HymnArranger：用神经网络自动生成巴扬手风琴风格的圣诗歌曲编曲

一个基于Transformer的机器学习项目，能够将简单的圣歌旋律自动转换为完整的巴扬手风琴编曲，包含和声、左手伴奏和乐器特有的织体结构。

• 原作者/维护者: Andrii (AndyGrigs)
• 来源平台: GitHub
• 原项目名: HymnArranger
• 原始链接: https://github.com/AndyGrigs/HymnArranger
• 发布时间: 2026年5月29日

---

在音乐与人工智能交叉的领域，自动音乐生成一直是一个充满挑战的课题。传统的音乐编曲需要深厚的乐理知识和丰富的实践经验，尤其对于像巴扬手风琴（俄罗斯纽扣手风琴）这样具有独特演奏技法和音色特征的乐器，编曲工作更是专业且耗时。

HymnArranger项目应运而生，它利用机器学习技术，特别是基于Transformer的神经网络架构，实现了将简单的圣歌旋律自动转换为完整巴扬手风琴编曲的功能。这不仅为教会音乐人提供了快速制作礼拜伴奏的工具，也为机器学习开发者展示了如何将Transformer模型应用于符号音乐生成的实际案例。

---

项目采用Hugging Face Transformers库，基于GPT-2架构进行微调。选择GPT-2的原因在于其强大的序列建模能力，能够很好地捕捉音乐中的时序依赖关系。音乐本质上是一种时间序列数据，每个音符的出现都与前后的音符密切相关，这与自然语言处理中的上下文依赖有异曲同工之妙。

项目的核心在于符号音乐数据的处理。与音频生成不同，HymnArranger工作在符号层面，使用MusicXML和MIDI格式作为数据载体。这种选择带来了几个显著优势：

1. 可解释性强：符号音乐可以直接转换为乐谱，便于音乐人理解和修改
2. 数据量小：相比音频波形，符号音乐文件体积小，训练效率高
3. 编辑友好：生成的结果可以导入专业打谱软件进行后期调整

数据处理流程包括三个主要脚本：

• prepare_dataset.py：负责数据转换和预处理，将原始音乐文件转换为模型可接受的格式
• extract_melody.py：从完整编曲中提取旋律线，作为模型的输入数据
• convert_to_xml.py：实现MIDI与MusicXML格式之间的相互转换

项目充分利用Google Colab提供的免费T4 GPU资源进行模型训练，降低了硬件门槛。训练完成后，用户可以通过简单的API调用实现自动编曲：

from hymn_arranger import HymnArranger

arranger = HymnArranger.load("model/")
arranger.arrange("my_melody.xml", output="arrangement.xml", style="bayan")

---

与其他键盘乐器相比，巴扬手风琴有着独特的演奏特点，这给自动编曲带来了额外的复杂性：

巴扬手风琴采用双手同时演奏的设计：

• 右手键盘：负责演奏旋律声部，采用纽扣式布局，音程关系与钢琴不同
• 左手贝司和弦：提供和声支撑和节奏基础，包括单音贝司、大三和弦、小三和弦、属七和弦等