人工智能在音乐领域的应用日益复杂

人工智能在音乐领域的应用已经增加了几年。  正如 Kumba Sennaar 解释的，人工智能在音乐行业的当前应用包括音乐创作、音乐流媒体和音乐变现，人工智能平台帮助艺术家根据用户活动数据变现音乐内容。

这一切始于 1957 年，当时 Learn Hiller 和 Leonard Issacson 编程 Illiac I 产生了“伊利亚克弦乐四重奏”，这是由人工智能完全创作的第一部作品。然后，60 年后，它变成了像 Taryn Southern 专辑一样的完整专辑，由 Amper Music 于 2017 年制作。目前，Southern 在 YouTube 上拥有超过 452 千名订阅者，她的专辑中的一首歌“Lovesick”被超过 45,000 名观众收听和观看。

但是，从那时起，人工智能在这个领域的应用变得更加复杂和分支。Open AI 创建了 MuseNet，正如公司解释的，“一个可以生成 4 分钟音乐作品的深度神经网络，具有 10 种不同的乐器，可以结合从乡村到莫扎特到披头士的风格。MuseNet 没有被明确编程为我们对音乐的理解，而是通过学习数十万个 MIDI 文件来预测下一个标记，从而发现了和谐、节奏和风格的模式。MuseNet 使用与 GPT-2 相同的通用无监督技术，一个大规模的 变压器 模型，用于预测序列中的下一个标记，无论是音频还是文本。”

另一方面，正如 GeekWire 等报道，伦敦大学金史密斯学院的计算机科学家和音乐家 Dr. Mick Grierson最近被意大利汽车制造商菲亚特委托使用算法制作 50 首最具代表性的流行歌曲。他的分析软件用于“确定 使这些歌曲值得注意的因素，包括关键、每分钟节拍数、和弦多样性、歌词内容、音色多样性和音色变化。”

根据他的结果，具有最佳参数组合的歌曲是 Nirvana 的“Smells Like Teen Spirit”，领先于 U2 的“One”和 John Lennon 的“Imagine”。Nirvana 的歌曲随后被菲亚特用于推广其新款菲亚特 500 模型。Grierson 解释说，算法显示，“这些歌曲使用的声音和它们的组合方式在每种情况下都是非常独特的。”

另一个应用程序由 musicnn 库准备，正如解释的，使用深度卷积神经网络自动标记歌曲。这些模型“在公共评估基准中实现了 最佳得分。” music（如音乐家）及其最佳模型已作为开源库发布。该项目由位于西班牙巴塞罗那的 Music Technology Group of the Universitat Pompeu Fabra 开发。

在他对该应用程序的分析中，Jordi Pons 使用 musicnn 分析和标记了另一首标志性的歌曲——皇后的“波西米亚狂想曲”。他注意到，弗雷迪·默丘里（Freddie Mercury）的歌声被标记为女性声音，而其它预测相当准确。将 musicnn 作为开源库发布，使得可以进一步改进标记过程。

关于人工智能在音乐流媒体中的应用，Digital Music News 总结说，“人工智能和机器学习技术的引入极大地改善了我们聆听音乐的方式。由于人工智能和类似技术的快速进步，我们在未来几年中很可能会看到许多未来主义的改进。”