智能制造網(wǎng)APP
智能制造網(wǎng)手機站
智能制造網(wǎng)小程序
智能制造網(wǎng)官微
智能制造網(wǎng)服務(wù)號
智能控制
機器人
儀器儀表
物聯(lián)網(wǎng)
3D打印
工業(yè)軟件
回放
回放
elbe 0.700十字萬向軸用于機器的驅(qū)動技術(shù)
萬向軸,用于機器和車輛的驅(qū)動技術(shù),快換聯(lián)軸器,鋼,不銹鋼,0.716.100品牌
Elbe
隨著智能技術(shù)的加速和廣泛應(yīng)用，越來越多的人意識到人工智能不再是一種純粹的技術(shù)手段，而是教育整體變化的內(nèi)生變量和重要動力。
各種政策的出臺，不難看出國家在促進人工智能和教育深度融合以及推動教育變革創(chuàng)新方面的努力和決心。
在傳統(tǒng)意義上，機器的優(yōu)勢在于能夠幫助人類完成機械而重復(fù)性的勞動，對于創(chuàng)造性的工作則參與較少。但隨著人工智能技術(shù)的發(fā)展，它正逐漸應(yīng)用于音樂的創(chuàng)作、制作、分析和教育等領(lǐng)域。那么，在音樂上人工智能如何發(fā)揮？
利用AI作曲是音樂人工智能的方向之一
利用AI 作曲或者輔助作曲變成關(guān)注度最高的應(yīng)用方向之一，很多疑問也就此產(chǎn)生。如AI 作曲技術(shù)能否在一定程度上代替人類作曲家？其創(chuàng)作出來的作品是否有“感情”？AI 作曲技術(shù)會如何影響傳統(tǒng)作曲的思維？
在人工智能于各行業(yè)應(yīng)用的實際過程中，機器學(xué)習(xí)可以說是AI 最重要的子集之一，它深刻影響著AI 中的其他領(lǐng)域。用AI 技術(shù)自動作曲并不是一個新的課題，相關(guān)的研究很多年前就已經(jīng)開始，但是一直受技術(shù)所限。
人工智能作曲的主要原理同下圍棋的原理類似，主要運用遺傳算法 、神經(jīng)網(wǎng)絡(luò)、馬爾可夫鏈和混合型算法等，利用音樂規(guī)律給計算機制定規(guī)則、建立海量數(shù)據(jù)庫，繼而進行深度學(xué)習(xí)，分析作曲規(guī)則、結(jié)構(gòu)等各項信息，然后重新生成音樂。
目前，有多家國內(nèi)外機構(gòu)和公司開始了該領(lǐng)域的研究。傳統(tǒng)的方案是完全建立在用規(guī)則構(gòu)建智能系統(tǒng)的基礎(chǔ)上 而新的方案是更多地使用神經(jīng)網(wǎng)絡(luò)的方式，即使用“學(xué)習(xí)”的方式來實現(xiàn)。(神經(jīng)網(wǎng)絡(luò)：它的基本特點是模仿人類大腦的神經(jīng)元之間的信息傳遞和模式)
音樂“鬼才”小冰
人工智能少女“小冰”一位來自上海音樂學(xué)院的畢業(yè)生。
“音樂是流媒體，對作品的流暢度要求很高。此前“小冰”在音樂創(chuàng)作中的能力主要是內(nèi)容的生成，比如演唱，這一次小冰學(xué)習(xí)的作詞、作曲和編曲其實更難。”前微軟(亞洲)互聯(lián)網(wǎng)工程院副院長、現(xiàn)任小冰公司首席執(zhí)行官李笛說。
如何讓人工智能學(xué)會音樂創(chuàng)作呢？
首先，基于“小冰”已有的音樂創(chuàng)作模型，團隊把端口給到上海音樂學(xué)院的老師，讓老師去聽小冰創(chuàng)作的海量音樂作品，并給出系統(tǒng)性的點評。
其次，老師也教會團隊程序員基本的樂理知識，包括編曲技巧等，用于優(yōu)化“小冰”的創(chuàng)作模型。
最后，“小冰”不斷學(xué)習(xí)，不斷交作業(yè)，老師不斷給反饋。無論“模型”“作業(yè)”還是“反饋”，都是一個不斷迭代的過程，如此循環(huán)往復(fù)……
當“小冰”達到和人類同學(xué)相似的水平，且趨于穩(wěn)定，她就畢業(yè)了。
像人的學(xué)習(xí)一樣，人工智能也是通過語料庫學(xué)習(xí)海量的內(nèi)容，然后“創(chuàng)作”新的作品。普通學(xué)生學(xué)習(xí)一首曲子需要至少一周時間，但是在“小冰”的學(xué)習(xí)中，創(chuàng)作只需要3秒鐘。
但是在作品的評價標準上，“小冰”的作品是達到一個怎樣的水平？實際上，音樂的魅力在于創(chuàng)作家的“二度創(chuàng)作”，即“感情”。
“一首鋼琴曲，十個演奏家彈出來是十種完全不同的感受，這里面就有演奏家的二度創(chuàng)作。這種感受的不同是機器取代不了的。”作曲家于陽說。
因此，在感情表達方面，人工智能音樂目前還達不到最高標準。
AI技術(shù)能影響音樂制作的流程
2017年Spotify全球音樂榜排名第二的歌曲是由IBM的Waston Beat人工智能系統(tǒng)參與創(chuàng)作的Not Easy，整個制作過程從多個方面應(yīng)用了相關(guān)的技術(shù)來輔助完成。
該系統(tǒng)能夠在聽到大于等于20秒的音樂后，基于原始的采樣生成一段新的旋律或相關(guān)的聲音和節(jié)奏。整個制作流程中，Watson 首先對近5年熱門的新聞、文化等音樂相關(guān)的數(shù)據(jù)進行分析、提煉，將音樂創(chuàng)作的核心詞定為“心碎”。
其次，在具體歌詞的創(chuàng)作階段，Waston 分析了5年來近26000首歌曲的歌詞，提取了博客、推特等社交媒體中的大量信息，分析大眾對“心碎”這個詞的反應(yīng)，輔助人類創(chuàng)作歌詞。
再次，Watson分析了這些歌曲的風(fēng)格、樂器、音高、節(jié)奏等相關(guān)特性， 然后建立模型給人類作曲家提供參考。最后，Waston 進行專輯封面的設(shè)計。
實際上，AI 技術(shù)用于音樂的識別效果更好，因為Waston每秒鐘閱讀網(wǎng)頁的速度是700000頁。這個實例證明了目前AI 技術(shù)能夠在各個方面影響音樂制作的流程。
浙公網(wǎng)安備 33010602000006號
智能制造網(wǎng)APP
智能制造網(wǎng)小程序
微信公眾號
