---
title: "NotaGen – 中央音乐学院联合北航、清华等推出的音乐生成模型"
url: "https://paooo.com/aigc-news/21327/"
author: "Prompt 语宙研究院"
published_at: "2026-06-08T14:49:50+08:00"
updated_at: "2026-06-08T14:49:50+08:00"
categories: "AIGC 资讯"
tags: "AI音频与语音, HuggingFace, 大模型微调, 开源大模型"
source: "Prompt 语宙 (https://paooo.com)"
ai_tools_directory: "语宙 AI 导航 (https://ai.paooo.com)"
---

# NotaGen – 中央音乐学院联合北航、清华等推出的音乐生成模型

> 来源：[Prompt 语宙 (paooo.com)](https://paooo.com/aigc-news/21327/) · 作者：Prompt 语宙研究院 · 发布时间：2026-06-08

## AI 30 秒核心看点 (TL;DR)

- 三阶段训练结合 160 万+乐曲预训练、9000 首高质量古典微调，显著提升生成质量。
- 引入 CLaMP-DPO，用 CLaMP² 反馈替代人工标注，增强音乐性与可控性。
- 支持按时期、作曲家、乐器条件生成，适合创作、教学、配乐与演出。

## NotaGen是什么

NotaGen 是中央音乐学院、北京航空航天大学、清华大学等机构推出的[音乐生成](https://ai-bot.cn/best-ai-music-generators/)模型，基于模仿大型语言模型（LLM）的训练范式生成高质量的古典乐谱。NotaGen 基于预训练、微调和强化学习相结合的方法，预训练阶段用超过160万首乐曲，微调阶段基于约9000首高质量古典作品，基于“时期-作曲家-乐器”提示进行条件生成。在强化学习阶段，NotaGen 引入 CLaMP-DPO 方法，对比学习模型 CLaMP² 为生成的音乐提供反馈，优化音乐性与可控性，无需人工标注或预定义奖励。NotaGen 在主观 A/B 测试中优于基线模型，接近人类作品的音乐美感，显著提升符号音乐生成的艺术性。

## NotaGen的主要功能

- **生成高质量古典乐谱**：根据用户指定的时期（如巴洛克、古典、浪漫）、作曲家（如巴赫、莫扎特、肖邦）和乐器（如键盘、弦乐四重奏、管弦乐）生成符合特定风格的乐谱。

- **提升音乐性**：基于预训练、微调和强化学习相结合的方式，生成具有高度音乐性（如旋律优美、和声流畅、结构连贯）的作品。

- **可控性生成**：用户用“时期-作曲家-乐器”等条件提示，控制生成音乐的风格和特点。

- **支持多种模型规模**：提供不同参数规模的模型（如 NotaGen-small、NotaGen-medium 和 NotaGen-large），适应不同的硬件和应用场景。

## NotaGen的技术原理

- **预训练**：在超过160万首乐曲上进行预训练，涵盖多种风格和乐器。基于大规模数据学习音乐的基本结构和模式，类似于语言模型中的“语言理解”阶段。用符号音乐表示（如 ABC 符号）进行编码，预测下一个符号的任务进行训练。

- **微调**：在约9000首高质量古典作品上进行微调，针对特定风格（如巴洛克、古典、浪漫）和作曲家进行优化，生成符合特定风格的音乐。用“时期-作曲家-乐器”提示进行条件生成，增强模型对特定风格的理解和生成能力。

- **强化学习**：基于 CLaMP-DPO（Contrastive Language-Music Pretraining with Direct Preference Optimization）方法，对比学习模型 CLaMP² 提供反馈，优化生成音乐的质量和一致性，无需人工标注或预定义奖励。生成的音乐样本根据 CLaMP² 的评分被分为“选择”和“拒绝”两类，基于 DPO 算法优化模型，提升生成音乐的音乐性和可控性。

- **符号音乐表示**：用 ABC 符号表示乐谱，简化编码和生成过程，支持多声部音乐的生成。基于去除全休止符、添加小节索引等方法优化数据，提升生成效率和质量。

- **模型架构**：基于层次化的 Transformer 解码器，包括 patch-level decoder 和 character-level decoder，分别处理音乐片段和符号生成。结合 CLaMP² 提供的多模态反馈，优化生成音乐的全局特征（如风格、和声、结构）。

## NotaGen的项目地址

- **项目官网**：[https://electricalexis.github.io/notagen](https://electricalexis.github.io/notagen-demo/?utm_source=ai-bot.cn)

- **GitHub仓库**：[https://github.com/ElectricAlexis/NotaGen](https://github.com/ElectricAlexis/NotaGen)

- **HuggingFace模型库**：[https://huggingface.co/ElectricAlexis/NotaGen](https://huggingface.co/ElectricAlexis/NotaGen)

- **arXiv技术论文**：[https://arxiv.org/pdf/2502.18008](https://arxiv.org/pdf/2502.18008)

## NotaGen的应用场景

- **音乐创作辅助**：为作曲家提供灵感，快速生成符合特定风格的乐谱草稿，节省创作时间。

- **音乐教育**：帮助学生理解不同音乐时期的风格特点，生成教学用乐谱。

- **音乐制作**：为影视、游戏等快速生成背景音乐或配乐，提升制作效率。

- **音乐表演**：生成高质量乐谱，供乐团、合唱团等排练或演出使用。

- **音乐娱乐**：基于互动式演示，让用户实时生成音乐，体验创作乐趣。

## 常见问题解答 (FAQ)

### NotaGen是什么模型？
NotaGen 是中央音乐学院、北航、清华等机构推出的音乐生成模型，面向古典符号音乐生成。它借鉴大语言模型训练范式，通过预训练、微调和强化学习，生成更高质量、可控的乐谱。

### NotaGen如何提升音乐性和可控性？
它先用超过160万首乐曲做预训练，再用约9000首高质量古典作品微调，并通过“时期-作曲家-乐器”提示进行条件生成；强化学习阶段采用 CLaMP-DPO，让 CLaMP² 提供反馈优化结果。

### NotaGen适合哪些应用场景？
适合音乐创作辅助、音乐教育、影视游戏配乐、音乐表演和互动娱乐等场景。它能快速生成符合特定风格的古典乐谱草稿，帮助提升创作效率与风格一致性。

---
探索 2,800+ 全球实用 AI 工具与官方直达入口：[语宙 AI 导航 (https://ai.paooo.com/)](https://ai.paooo.com/)
