本研究提出了SongGLM系统，解决了歌词与旋律生成中的对齐和和谐建模不足，通过统一符号表示和多任务预训练框架，显著提升了旋律生成效果。

该研究提出了MelodyGLM，一个多任务预训练框架，能够生成具有长期结构的旋律。通过使用melodic n-gram和长跨度抽样策略，构建了一个包含40万旋律片段的数据集。评估结果表明，MelodyGLM在旋律质量上显著优于传统方法，接近人类创作水平。

研究提出了MelodyGLM，一个多任务预训练框架，用于生成具有长期结构的旋律。通过melodic n-gram和长跨度抽样策略，模型能够有效建模旋律的局部和全局结构。研究使用40万旋律片段的数据集进行预训练和n-gram词典构建。评估结果显示，MelodyGLM在旋律连续性、节奏性、结构性和整体质量方面优于以往方法，接近人类创作水平。