格莱美幕后:人工智能和正在被悄然改变的音乐产业

简介:
本文来自AI新媒体量子位(QbitAI)

Hello, it’s me

“向我们缓步走来的,是一位…呃…机器艺人”

这不是未来的场景,而是两天之前。一位通体土豪金的“机器人”,在哈雷车队的护送下,走上第59届格莱美颁奖典礼的红毯。当然这不是真的机器艺人,而是《美国好声音》导师Cee-Lo Green。(后来没得奖的他提前离场了)

扮成一位机器艺人,让Cee-Lo在格莱美红毯上分外抢镜,当然也在Twitter上招来无情的嘲讽。但机器人现身格莱美,能说明人工智能的热潮,已经开始席卷音乐界了么?

有点牵强啦少年,氮素——格莱美和人工智能的关系,远远没有这么肤浅。

又见库兹韦尔

雷蒙德-库兹韦尔,奇点大学校长,被比尔-盖茨称为“预测人工智能最准的未来学家”。库兹韦尔现任Google工程总监,负责机器学习与语言处理的研发。

2015年2月8日,第57届格莱美技术奖授予库兹韦尔。

是同一个库兹韦尔。获奖原因,是库兹韦尔创造了音乐圈最牛的合成器——K250。原本这个技术是用于语音合成(也是一种AI技术),帮助盲人进行阅读。直到有一天盲人歌手Stevie Wonder问库兹韦尔:这能不能用在音乐上?

K250是当时第一个成功模拟三角钢琴复杂音色的合成器。后来除了Wonder,Pink Floyd、Billy Joel、Elton John等著名歌手也常常在演出中使用K250。

 库兹韦尔和Wonder(80年代老照片)

两年后AI的故事继续。英国音乐制作人Alexa Da Kid,在人工智能的帮助下,创作出一首流行歌曲,斩获今年格莱美的提名。

Alexa Da Kid,使用IBM沃森认知计算平台,分析了最近五年Billboard上榜歌曲的情况,以及这些歌曲产生的文化影响,例如新闻报道、电影创作和社交媒体讨论等。

这个方法被用来理解某个时期的“情感温度”,并用来启发Alex的创作过程。

到底人工智能对数据的洞察,对这位音乐人做出了何种贡献?“沃森搜集了数百万的对话、新闻头条和演讲”,Alexa说,“所有这些都告诉我,作为人类我们的情感到底有多不稳定,特别是过去五年”。

(安妮喂,量子位理解不了艺术家)

在确定了总体的主题后,Alex继续借助于沃森BEAT进行创作。BEAT是沃森认知系统里机器学习驱动音乐生成算法,Alex用这套AI产生各种不同的音乐元素,这些元素一点一点的启发他下一个小节应该被谱写成什么样子。

在人工智能的帮助下,Alexa选择“心碎”作为他单曲《Not Easy》的主题。这首单曲发布后不久,就在iTunes热门排行榜上冲到第四。


 请欣赏《Not Easy》

AI改变艺术创作

所以,除了写诗和写小说,人工智能还能被获格莱美提名的制作人用来创作音乐。但这不是AI第一次在音乐创作中发挥作用。

去年10月索尼旗下CSL的一个研究团队,发布了一首人工智能创作的流行歌曲:《爸爸的车》,颇有一种披头士风格的感觉。

研究人员使用Flow Machine软件创作是一个lead sheet。所谓的lead sheet也被翻译为领谱,主要用来定义前几小节的旋律和全曲的和弦走势。此后研究人员和音乐人Benoît Carré合作,完成填词和整首歌曲的的完整制作。

这套系统分析了13万首来自全球各地的歌曲,然后从中挑选符合lead sheet风格的片段,然后组合在一起。AI得到的数据库越大,越能匹配到人类喜欢的音乐旋律。

“最难的部分是高级的结构,或者说方向感”,索尼CSL总监François Pachet说目前这套系统还有些地方做的不好,那就是在不同的音乐片段间建立长期关联的能力。另外,索尼这套系统确实不能写歌词,不是说AI不能写,而是Flow Machine不行。


 请欣赏《爸爸的车》

“读博期间我研究了一下音乐”,加州圣何塞州立大学的Margareta Ackerman,后来在Orbitwerks公司发明了一套称为ALYSIA的系统,这套人工智能系统可以处理英文短句,并把文字与音符关联在一起。

ALYSIA可以用这种方式写完一整首歌,或者为每一小节提供各种各样的选择,像是艺术家的一个共同创作者。这套人工智能系统包括两个模型,一个专注于节奏,一个专注于旋律。整个系统使用了24首流行歌曲进行训练。

利用人工智能创作音乐已经不是新鲜事,加州大学圣克鲁兹分校的David Cope表示,ALYSIA令他印象深刻,但是创作出来的旋律缺乏和谐。伦敦大学的机器学习和音乐研究院Rebecca Fiebrink也表示,这个系统还不能很好地理解音乐人的创作意图。

ALYSIA创作的歌曲肯定得不到格莱美的垂青,不过Ackerman说目前只是早期阶段,她正在古典作曲家的帮助下,继续改进这套系统。“我们想要创造一个能够创作旋律、歌词,甚至可以唱歌的人工智能”,她说。

可能,未来格莱美会有一个新的奖项:“最佳AI歌曲,goes to ...”

商用早已开始

先憋说话,来听听下面这首曲子。

这段柔和的钢琴曲,旋律很简单,忧伤得露骨,它的创作者是一个人工智能。用人工智能作曲的创业公司越来越多,Jukedeck正是其中一家。他们的借助神经网络等技术,让机器有了像小孩一样边做边学的能力。

Jukedeck的人工神经网络以成百上千的乐谱作为输入,然后分析这些乐谱,得出一个音符在另一个之后出现的在绿、和弦的模式等等。最终,神经网络可以创作出类似风格的作品,一个自动的程序随后将其转换成音频。

让计算机作曲并不新奇。上世纪50年代,作曲家Lejaren Hiller用计算机创作了弦乐四重奏《伊利亚克组曲(Illiac Suite)》,成为计算机作曲第一人。

从那时起,无数研究人员将这项工作向前推进。但现在,一些创业公司试图将AI作曲商业化,用于从广告配乐到潜在流行歌曲的一切领域。例如Jukedeck,就希望能将音乐作品卖给任何需要为视频配背景音乐的人。

可口可乐英国分公司包月订购了他们的服务。

上面提到的Flow Machine,已经有艺人在音乐会上表演了用这套系统创作的歌曲。音乐人似乎很喜欢它。“如果没有它,我根本写不出这样的歌”,法国摇滚乐手Lescop(Mathieu Peudupin)说,“它把我逼到了一个我自己绝不会去的地方”。

有质疑说没有人会完全接受计算机生成的音乐。“乐迷们需要爱上音乐人”,Lescop说“你不能爱上一台计算机”。

但Jukedeck的创始人认为,人工智能正在改变我们听的方式,特别是当计算机终于能“理解音乐到足以让它实时响应的程度”。

他进一步解释说,未来当你跑步或者玩游戏的时候,人工智能会奉上应景而作的、全新的、大师级水准的背景音乐。

创作流行音乐技能,get!

 —— 人工智能

 放上一张阿呆镇楼

小互动

我们之前就整理过七段AI创作的音乐。在量子位微信公众号( 搜索:量子位 或 QbitAI )对话界面,回复:“AI音乐”,就能视听全部曲目。

曲目列表:

1、AI作曲公司Jukedeck两年前的作品

2、AI作曲公司Jukedeck现在的作品

3、50年代的电脑作品《伊利亚克组曲(Illiac Suite)》

4、Google大脑Magenta的作品

5、DeepMind生成的6段小样,每段10秒

6、Housse de Racket:Futura,由索尼CSL辅助创作

7、Kumisolo:Kageru San,由索尼CSL辅助创作

本文作者:李林 问耕 
原文发布时间:2017-02-15
相关文章
|
机器学习/深度学习 人工智能 监控
CVPR 2022 Oral | 人大高瓴人工智能学院让AI学会了听音乐,还开源9288个视频数据集
CVPR 2022 Oral | 人大高瓴人工智能学院让AI学会了听音乐,还开源9288个视频数据集
161 0
|
机器学习/深度学习 传感器 人工智能
Spotify会让你爱上人工智能创作的音乐吗?
科技一方面改变着音乐的创作形式,另一方面,也取代政治逐渐成为音乐发行模式的决定因素,科技甚至能够通过推动音乐产业结构的变化影响社会主流意识形态。
161 0
|
机器学习/深度学习 人工智能 算法
|
机器学习/深度学习 人工智能
阿里云人工智能小Ai将挑战音乐情感预测
本文讲的是阿里云人工智能小Ai将挑战音乐情感预测【IT168 】科技的进步带来人类生活方式的改变,智慧医疗、智能楼宇、星际探秘等科幻大片的情节,如今已然成为现实,人类历史已经进入人工智能时代。阿尔法狗(AlphaGo)刚刚战胜韩国围棋名将李世石,成为人工智能挑战人脑极限的一大热点。
2666 0
|
16天前
|
机器学习/深度学习 人工智能 自然语言处理
人工智能在医疗诊断中的应用与前景####
本文深入探讨了人工智能(AI)技术在医疗诊断领域的应用现状、面临的挑战及未来发展趋势。通过分析AI如何辅助医生进行疾病诊断,提高诊断效率和准确性,以及其在个性化医疗中的潜力,文章揭示了AI技术对医疗行业变革的推动作用。同时,也指出了数据隐私、算法偏见等伦理问题,并展望了AI与人类医生协同工作的前景。 ####
32 0
|
20天前
|
机器学习/深度学习 人工智能 搜索推荐
探索人工智能在现代医疗中的革新应用
本文深入探讨了人工智能(AI)技术在医疗领域的最新进展,重点分析了AI如何通过提高诊断准确性、个性化治疗方案的制定以及优化患者管理流程来革新现代医疗。文章还讨论了AI技术面临的挑战和未来发展趋势,为读者提供了一个全面了解AI在医疗领域应用的视角。
25 0
|
11天前
|
人工智能 缓存 异构计算
云原生AI加速生成式人工智能应用的部署构建
本文探讨了云原生技术背景下,尤其是Kubernetes和容器技术的发展,对模型推理服务带来的挑战与优化策略。文中详细介绍了Knative的弹性扩展机制,包括HPA和CronHPA,以及针对传统弹性扩展“滞后”问题提出的AHPA(高级弹性预测)。此外,文章重点介绍了Fluid项目,它通过分布式缓存优化了模型加载的I/O操作,显著缩短了推理服务的冷启动时间,特别是在处理大规模并发请求时表现出色。通过实际案例,展示了Fluid在vLLM和Qwen模型推理中的应用效果,证明了其在提高模型推理效率和响应速度方面的优势。
云原生AI加速生成式人工智能应用的部署构建
|
6天前
|
数据采集 人工智能 移动开发
盘点人工智能在医疗诊断领域的应用
人工智能在医疗诊断领域的应用广泛,包括医学影像诊断、疾病预测与风险评估、病理诊断、药物研发、医疗机器人、远程医疗诊断和智能辅助诊断系统等。这些应用提高了诊断的准确性和效率,改善了患者的治疗效果和生活质量。然而,数据质量和安全性、AI系统的透明度等问题仍需关注和解决。
99 10
|
13天前
|
机器学习/深度学习 人工智能 算法
探索人工智能在医疗诊断中的应用
本文深入探讨了人工智能(AI)技术在医疗诊断领域的革新性应用,通过分析AI如何助力提高诊断准确性、效率以及个性化治疗方案的制定,揭示了AI技术为现代医学带来的巨大潜力和挑战。文章还展望了AI在未来医疗中的发展趋势,强调了跨学科合作的重要性。 ###
48 9
下一篇
DataWorks