本文介绍了一种名为Stochastic Control Guidance (SCG)的新型引导方法，用于符号音乐生成中的非可微分规则引导问题。该方法与预训练的扩散模型结合使用，实现了对非可微分规则的无训练引导。同时，引入了具有高时间分辨率的潜在扩散架构，与SCG相结合。该框架在音乐质量和基于规则的控制性能方面表现出明显的进步，优于当前各种场景下的最先进生成器。

本研究提出了DreamSparse框架，利用预训练的扩散模型合成高质量图像。通过几何模块抓取3D特征，转化为空间信息指导生成过程，并改进2D扩散模型以保证生成几何一致。实验证明该方法有效。