1.0许可证，完全免费，无付费版本。

它主要面向的使用场景是：研究者探索可控音乐生成算法，复现论文实验。同类可对比的替代方案包括 MusicVAE、MuseNet、Magenta。

上一篇：ismir2019tutorial

下一篇：lofi-generator