最近，深度学习方法已经能够以数据驱动的方式转换音乐材料。本文的重点是一系列任务，我们称之为（一次性）音乐风格转移，目标是将一首音乐作品或片段的风格转移到另一首上。在这项工作的第一部分中，我们着重于符号音乐伴奏风格转换的监督方法，旨在通过以另一首乐曲的风格为其生成新的伴奏来转换给定乐曲。我们开发的方法基于使用递归神经网络（RNN）的监督序列到序列学习，并利用使用现有伴奏生成软件为此目的生成的合成并行（成对对齐）数据集。我们提出了一组客观指标来评估这项新任务的性能，并且我们表明，该系统在遵循输入的谐波结构的同时，成功地生成了所需风格的伴奏。在第二部分中，我们研究了一个更基本的问题：位置编码（PE）在使用变形金刚生成音乐中的作用。特别是，我们提出了随机位置编码（SPE），这是一种捕获相对位置的PE的新形式，同时与最近提出的高效变压器系列兼容。我们证明，与常用的绝对PE相比，SPE允许更好地推断训练序列长度以外的内容。最后，在第三部分中，我们从象征性音乐转向音频，并解决音色转换问题。具体来说，我们感兴趣的是将单个乐器的录音音色转移到另一个这样的录音上，同时保留后者的音高内容。我们提出了一种新的方法来完成这项任务，该方法基于矢量量化变分自动编码器（VQ-VAE）的扩展，以及一种简单的自监督学习策略，旨在获得音色和音高的分离表示。与第一部分一样，我们为任务设计了一组客观指标。我们表明，所提出的方法能够优于现有的方法。
Récement，les methodes d’applicantissage profond ont permis d’effectuer des transformations duériel music basées sur les données（数据驱动）。L'objet de cette these est le transfer de style music，don le but est de transferérer de manière automatique le style d'un morceauáun autre。丹麦人是一个饱受磨难的人，是一个以精神为中心的人，也是一个监督人，是伴随着丹麦人的代表符号，是一位新的伴随着摩梭人的变形金刚（visantátransformer un morceau donéen lui générant un vel）。该方法提出了一种新的评估方法，即评估评估监督法，用于评估评估评估结果对评估评估结果的影响，以及评估评估结果与评估评估结果之间的关系。努斯提案人是一个非综合测量目标的评估师，他是一名性能评估师，在新塔什和蒙大隆的音乐系统中，他是伴奏丹斯风格的souhaitétout en suivant la structure harmonque de l'entre e e e e。丹麦人的德意志党，理性的观点，问题加基础：包括立场（PE），丹麦人的音乐，以及变形金刚。Nous proposions l’encodage positionnel stochastique（SPE），无新PE功能的位置相关译码器和兼容的等效类替代方案，有效地降低了变压器的成本。Nous démontrons que le SPE permet、mieux que la méthode conventionnelle（le PE absolu）、de modéliser desésequences和longues que celles rencontrées pendle l’entra怳nement。Enfin、dans la troisième partie、nous passons de la musique symboliqueál'audio等都存在音色转换问题。再加上公共关系，理性的内部关系，即音色的转换，以及公共关系的仆人，即音乐的和谐。新方法、自动编码器变量量化基础扩展（VQ-VAE）、自适应信息自动获取工具（auto-superviséconçue pour obtenir des représentations dém ies du tem re et de la hauteur）。这是一场不折不扣的盛会，这是一种理性的关怀。努斯·蒙特龙提出了最有能力超越现有方法的建议。
