編輯導讀：你有沒有想過，也許有一天，我們聽的音樂都是AI作曲作詞演唱的。隨著AI人工智能的發(fā)展，它在各行各樣的應用也越來越深度。在未來，AI在音樂類的產品會有怎樣的應用場景呢？本文將從四個方面展開分析，希望對你有幫助。

自動標注、平滑過渡、音樂鑒權、AI創(chuàng)作，當AI技術應用于音樂行業(yè)為人類的精神文化與娛樂生活帶來便利和更多選擇時，也是一件讓人激動不已的事情。

隨著深度學習算法的出現(xiàn)、大數(shù)據(jù)和5G技術的成熟，AI人工智能已逐漸融入我們的生產生活中，在教育、醫(yī)療、政務辦公、城市管理等多個方面發(fā)揮作用。

隨著AI技術在音樂行業(yè)研究及應用的深入，音樂人工智能已經不新鮮，很多新的應用和產品已經驚艷亮相。

基于對于音樂技術及產品的了解，簡單梳理一下目前AI技術在音樂類產品的各類應用場景。

一、自動標注

當平臺曲庫量達到?定量級時，如果再依賴傳統(tǒng)的?為打標簽模式就會花費?量成本且受到主觀影響較?。?頻?動標注相關技術就受到?泛關注，?動標注的作?不僅僅只是能替代??標注以達到節(jié)省成本，同時可以客觀評價?樂內容，因此還可以拓展到流媒體播放的?樂推薦??。

例如：Spodify、KKBOX都有利?深度學習做推薦，其中KKBOX采??頻?件、歌詞以及?戶相關標注和評論等數(shù)據(jù)作為輸?從曲?、場景及情緒等多個維度來判斷?樂是否滿?推薦的條件。?般的?動標注功能也和KKBOX的推薦維度類似，從曲?、應?場景、器樂和情緒等維度來進?標注。

（示例：筆者所在公司旗下平臺，關于音樂標注的標簽）

對于?動標注，筆者也在?上聽到過一些不太專業(yè)的吐槽，比如之前有看到說音頻自動標注可能會出現(xiàn)將一首歌曲的情緒同時標注為“歡樂”和“悲傷”兩種情緒。

在解釋這?原因之前，可以簡單普及?下機器學習中分類器、單標簽多分類任務和多標簽多分類任務。

簡單來說，分類器就是利?已知的輸?和輸出數(shù)據(jù)來訓練，然后該分類器就會對未知的輸?數(shù)據(jù)進?分類或輸出?個值。對于?個分類器模型，它預測的結果是2個或?于2個以上的（結果只有1個代表結果確定就不需要分類模型了）。如果可能的結果數(shù)為2稱之為?分類任務?于2就是多分類任務；對于情緒可能有：?亢、歡快、安靜、悲傷等多個結果，因此情緒分類是?個多分類任務。

如果認為情緒模型是?個單標簽多分類任務，那么絕對是不可能出現(xiàn)”歡樂“和”悲傷”同時出現(xiàn)的情況。如果同時出現(xiàn)“歡樂”和“悲傷”，則只能存在于多標簽多分類任務。

?“歡樂”和“悲傷”同時出現(xiàn)就?定是錯誤的嗎？也不?定！

基于深度學習的?樂處理?式?般是分段處理，也就是將???樂劃分為多個?段然后對每?個?段進?預測判斷它可能的標簽。如果??歌曲情緒存在波動，比如一首歌曲的情緒從開始的“歡樂”轉向了“悲傷”，那么這種情況也是完全可能出現(xiàn)，現(xiàn)實?活中很多歌曲的確是存在多個情緒甚?互斥的標簽存在的情況。

二、平滑過渡

平滑過渡功能是近?年新出現(xiàn)的“炫酷”功能。

簡單理解，就是當??歌曲快要播放完畢時下??歌曲可能?縫接?，這種歌曲間的平滑過渡，不會讓聽眾覺得非常突兀。

這種功能的實現(xiàn)，也有依賴于基于深度學習的技術。

?致原理是將歌曲的末尾?段和可能平滑過渡的其他歌曲的頭部?段作為訓練樣本。訓練出來的模型可以預測當前輸??段可以過渡的下?個?段，然后當播放器播放?歌曲尾部?段的時候利?該模型得到可平滑過渡的下??歌曲。

三、音樂鑒權

互聯(lián)網上的音樂侵權一直存在，但音樂版權方要在互聯(lián)網上維護自己的權益，往往比較困難。

因為互聯(lián)網具有海量的內容，而且內容形式具有復合性，比如音樂內容僅僅作為視頻的背景音樂，靠人工去發(fā)現(xiàn)和識別，難度太大。

在這方面，AI技術的運用，已經能夠實現(xiàn)實時監(jiān)控視頻、直播或?播節(jié)?中是否有存 在歌曲的侵權情況。

其中的原理是，將版權?的曲庫中歌曲提取出關鍵特征保存在集群數(shù)據(jù)庫，然后提取待檢測的?頻特征，并通過?數(shù)據(jù)技術進?快速檢索數(shù)據(jù)庫中是否存在相似數(shù)據(jù)。

目前，擁有類似技術的公司，除了筆者所在公司外，ACRCloud也較具有代表性。

四、AI創(chuàng)作

當AI進入到音樂創(chuàng)作層面，在互聯(lián)網行業(yè)也已有不少AI音樂創(chuàng)作工具，Amper Music、AIVA、Jukedeck、Ecrett Music、Melodrive、等ORB Composer等。

公司層面，索尼、谷歌、百度以及人工智能非營利組織OpenAI等均在AI作曲領域有所嘗試。

2016年，索尼公司使用一種名為“流機器”(Flow Machines)的軟件，創(chuàng)作了一首披頭士(Beatles)風格的旋律，然后作曲家伯努瓦卡雷(Benoit Carre)將其制作成一首完整的流行歌曲《Daddy ‘s Car》(爸爸的車)。

2018年，微軟宣布第四代小冰加入到虛擬歌手市場競爭當中，并“演唱”了一首《隱形的翅膀》。

AIVA科技開發(fā)的AI作曲家“Aiva”創(chuàng)作搖滾樂曲《On the Edge》并與歌手Taryn Southern合作創(chuàng)作流行樂曲《Love Sick》；

在國內，筆者所在公司的相關產品在AI智能創(chuàng)作上，能夠實現(xiàn)識曲（識別音樂作品中的音樂元素）、作詞、作曲等功能，并已實現(xiàn)了商業(yè)化授權和應用。

在具體的AI智能音樂創(chuàng)作層面，AI作曲工具可輔助創(chuàng)意生成。

如英國音樂制作人Alexa Da Kid利用IBM沃森認知計算平臺中的機器學習音樂生成算法創(chuàng)作出單曲《Not Easy》、歌手Taryn Southern與AI作曲公司Amper Music開發(fā)的工具共同創(chuàng)作出《Break Free》與Aiva合作創(chuàng)作流行樂曲《Love Sick》。這些作品都曾一度成為熱播曲目。

隨著越來越多AI音樂創(chuàng)作工具的誕生，充當音樂人的輔助，協(xié)助創(chuàng)作出更多優(yōu)質的作品，AI作曲家的音樂創(chuàng)作能力也在逐漸得到認可。

五、結語

當AI遇上音樂，音樂被注入了越加鮮活的生命力，智能化大潮來襲，AI+音樂，未來值得期待！

本文@HIFIVE嗨翻屋 原創(chuàng)發(fā)布于人人都是產品經理。未經許可，禁止轉載。

題圖來自 Unsplash ，基于 CC0 協(xié)議