随着深度学习在音乐与计算机技术领域的广泛应用,音乐自动生成研究作为艺术与科技的结合逐渐成为研究热点,它利用神经网络学习音乐样本中的音乐特征与风格,生成符合乐理规则的新音乐。该任务可以不依赖专业音乐人,快速高效的定制音乐,生成的可以用于抖音、快手等平台短视频的背景音乐,游戏场景音效、音乐治疗等众多场景。本文针对流行音乐的两类音乐进行生成:多轨道音乐生成和吉他和弦生成,主要研究内容如下:（1）在多轨道音乐生成中,利用序列模型生成的钢琴音乐约束多轨道音乐的生成。针对现有多轨道音乐生成模型生成旋律不够悦耳、轨道间不够协和的问题,提出了一种Transformer XL-Span BERT序列条件的多轨道音乐生成模型。模型为生成对抗网络结构,由于生成的音乐有多个音轨,因此,首先以Transformer XL为生成器,Span BERT为鉴别器生成钢琴轨道音乐,其余音轨每个音轨有1个生成器,而多个音轨协同的效果由同一个鉴别器评判,所以,生成器有多个,而鉴别器有1个。首先,以钢琴轨道音乐为输入,让各音轨生成器生成各自的音乐;然后,使用共同的鉴别器进行评判,评判每个音轨所生成的音乐质量和音轨之间的协和性;最后,利用全局注意力机制对音乐特征进行关注,保证音乐的总体效果。使用音乐的客观评价指标和听众主观的评分对模型进行验证,与Transformer-GAN模型和Muse GAN多轨道顺序符号音乐进行对比,结果表明,所提模型所生成的音乐具有各音轨更协和,音乐的旋律、节奏以及连贯性更好的优点。（2）在吉他和弦生成中,利用和弦结构和曲式结构搭建网络模型。针对现有和弦自动生成网络没有考虑和弦结构与流行音乐的曲式结构问题,提出了一种双层双向Transformer吉他和弦自动生成模型。模型包括和弦走向生成与和弦结构生成两个模块。和弦走向生成模块由两层双向Transformer结构组成,分别生成主歌与副歌和弦走向,其中,用于生成主歌和弦的网络中添加了自注意力机制层,用于关注主歌与副歌连接处的和弦;和弦结构生成模块被分解为和弦着色与和弦发声两个模块,分别由多头注意力机制网络进行学习与生成。为了能够表示出所有和弦及和弦结构,使用钢琴卷帘数组的形式表示和弦数据。模型生成效果由音乐人问卷评分与作品分析两种方式进行评判,结果表明,所提模型能够学习到主副歌和弦进行与和弦结构,可应用于实际和弦编曲中。