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。

本研究提出了一种歌词生成框架，解决了音节控制的挑战，支持在词、短语、行和段落层面进行管理，从而提高歌词生成的自然性和准确性。

本文探讨了中文歌词生成模型的研究进展，包括基于分层注意力的Seq2Seq模型、多通道模型以及可控歌词生成系统SongRewriter。这些模型通过大规模语料库训练，提高了歌词的主题相关性、一致性和韵律质量，展示了创新方法和有效性。

该论文提出了一种基于机器学习的歌词生成方法，利用Transformer模型生成有韵律的新歌词，超越人类说唱歌手的表现。研究还探讨了多语言环境下的歌词生成，并提出了新的评估标准和微调方法，以提升内容和韵律质量。

本文介绍了多种基于机器学习的诗歌和歌词生成模型，包括无监督诗歌生成、基于Transformer的说唱生成系统DeepRapper和可控中文歌词生成系统SongRewriter。这些模型通过不同技术手段提升了生成内容的韵律、创造力和质量，实验结果表明其生成作品的质量与人类创作相当。

该文综述歌词与旋律生成研究：早期采用序列到序列模型结合语言与旋律创作曲调；ChatMusician基于LLaMA2实现音乐理解与生成；汉语歌词生成需考虑音节与语义；SongMASS通过掩蔽预训练提升生成质量；SongRewriter支持可控生成与编辑；分层框架无需对齐数据即可生成可唱歌词。此外还介绍了InternLM-XComposer图文组合模型及大模型生成中文歌词的探索。