
與其它行業(yè)一樣,在音樂行業(yè),AI技術(shù)能夠?qū)崿F(xiàn)服務(wù)自動化、發(fā)現(xiàn)大量數(shù)據(jù)集中的模式與見解、并提高執(zhí)行效率。
AI推動音樂產(chǎn)業(yè)的迅猛發(fā)展
企業(yè)正逐步被技術(shù)重塑,音樂行業(yè)同樣不例外。麥肯錫報告顯示,到2030年,將有70%的公司至少采用一種AI技術(shù)。AI可以用作補(bǔ)充并增強(qiáng)人類的工作能力、業(yè)務(wù)效率。利用AI帶來的見解與支持,我們將能夠更高效地做出更好的選擇,并借此推動增長與創(chuàng)新。在AI技術(shù)的影響之下,創(chuàng)作流程可能也將發(fā)生變化。
Scott Cohen是音樂行業(yè)的一位意見領(lǐng)袖,他看到了技術(shù)對于音樂行業(yè)未來前景的潛在影響。他對數(shù)字音樂時代下發(fā)行廠商的運(yùn)營構(gòu)思,最終發(fā)展成為The Orchard公司——2015年被索尼以2億美元收購。在Eurosonic Nooderslag大會的主題演講當(dāng)中,他表示“每過十年,都會出現(xiàn)一些給音樂行業(yè)帶來深遠(yuǎn)影響的事物。了解到這一點(diǎn),我們還有理由對科技界的動向漠不關(guān)心嗎?”
他解釋稱,目前每天有2萬首新曲目被上傳至Spotify,AI技術(shù)則能夠快速對這些曲目進(jìn)行分類,并根據(jù)聽眾以往的喜好為其提供推薦內(nèi)容。在Cohen看來,AI與大數(shù)據(jù)的出現(xiàn)令“音樂風(fēng)格”變得不再適用;因?yàn)锳I所生成的播放列表不再基于風(fēng)格流派,而更關(guān)注音樂本身的質(zhì)量。此外,他還提到,我們當(dāng)前擁有無限選擇空間的模式將被打破,并推薦了一個新的可信推薦模型。區(qū)塊鏈等技術(shù)能夠讓人們不再需要通過中間商與音樂作品建立聯(lián)系。音樂演出行業(yè)也應(yīng)該考慮如何將增強(qiáng)與虛擬現(xiàn)實(shí)融入音樂會體驗(yàn)當(dāng)中。
AI創(chuàng)作音樂
早在1951年,英國計算機(jī)科學(xué)家阿蘭·圖靈就已經(jīng)開始利用幾乎塞滿整層樓的機(jī)器記錄計算機(jī)生成的音樂。近年來,新西蘭研究人員在65年之后重新恢復(fù)了這些錄音。如今,AI或者利用AI技術(shù)創(chuàng)作音樂的嘗試仍在繼續(xù)。AI在創(chuàng)作音樂作品之前,首先會分析來自不同作品的數(shù)據(jù)。通過強(qiáng)化學(xué)習(xí),算法能夠?qū)W習(xí)到哪些特征與模式更能創(chuàng)造出令人愉快或者朗朗上口的音樂旋律。AI模型還能夠以獨(dú)特的方式將各種元素組合起來,從而組合成創(chuàng)新的音樂數(shù)字。
科技企業(yè)正在投資未來,希望利用AI技術(shù)創(chuàng)作或協(xié)助音樂家創(chuàng)作音樂。谷歌的Magenta項目是一套開源平臺,AI與索尼借此共同編寫出的Flow Machines系統(tǒng)已經(jīng)發(fā)行了第一首AI原創(chuàng)作品“Daddy’s Car”。
音樂行業(yè)的音樂家以及專業(yè)人士也需要盡快掌握技術(shù)技能,以充分利用AI工具的力量幫助他們更好地完成工作。
Jukedeck 以及 Amper Music等其它AI服務(wù)也在幫助業(yè)余音樂家在AI技術(shù)的支持下編寫自己的音樂作品。
利用AI進(jìn)行音頻控制
音頻母帶制作過程當(dāng)中,AI也能夠針對任意設(shè)備進(jìn)行聆聽體驗(yàn)優(yōu)化。基于AI技術(shù)的母帶制作服務(wù)(例如LANDR)為音樂家們提供了一種成本遠(yuǎn)低于人類母帶制作服務(wù)的替代性方案。截至目前,已經(jīng)有超過200萬音樂家利用它制作出超過1000萬首歌曲。雖然音頻母帶制作仍然涉及一些創(chuàng)意性元素,也有不少人更傾向于選擇人類合作者,但AI技術(shù)確實(shí)幫助更多不具備音頻調(diào)整技能的藝術(shù)家們解決了這個大難題。
AI、音樂營銷與發(fā)現(xiàn)下一位大明星
聽眾們將如何發(fā)掘出新的藝術(shù)家,消費(fèi)者又該如何判斷試聽誰的作品?在這方面,AI技術(shù)同樣能夠幫上大忙。根據(jù)BuzzAngle Music發(fā)布的2018年年終報告,單在這一年當(dāng)中美國的音頻流點(diǎn)擊量就高達(dá)5346億次。幫助新藝術(shù)家們進(jìn)行自我營銷無疑會帶來高昂的成本,而如果無法有效完成營銷,大量才華橫溢的藝術(shù)家都有可能遭到埋沒。AI技術(shù)能夠幫助確定哪些粉絲會喜歡上哪些藝術(shù)家的作品。同樣,以Spotify的Discovery Weekly為代表的AI支持型功能可以為每位聽眾提供精選作品鋪,幫助粉絲們對音樂資源進(jìn)行快速分類,以找到能夠真正吸引他們的新作品。
人工智能還通過A&R(藝術(shù)家與曲目)發(fā)現(xiàn)給音樂行業(yè)帶來巨大助力。以往,梳理音樂作品并尋找有潛力的未簽約藝術(shù)家一直是項極為困難的工作;在如今這個流媒體音樂泛濫的時代下,問題的嚴(yán)重性又更上一層樓。華納音樂集團(tuán)去年就收購了一家科技初創(chuàng)企業(yè),該公司利用算法審查社交、流媒體與巡演數(shù)據(jù),用以尋找有前途的人才。蘋果公司也收購了一家專門從事音樂分析的初創(chuàng)企業(yè),負(fù)責(zé)支持其A&R流程。
總而言之,AI技術(shù)正在幕后悄悄改變著我們聆聽音樂的方式。
好文章,需要你的鼓勵
浙江大學(xué)團(tuán)隊提出動態(tài)專家搜索方法,讓AI能根據(jù)不同問題靈活調(diào)整內(nèi)部專家配置。該方法在數(shù)學(xué)、編程等任務(wù)上顯著提升推理準(zhǔn)確率,且不增加計算成本。研究發(fā)現(xiàn)不同類型問題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學(xué)研究團(tuán)隊提出SIRI方法,通過"壓縮-擴(kuò)張"交替訓(xùn)練策略,成功解決了大型推理模型"話多且準(zhǔn)確率低"的問題。實(shí)驗(yàn)顯示,該方法在數(shù)學(xué)競賽題上將模型準(zhǔn)確率提升43.2%的同時,輸出長度減少46.9%,真正實(shí)現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓(xùn)練提供了新思路。
南洋理工大學(xué)與騰訊聯(lián)合研究團(tuán)隊開發(fā)出Rolling Forcing技術(shù),實(shí)現(xiàn)AI視頻實(shí)時流式生成的重大突破。該技術(shù)通過滾動窗口聯(lián)合去噪、注意力錨點(diǎn)機(jī)制和高效訓(xùn)練算法三項創(chuàng)新,解決了長視頻生成中的錯誤累積問題,可在單GPU上以16fps速度生成多分鐘高質(zhì)量視頻,延遲僅0.76秒,質(zhì)量漂移指標(biāo)從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內(nèi)容創(chuàng)作開辟新可能。
華中科技大學(xué)研究團(tuán)隊發(fā)現(xiàn),通過讓AI模型學(xué)習(xí)解決幾何問題,能夠顯著提升其空間理解能力。他們構(gòu)建了包含約30000個幾何題目的Euclid30K數(shù)據(jù)集,使用強(qiáng)化學(xué)習(xí)方法訓(xùn)練多個AI模型。實(shí)驗(yàn)結(jié)果顯示,幾何訓(xùn)練在四個空間智能測試基準(zhǔn)上都帶來顯著提升,其中最佳模型達(dá)到49.6%準(zhǔn)確率,超越此前最好成績。這項研究揭示了基礎(chǔ)幾何知識對培養(yǎng)AI空間智能的重要價值。