人工智能程序編寫音樂和歌詞

滾石樂隊(duì)在他們80年代的熱門歌曲《It"s Only Rock "n Roll》中用一個(gè)簡單的短語和標(biāo)題概括了流行音樂。

但是，硅谷發(fā)現(xiàn)，教機(jī)器創(chuàng)作音樂和歌詞一點(diǎn)也不簡單。

OpenAI本周宣布了一項(xiàng)名為“點(diǎn)唱機(jī)”的開源系統(tǒng)的創(chuàng)建，該系統(tǒng)可以創(chuàng)建獨(dú)特的旋律和和聲，以及大量音樂流派中流行藝術(shù)家風(fēng)格的歌詞和發(fā)聲。

結(jié)果遠(yuǎn)非完美，但仍令人印象深刻。在某些情況下，點(diǎn)唱機(jī)創(chuàng)造了可信的歌曲演繹，這些歌曲模仿了滾石樂隊(duì)(Rolling Stones)以吉他為中心的硬節(jié)奏風(fēng)格，艾拉·菲茨杰拉德(Ella Fitzgerald)的金嗓子，埃爾頓·約翰(Elton John)的語調(diào)，以及近乎準(zhǔn)確的刺耳的羅德·斯圖爾特(Rod Stewart)。

但有一首貓王風(fēng)格的歌曲特別奇怪地混合在一起，叫做《有絲分裂》(Mitosis)，艾·貓王(AI Elvis)在歌中唱道:“我們出身卑微;從污垢到脂肪，從細(xì)胞到心臟。有絲分裂;減數(shù)分裂;我們終于清醒過來了?！庇脗ゴ蟮牟榭恕へ惱锏娘L(fēng)格唱的“圣誕快樂，寶貝”可能會嚇著小孩子。

委婉地說，還有許多工作要做。正如TechCrunch的德文·科爾杜威(Devin Coldewey)所描述的那樣，點(diǎn)唱機(jī)的一些努力聽起來像是“不錯(cuò)，但喝醉了，卡拉ok的迷霧中也能聽到。”

盡管如此，該項(xiàng)目仍然是在人工智能音樂生成領(lǐng)域邁出的重要而值得稱贊的一步。

為了訓(xùn)練計(jì)算機(jī)生成歌曲，OpenAI創(chuàng)建了一個(gè)包含120萬首歌曲的龐大數(shù)據(jù)集。

OpenAI在其博客上發(fā)布的一份報(bào)告中稱:“我們證明，我們的模型可以創(chuàng)作出各種音樂類型的歌曲，比如搖滾、嘻哈和爵士樂?！薄八麄兛梢圆蹲叫?、節(jié)奏、長程作曲和各種樂器的音色，以及歌手的風(fēng)格和聲音?！?/p>

幾十年來，計(jì)算機(jī)程序一直在解決音樂生成的問題。PG Music的“盒中樂隊(duì)”(Band in A Box)就是其中一個(gè)令人印象深刻的產(chǎn)品，它允許用戶輸入和弦，然后在數(shù)十種音樂風(fēng)格中任意一種風(fēng)格中創(chuàng)建獨(dú)特的旋律和多聲部和聲。在2018年，谷歌推出了音樂轉(zhuǎn)換器，它可以生成可識別的、朗朗上口的重復(fù)歌曲。OpenAI去年發(fā)布了MuseNet，它創(chuàng)作了原創(chuàng)的旋律，但不包括歌詞。

點(diǎn)唱機(jī)似乎是第一個(gè)可以用歌詞和人聲創(chuàng)作歌曲的程序。

該項(xiàng)目背后的高技術(shù)規(guī)格可以在網(wǎng)上找到。一個(gè)關(guān)鍵的挑戰(zhàn)是處理大量的音樂數(shù)據(jù)。根據(jù)OpenAI的數(shù)據(jù)，一首典型的CD質(zhì)量的4分鐘歌曲(44千赫，16位)有超過1000萬的時(shí)間步長。一個(gè)自動編碼器被用來壓縮數(shù)據(jù)，刪除不相關(guān)的信息，并將結(jié)果上采樣回程序。在這種壓縮下，渲染一分鐘的音頻仍然需要大約9個(gè)小時(shí)。

這個(gè)計(jì)劃一定會取得進(jìn)展。OpenAI承認(rèn)該項(xiàng)目目前的局限性:“雖然自動點(diǎn)唱機(jī)在音樂質(zhì)量、連貫性、音頻樣本的長度，以及對藝術(shù)家、體裁和歌詞的能力方面都向前邁進(jìn)了一步，但這幾代人與人類創(chuàng)作的音樂之間存在著巨大的差距?！?/p>

例如，自動點(diǎn)唱機(jī)還不能創(chuàng)作更大的音樂主題，如合唱和重復(fù)的短語。

觀察人士預(yù)計(jì)，該計(jì)劃的下一個(gè)版本將于2021年4月推出。

OpenAI是一家位于舊金山的研究實(shí)驗(yàn)室。它說它的任務(wù)是“確保人工智能造福全人類。”