随着信息化和数字化时代的到来,互联网中涌现出了海量的音乐资源。音乐标签作为一种音乐的结构化信息组织方式,也随之受到越来越多的研究和关注。音乐标注作为一种丰富音乐信息的方式,它可以通过生成标签来描述音乐的语义内容,并且能够有效地组织音乐资源,实现快速检索、高效管理以及个性化推荐等功能。目前,人工标注和社会化标注仍旧是工业界常用的音乐标注方法,而这些方法不仅面临成本问题且标注结果的质量参差不齐。因此,提高音乐自动标注系统的性能是当下急需解决的问题。在此背景下,本文提出了基于生成对抗网络的音乐标签自动标注。本文针对音乐的音频特征,对常用的Mel频率倒谱系数进行了改进,为了更好地模拟人耳特性,引入了伽马啁啾滤波倒谱系数(Gamma-chirp Filter Cepstral Coefficient,GCFCC)。为了获得音乐标签的主题类别,采用了LDA主题模型对音乐标签进行聚类。为了实现更好的音乐标签自动标注效果,本文采用了生成对抗网络的衍生模型InfoGAN,由此找到音乐的音频特征与语义特征之间的映射关系。在实验中,本文使用了准确率、召回率以及F1-measure对得到的实验结果进行了评价。本文对Mel频率倒谱系数和伽马啁啾滤波倒谱系数分别作为音频特征参数得到的实验结果进行了对比分析,同时与其他标注模型的实验结果作了比较分析。最终的实验结果表明,本文引入的基于改进Mel特征表示和InfoGAN模型有效地提升了标注系统的预测效果。