史上第一支AI创作专辑发行，我们深入研究了9个相关企业（附音乐）

本篇文章4558字，读完约11分钟

不久前，美国网络红人和流行歌手taryn southern的新专辑《我是ai》发行，单曲《挣脱》成为人类历史上第一首正式发行的ai歌曲。这首歌的旋律和歌词是由塔林南方完成的，编曲人和制作人被移交给安普尔音乐，一个人工智能作曲平台。它亲自处理和声、和弦、乐器、整体风格和整体节奏，mv由谷歌深梦平台生成。乍一看，没有不服从的感觉。

如今，人工智能不仅可以辅助作曲，还可以独立作曲，这源于音乐模式背后的数学美。从基本理论设计、数理逻辑和符号组织的同构来看，音乐作为一门艺术，具有很强的可计算性。

从传统的作曲技巧中不难看出其规律性。重复、模态推进、换位、模糊、旋律的音程或节奏扩展、和声和对位法中音高的垂直和水平排列和组合、配器中的音色组合、音乐形式中的排比、对立、对称、回旋和歌唱都可以描述为单一或组合算法。这从本质上决定了人工智能技术可以更好地应用于音乐创作。

事实上，早在20世纪60年代，就有人试图将计算机与传统音乐结合起来。然而，近年来，智能算法已经成熟，许多基于机器学习神经网络的开源项目已经浮出水面，人工智能技术也取得了很大进展。因此，越来越多的人开始关注这种科技与艺术的奇妙结合，电脑音乐与传统音乐之间的桥梁也逐渐建立起来。目前，很多人工智能公司都在研究人工智能音乐，有些人工智能音乐作品甚至是正版的。让我们一起来听听。

自1997年以来，位于巴黎的索尼计算机科学研究实验室一直致力于尖端音乐技术的研发。2014年，人工智能制作的爵士乐发布，2016年，由人工智能创作的第一首披头士风格的流行歌曲《爸爸的车》(Daddy's Car)亮相。

这首歌背后的人工智能系统是索尼流动机器。该系统由欧洲研究委员会资助，由索尼计算机科学实验室主任弗朗索瓦·帕切特(fran ois pachet)创建，不仅可以自动生成音乐，还可以与人类艺术家合作创作音乐。

这首歌的起点来自超过13，000首歌曲的乐谱数据库，你可以根据自己的喜好从数据库中选择任何曲子。该系统将分析你所选歌曲的特点，并统计它们的特点和节奏，音高和和声，从而组成一首完整的歌曲。

这个系统的原理就像在货架上分拣零食一样。在早期阶段，各种音乐风格被转换成可计算的对象，这些对象可以被读取、复制并应用于人工智能；然后通过机器学习，掌握音符、音乐、音节和和弦的匹配；然后把相似的特征放在一起，创建一个新的分区或主旋律谱；最后完成一段音乐。

谷歌人工智能二重奏应用

去年，谷歌展示了人工智能实验网站。通过网络应用，任何人都可以进行(开源)测试。目的是让那些对人工智能感兴趣但没有技术背景的人更容易理解机器学习技术。当然，你可以选择由谷歌研究人员开发的项目，或者创建自己的项目来进行人工智能实验。

人工智能二重奏是谷歌人工智能实验的主要事件之一，它展示了机器学习在音乐中的应用。有了它，你可以用电脑表演二重唱。你只需要弹奏一些音符，电脑就会对旋律做出反应。Ai duet支持键盘，电脑键盘和外部midi键盘。

人工智能二重奏将记录你的输入笔记，并通过神经网络运行它们。此前，神经网络已经对数百种不同旋律的音乐进行了机器学习。神经网络正在寻找旋律和节奏模式，它可以识别和匹配你选择的音符，然后在此基础上，它产生自己的旋律。这种旋律听起来像是对你输入的旋律或音符的回应，保留了你原来的风格。

艾二重奏是一个由谷歌创意实验室建立的项目，名为“用代码制作音乐”。著名音乐家和计算机科学家yotam man和谷歌的开源计算音乐和艺术项目magenta也参与了研发。Ai duet是基于tensorflow框架、tone.js和开源工具的magenta项目，是谷歌利用人工智能介入音乐领域的初步尝试。

Ibm沃森也能识别音乐。ibm表示，沃森音乐有能力将数以百万计的非结构化数据点转化为情感洞察，这有助于创造一种新的音乐类型。

在这个过程中起决定性作用的是沃森炼金术语言api已经进行了五年的自然语言文本分析，其中当然也包括对年度流行音乐的分析。沃森已经掌握了关键知识，沃森声调分析器也可以通过阅读新闻、博客和微博了解人文科学。

也就是说，音调分析器api已经阅读并分析了billboard hot 100中超过26，000首歌曲的歌词，然后watson beat已经分析了这些歌曲的构成，在各种音符和和弦中寻找有用的模式，并完成了一部情感音乐作品。

格莱美获奖音乐制作人亚历克斯达基德曾与沃森音乐。凭借沃森的情感洞察力，以心碎为歌曲的中心情感，他和沃森完成了一部表达心碎的音乐作品。

spotify几乎所有音乐爱好者在网上听歌或使用流媒体音乐和工具时都会遇到Spotify这个名字。Spotify是一项数字音乐服务，允许用户阅读数百万首歌曲，但人们不知道的是，它也间接使用了机器学习技术。

Spotify使用一种称为协作过滤的方法，从用户的收听行为中尽可能多地筛选出相关数据，然后将其与世界各地其他用户收集的数据进行比较，然后使用这些数据改进应用程序的推荐歌曲内容，并根据用户的收听习惯向他们推荐新音乐。

该公司还收购了另一家机器学习公司echo nest，该公司可以利用人工智能收集博客、新闻网站和社交媒体上发布的新音乐数据，并通过机器学习提供更好的音乐发现。

使用spotify的用户应该熟悉其每周发现功能，该功能将向用户推荐最新音乐和最新发布的混合音乐列表。这些功能都使用机器学习的方法来挖掘用户的收听数据，从而创建用户喜欢收听的个性化播放设计列表。

Aiva技术是人工智能合成领域的领导者之一。该公司于2016年由皮埃尔·巴雷罗、丹尼斯·斯特凡、阿诺·德克尔和文森特·巴雷罗在卢森堡和伦敦成立。

Aiva是人工智能虚拟艺术家的缩写。通过学习创造古典音乐(通常是人类独特的情感艺术)，它已经成功进入了许多市场，如电影、广告和游戏公司。

Aiva发行了第一张专辑《创世纪》和许多单曲，并成为世界上第一个官方认可的人工智能作曲家。它在法国和卢森堡作者权利协会(sacem)注册，其所有作品的版权属于它自己的名字。

Aiva依赖于强化学习技术的深度学习算法。深度学习作为机器学习的一个重要分支，可以实现多层神经网络对海量数据的信息处理。虽然它只是基于人脑的神经结构，但它对机器思维是有益的。这使得人工智能能够理解数据并构建高级抽象模型，例如旋律模式或人脸特征。

强化学习实际上是机器学习的一个分支。机器学习中常见的监督学习是学习带标签的训练样本，但强化学习是不同的，它允许代理(ai)通过最大化累积回报在无标签的海量数据中自动学习。正因为如此，人工智能可以更容易地从其不断变化的音乐创作艺术领域的特征中进行选择。

该团队利用深层神经网络让艾娃学习大量著名作曲家(如巴赫、贝多芬、莫扎特等)的作品。)了解作曲的艺术，并慢慢获得音乐理论知识的概念；从那以后，aiva开始了自己的音乐创作之旅；最后，它的作品将由专业艺术家在录音室用真正的乐器录制，从而确保最佳音质。

尽管aiva可以在几分钟内创作出一首古典音乐，但它的客户对此并不满意，他们还要求它用图像信息来创作叙事作品。出于这个原因，aiva需要在创建之前模拟几次迭代。

朱凯德克朱凯德克也是一个人工智能组合启动。该团队由作曲家、制造商、工程师、专业学者和机器学习专家组成。他们对音乐和技术有着浓厚的兴趣，所以他们基于深层神经网络训练jukedeck，探索创作和改编音乐的方法，并为音乐提供个性化的工具。

朱凯德克将向人工智能神经网络添加数百个乐谱，以分析相连音符之间的概率或和弦的连续性，而深层神经网络可以通过自动转换音频的程序生成新的音乐作品。

用户可以改编或生成个性化音乐。该公司表示，它一直在寻求向需要背景音乐的消费者出售歌曲。《纽约时报》曾报道称，如果一家大型企业使用其音乐而不收取版权费，朱凯德克将收取21.99美元，远低于雇佣一名音乐家的成本。

科学家们一直认为音乐对人类思维有影响，其他人说人们可以通过听某种音乐来改善大脑功能。Brain.fm通过人工智能创造了一些混合音调，可以帮助人们减少焦虑和睡眠障碍，提高用户的心理工作能力，甚至缓解注意力缺陷障碍。)。

神经病学家和这家芝加哥音频初创公司制造了一台机器，它利用神经音乐的制作规则来创造出听起来像人类创造的旋律。据该公司称，人工智能可以创作音乐，提高大脑的注意力、放松、冥想、小睡片刻和睡眠，这在10到15分钟内有效。

人们可以使用人工智能产生符合他们理想状态的音乐，进入深度睡眠，或者专注于工作或冥想。该应用程序允许用户第一次免费听七次不同的声音，然后支付音乐费用。

Landr可以说是音乐领域最有趣的新兴技术之一，它可以提供即时的音频掌握服务，也就是说，每次用户上传一首歌曲，landr都会为作品创建一个定制的数字指纹，然后通过交叉引用的数据库来识别歌曲的类型和创作模式。然后，根据用户的轨迹要求，它将使用一系列定制的自适应工具，如多频带压缩、均衡器(eq)、立体声增强和限制处理、听觉激励等。然后，它会根据人工智能的独特属性，自动进行逐帧微调。

有趣的是，在最后阶段，经过人工后处理，音乐会听起来更清晰，更连贯，更丰富，更真实。有了landr的算法，我们可以很容易地分析我们以前掌握的丰富的歌曲库，以及用类似模式创作的其他类型的音乐。艺术家也可以将原创歌曲上传到landr cloud并获得成品。

歌曲识别软件shazam shazam可以识别用户周围的音乐和电视节目，人们可以通过它发现、探索和分享自己喜欢的音乐和电视节目。

简而言之，这类似于听音乐并了解它。如果你听到喜欢的音乐，想知道这首歌的名字，沙札姆会派上用场。

Shazam将在几秒钟内创建一个数字指纹音频，并在数百万首歌曲和电视节目的数据库中进行匹配。使用人工智能算法，该应用程序将向用户提供这首歌的名称、艺术家和相关信息，如歌词、视频、艺术家传记、音乐会门票和推荐歌曲。它还允许用户使用其合作伙伴服务购买或播放和收听这首歌。

在人工智能合成的背后，人工智能合成得到了人工智能技术的支持。这一领域的一个流行的研究工作是一篇题为“来自圆周率的歌曲:流行音乐一代的音乐简单网络”的论文。id=bybwspcex ).

据智虎介绍，本文的总体思路是使用lstm(分层递归网络)模型进行深度学习，并使用流行歌曲的迷你标签进行100小时的训练。有趣的是，作者将一些与音乐相关的常识整合到了这个模型中。模型结构如下图所示。rnn模型中有按键层、按键层、和弦层、鼓层等结构。在模型设计和合成的过程中也考虑了音阶和和弦等音乐因素。这些先验知识无疑可以帮助人工智能模型学习音乐中的关键元素和常见套路。

本文还展示了一些应用，如在音乐生成过程中同时生成舞蹈图形(如下图所示)，以及试图通过神经图像字幕生成歌词或朗诵，所有这些都为未来提供了无限的可能性。

或许，目前流行音乐的瓶颈不仅仅是作曲本身，还有乐器和声音的设计。试图利用人工智能技术创造独特的声音，使音乐脱颖而出，将是人工智能创作要达到真正效果所急需解决的下一个问题。然而，在未来，人类将与机器合作来发挥他们的创造潜力，而不是互相取代。