Windows 11でピアノMIDI生成をローカル実行

Ariaが従来のピアノ生成研究と一線を画すのはデータ規模だ。EleutherAIは約6万時間のフィルタリング済みソロピアノ録音をMIDI化して学習させた。MAESTROの約200時間、GiantMIDI-Pianoの約1,237時間と比べても大きい（データセットとモデル学習データの比較であり条件は同一ではない）。実演奏に由来するデータのため、実際の演奏に根ざしたタイミングや強弱を学べる。筆者によるとAriaは入力品質に敏感で、ゼロから作曲するのではなく既存MIDIの続きを生成するよう設計されており、RLHF方式の指示チューニングがないため「明るく」「ソナタ形式で」といったテキスト指示は効かない。このガイドの実用的な意義はアクセスのしやすさにある。従来の公開手順はLinux中心だったが、本記事はコンシューマー向けGPUを積んだWindows 11向けにモデルをまとめた。fp16でモデルを読み込み8GBのVRAMに収めるスクリプトを使い、入力MIDIと生成バリエーション数を選べる。Aria以前のTensorFlowベースのMusic Transformer系より手軽にローカル実験へ取り組める道を示す。