AI+音樂(lè)：揭秘音樂(lè)人工智能3秒作曲

2022-03-03 17:49

隨著智能技術(shù)的加速和廣泛應(yīng)用，越來(lái)越多的人意識(shí)到人工智能不再是一種純粹的技術(shù)手段，而是教育整體變化的內(nèi)生變量和重要?jiǎng)恿Α?/p>

各種政策的出臺(tái)，不難看出國(guó)家在促進(jìn)人工智能和教育深度融合以及推動(dòng)教育變革創(chuàng)新方面的努力和決心。

在傳統(tǒng)意義上，機(jī)器的優(yōu)勢(shì)在于能夠幫助人類(lèi)完成機(jī)械而重復(fù)性的勞動(dòng)，對(duì)于創(chuàng)造性的工作則參與較少。但隨著人工智能技術(shù)的發(fā)展，它正逐漸應(yīng)用于音樂(lè)的創(chuàng)作、制作、分析和教育等領(lǐng)域。那么，在音樂(lè)上人工智能如何發(fā)揮？

利用AI作曲是音樂(lè)人工智能的方向之一

利用AI 作曲或者輔助作曲變成關(guān)注度最高的應(yīng)用方向之一，很多疑問(wèn)也就此產(chǎn)生。如AI 作曲技術(shù)能否在一定程度上代替人類(lèi)作曲家？其創(chuàng)作出來(lái)的作品是否有“感情”？AI 作曲技術(shù)會(huì)如何影響傳統(tǒng)作曲的思維？

在人工智能于各行業(yè)應(yīng)用的實(shí)際過(guò)程中，機(jī)器學(xué)習(xí)可以說(shuō)是AI 最重要的子集之一，它深刻影響著AI 中的其他領(lǐng)域。用AI 技術(shù)自動(dòng)作曲并不是一個(gè)新的課題，相關(guān)的研究很多年前就已經(jīng)開(kāi)始，但是一直受技術(shù)所限。

人工智能作曲的主要原理同下圍棋的原理類(lèi)似，主要運(yùn)用遺傳算法、神經(jīng)網(wǎng)絡(luò)、馬爾可夫鏈和混合型算法等，利用音樂(lè)規(guī)律給計(jì)算機(jī)制定規(guī)則、建立海量數(shù)據(jù)庫(kù)，繼而進(jìn)行深度學(xué)習(xí)，分析作曲規(guī)則、結(jié)構(gòu)等各項(xiàng)信息，然后重新生成音樂(lè)。

目前，有多家國(guó)內(nèi)外機(jī)構(gòu)和公司開(kāi)始了該領(lǐng)域的研究。傳統(tǒng)的方案是完全建立在用規(guī)則構(gòu)建智能系統(tǒng)的基礎(chǔ)上而新的方案是更多地使用神經(jīng)網(wǎng)絡(luò)的方式，即使用“學(xué)習(xí)”的方式來(lái)實(shí)現(xiàn)。（神經(jīng)網(wǎng)絡(luò)：它的基本特點(diǎn)是模仿人類(lèi)大腦的神經(jīng)元之間的信息傳遞和模式）

音樂(lè)“鬼才”小冰

人工智能少女“小冰”一位來(lái)自上海音樂(lè)學(xué)院的畢業(yè)生。

AI+音樂(lè)：揭秘音樂(lè)人工智能3秒作曲

圖：《智聯(lián)家園》MV截圖

“音樂(lè)是流媒體，對(duì)作品的流暢度要求很高。此前“小冰”在音樂(lè)創(chuàng)作中的能力主要是內(nèi)容的生成，比如演唱，這一次小冰學(xué)習(xí)的作詞、作曲和編曲其實(shí)更難。”前微軟(亞洲)互聯(lián)網(wǎng)工程院副院長(zhǎng)、現(xiàn)任小冰公司首席執(zhí)行官李笛說(shuō)。

如何讓人工智能學(xué)會(huì)音樂(lè)創(chuàng)作呢？

首先，基于“小冰”已有的音樂(lè)創(chuàng)作模型，團(tuán)隊(duì)把端口給到上海音樂(lè)學(xué)院的老師，讓老師去聽(tīng)小冰創(chuàng)作的海量音樂(lè)作品，并給出系統(tǒng)性的點(diǎn)評(píng)。

其次，老師也教會(huì)團(tuán)隊(duì)程序員基本的樂(lè)理知識(shí)，包括編曲技巧等，用于優(yōu)化“小冰”的創(chuàng)作模型。

最后，“小冰”不斷學(xué)習(xí)，不斷交作業(yè)，老師不斷給反饋。無(wú)論“模型”“作業(yè)”還是“反饋”，都是一個(gè)不斷迭代的過(guò)程，如此循環(huán)往復(fù)……

當(dāng)“小冰”達(dá)到和人類(lèi)同學(xué)相似的水平，且趨于穩(wěn)定，她就畢業(yè)了。

像人的學(xué)習(xí)一樣，人工智能也是通過(guò)語(yǔ)料庫(kù)學(xué)習(xí)海量的內(nèi)容，然后“創(chuàng)作”新的作品。普通學(xué)生學(xué)習(xí)一首曲子需要至少一周時(shí)間，但是在“小冰”的學(xué)習(xí)中，創(chuàng)作只需要3秒鐘。

但是在作品的評(píng)價(jià)標(biāo)準(zhǔn)上，“小冰”的作品是達(dá)到一個(gè)怎樣的水平？實(shí)際上，音樂(lè)的魅力在于創(chuàng)作家的“二度創(chuàng)作”，即“感情”。

“一首鋼琴曲，十個(gè)演奏家彈出來(lái)是十種完全不同的感受，這里面就有演奏家的二度創(chuàng)作。這種感受的不同是機(jī)器取代不了的。”作曲家于陽(yáng)說(shuō)。

因此，在感情表達(dá)方面，人工智能音樂(lè)目前還達(dá)不到最高標(biāo)準(zhǔn)。

AI技術(shù)能影響音樂(lè)制作的流程

2017年Spotify全球音樂(lè)榜排名第二的歌曲是由IBM的Waston Beat人工智能系統(tǒng)參與創(chuàng)作的Not Easy，整個(gè)制作過(guò)程從多個(gè)方面應(yīng)用了相關(guān)的技術(shù)來(lái)輔助完成。

該系統(tǒng)能夠在聽(tīng)到大于等于20秒的音樂(lè)后，基于原始的采樣生成一段新的旋律或相關(guān)的聲音和節(jié)奏。整個(gè)制作流程中，Watson 首先對(duì)近5年熱門(mén)的新聞、文化等音樂(lè)相關(guān)的數(shù)據(jù)進(jìn)行分析、提煉，將音樂(lè)創(chuàng)作的核心詞定為“心碎”。

其次，在具體歌詞的創(chuàng)作階段，Waston 分析了5年來(lái)近26000首歌曲的歌詞，提取了博客、推特等社交媒體中的大量信息，分析大眾對(duì)“心碎”這個(gè)詞的反應(yīng)，輔助人類(lèi)創(chuàng)作歌詞。

再次，Watson分析了這些歌曲的風(fēng)格、樂(lè)器、音高、節(jié)奏等相關(guān)特性，然后建立模型給人類(lèi)作曲家提供參考。最后，Waston 進(jìn)行專(zhuān)輯封面的設(shè)計(jì)。

實(shí)際上，AI 技術(shù)用于音樂(lè)的識(shí)別效果更好，因?yàn)閃aston每秒鐘閱讀網(wǎng)頁(yè)的速度是700000頁(yè)。這個(gè)實(shí)例證明了目前AI 技術(shù)能夠在各個(gè)方面影響音樂(lè)制作的流程。