General Introduction
MuseGAN是一个基于生成对抗网络（GAN）的音乐生成项目，旨在生成多轨（多种乐器）音乐。该项目能够从零开始生成音乐，或根据用户提供的轨道进行伴奏。MuseGAN使用Lakh Pianoroll Dataset进行训练，生成包含贝斯、鼓、吉他、钢琴和弦乐的流行歌曲片段。最新的实现基于3D卷积层的网络架构，具有较小的网络规模，但控制能力有所降低。MuseGAN提供了多种脚本，方便用户管理实验、训练新模型、使用预训练模型进行推理和插值等操作。
Function List
- 生成多轨音乐：从零开始生成包含多种乐器的音乐片段。
- 伴奏生成：根据用户提供的轨道生成伴奏。
- 训练新模型：提供脚本和配置文件，方便用户训练自己的音乐生成模型。
- 使用预训练模型：下载并使用预训练模型进行音乐生成。
- 数据处理：下载和处理训练数据，支持Lakh Pianoroll Dataset。
- 实验管理：提供多种脚本，方便用户设置和管理实验。
- 输出格式：生成的音乐可以以numpy数组、图像文件和多轨pianoroll文件格式保存。
Using Help
Installation process
- 确保已安装pipenv（推荐）或pip。
- 使用pipenv安装依赖：
bash
pipenv install
pipenv shell
或使用pip安装依赖：
bash
pip install -r requirements.txt
### 数据准备
1. 下载训练数据：
bash
./scripts/download_data.sh
2. 处理训练数据：
bash
./scripts/process_data.sh
### 训练新模型
1. 设置新实验：
bash
./scripts/setupexp.sh "./exp/myexperiment/" "实验备注"
2. 修改配置文件和模型参数文件以设置实验参数。
3. 训练模型：
bash
./scripts/runtrain.sh "./exp/myexperiment/" "0"
或运行完整实验（训练+推理+插值）：
bash
./scripts/runexp.sh "./exp/myexperiment/" "0"
### 使用预训练模型
1. 下载预训练模型：
bash
./scripts/download_models.sh
2. 使用预训练模型进行推理：
bash
./scripts/run_inference.sh "./exp/default/" "0"
或进行插值：
bash
./scripts/run_interpolation.sh "./exp/default/" "0"
### 输出管理
生成的音乐样本默认会在训练过程中生成，可以通过设置配置文件中的`save_samples_steps`为0来禁用此行为。生成的音乐样本会以以下三种格式保存：
- `.npy`：原始numpy数组
- `.png`：图像文件
- `.npz`：多轨pianoroll文件，可通过Pypianoroll包加载
可以通过设置配置文件中的`save_array_samples`、`save_image_samples`和`save_pianoroll_samples`为False来禁用特定格式的保存。生成的pianoroll文件以`.npz`格式保存，以节省空间和处理时间。可以使用以下代码将其写入MIDI文件：
python
from pypianoroll import Multitrack
m = Multitrack('./test.npz')
m.write('./test.mid')
示例结果
一些示例结果可以在./exp/目录中找到。更多示例可以从以下链接下载：
- sample_results.tar.gz（54.7 MB）：推理和插值结果示例
- training_samples.tar.gz（18.7 MB）：不同步骤生成的结果示例
