音乐创作是媒体市场中的主要一环，稳定高效的输出高质量的音乐作品不仅仅是浩瀚艺术家关心的问题，更是媒体公司抢占市场先机的必要条件；同时，由于版权意识的逐渐发展，部分非音乐行业从业者对付快速天生个性定制音乐的需求也在上升。智能音乐创作利用机器学习和神经网络，能够对音频旗子暗记进行有效的处理，把握个中的关键特色，从而天生出一大批各具特色的机器合成音乐，不仅能够作为艺术家的灵感，还极大的充裕了市场，更办理了部分非音乐从业者对原创音乐的渴求。
作者 | 于琳洋
一、音乐市场的发展与现状
天下音乐市场构成繁芜并经历过下滑期间，流媒体音乐的涌现重构家当链并使市场收益稳步回升，并因此解放了人们欣赏音乐的韶光空间限定。这种更为便捷的消费办法，极大的扩充了市场需求，而在现今的市场下：艺术家关心着如何能够在有限的韶光内生产出质量稳定的音乐作品；音乐出品商或平台希望能够丰裕自己的曲库，并在短韶光内抢占市场份额；而浩瀚非音乐市场从业人也同样关心着短韶光内个性化音乐原创的问题。
二、音乐创作中的的智能技能
机器学习：是指利用人工智能模型对数据凑集中的规律进行挖掘，并根据其特色对其他数据进行预测。目前，在音乐创作中，开拓者可以将浩瀚原始的音乐作品作为音频输入后转化为MIDI文件，并利用人工智能模型学习个中的数据特色规律，并针对需求进行不同的预测。
监督学习：机器学习的一种方法，通过让模型不雅观察一些事先标记过的演习范例之后再让模型根据学习到的标记和特色来对未知数据进行标记。在AI赋能的音乐创作中，将不同的音乐旋律范例标记为不同的感情，之后让演习完成的模型对付机器天生的旋律进行评分，从而选择出最符合当前感情的音乐旋律。而除了标记感情之外，这种标记还可以是视频旗子暗记，其他文本旗子暗记等。
自监督学习：是机器学习的一种方法，与监督学习相似，但供模型不雅观察的数据不再有标记，而是依赖于模型创造数据中的关联，从而对输入的数据进行分组重构。利用自监督学习，研究者每每可以得到更多创新性的输出结果，而不是仅仅依赖于原来定好的标记，自监督机器学习每每可以用于新的曲调创作，或新的声音旗子暗记创造。
深度学习：指利用多层神经网络对数据的特色进行挖掘，对数据进行合理预测，最常见的是卷积神经网络和递归神经网络。卷积神经网络可以将降维后的音乐旋律中的有效信息进行提取；递归神经网络则可以根据输入的数据和之前的预测来进行新的预测，天生关联性更前的音乐序列。
特色降维：音乐旗子暗记基于其本身的繁芜性而具有高维数据的特色，而人工智能在处理学习高维数据时的本钱极大。将原始数据合理降维，突出关键信息，移除冗余特色，从而让人工智能模型能够进行更有效的学习。
三、人工智能在音乐创作领域的运用分布
四、人工智能在音乐创作领域的落地案例
Amper Music：旗下产品Amper Score 能够让企业团队在几秒钟之内天生个性定制的原创音乐，可选择个性化的音乐风格，时长和曲风构造。这部分音乐可以用于视频、博客或者任何其他的媒体活动而不须要担心版权问题。值得一提的是，Amper Score的人工智能系统中所有用于AI学习的数据——即乐曲本身——全部都是由Amper公司自主创作的。
Popgun：旗下产品钢琴AI爱丽丝不须要任何的人为曲调输入，便能够自主作曲。Popgun也同时推出了架子鼓AI和贝斯AI，它们能够单独作曲，也能够和爱丽丝一起，共同谱写一段旋律。
Google AI-Magenta: 这一开源的研究项目紧张目的是探索机器学习在音乐创作中的可能性。Magenta因此TensorFlow支持的Python库文件的形式呈现，库里包含了大量的原始数据：乐曲选段，歌曲选段，图片等等。利用者可以利用这些数据来演习基于机器学习的人工智能模型并且终极能从成熟的模型中衍生得到新的音乐产品。Magenta本身比较成熟的项目包括：Onsets and Frames——双神经网络叠加的钢琴谱区工具，MusicVAE——旋律数据降维工具，和NSYNTH SUPER——机器合成音色开拓工具。
Flow Machine：利用机器学习的方法，提取旋律中的关键信息，并利用这些信息作为变量，对人工智能模型进行演习，从而使模型能够天生一段新的旋律或和弦。值得一提的是，同样利用这个人工智能模型，艺术家还可以对已创作的旋律进行填词和其他润色。
Melodrive：最成功的AI音乐引擎运用在于为游戏场景供应背景音乐的即时演算。AI音乐引擎利用监督性机器学习在经由大量原始数据演习之后，能够根据游戏中某韶光节点，根据其所表达的感情，自动合成其所须要的背景音乐。
五、人工智能在音乐创作领域的局限性
智能音乐天生技能使产品市场质量参差不齐：随着人工智能赋能的音乐天生技能逐渐完善，音乐作品制作变得日益大略，短韶光内天生大量质量参差不齐的音乐作品，无疑会对市场造成极大冲击，音乐市场份额被稀释；
智能音乐天生技能冲击传统音乐家当：正如数字音乐的产生导致传统唱片生产业的下滑一样，智能音乐天生技能也会对传统音乐创作家当造成影响，依赖人工创作的作品产能不及人工智能，没有技能支持的音乐制造商前景堪忧；而实时天生个性化音乐大行其道，视频、游戏、电影配乐逐渐独立，依赖于版权收入的传统家当收入下滑可以预见。
六、人工智能在音乐创作领域的发展趋势
个性化数字音乐天生渐成主流：随着浩瀚新媒体的发展，分开了版权限定的实时个性化数字音乐天生技能逐渐发挥其上风，运用领域愈加广泛，而运用手段更加灵巧。从现今的短视频配乐，游戏场景配乐，向更繁芜的运用处景发展；
音乐作品天生技能日臻成熟：现今的浩瀚AI音乐天生引擎技能尚在发展阶段，而未来的AI音乐引擎必定更加成熟，结合自然措辞处理技能，将会呈现比纯音乐更为完全的音乐作品；
人工智能技能成为艺术家可靠助力：AI赋能的音乐创作并非作为人类创造力的寻衅，而是作为艺术家灵感的来源；简短的AI自天生音乐可以作为新的创作素材。