人工智能与音乐创作
人工智能与音乐创作
摘要
音乐是人类天然的爱好与艺术追求之一。自古以来哲学家们对人类是怎样欣赏艺术,怎样创作有着浓厚的兴趣。而很早的时候,人类便对音乐有了诸多的理论。在音乐史上,作曲家们也没有停止过对作曲技巧的总结和归纳。随着现代化的发展,人工智能概念的提出,人们渐渐产生了可不可以让计算机利用算法进行音乐创作的想法,于是算法作曲的概念应运而生。
应用价值
计算机目前的作曲水平还是初级，乐曲中的和弦部分由人工干预实现。尽管尚处于起步阶段，尽管尚处于起步阶段，但这项技术的应用前景相当广泛，在广告、社交、娱乐、AR、VR等多个场景均有施展空间。设想一下，以后新婚夫妇只要上传结婚照，就可以让人工智能定制专属音乐。此外，这项技术还应用于游戏领域。因此利用人工智能进行音乐创作的研究是有必要的。
难点
1.知识规则表达问题
任何一个算法作曲系统都不存在一个完美的表示旋律发展的技法。
2.音乐的创新问题
由计算机自动生成的音乐作品，对于作曲家或者使用者来说是否具有实用性?这涉及到一个重要的问题，那就是我们使用算法作曲这样的方式进行音乐创作是为了模仿作曲家自身的音乐创作过程，还是为了模仿某类风格作品的题。
3.如何评估计算机生成的音乐作品的问题
由算法作曲生成出来的音乐片段是否能真正符合传统的音乐理论呢?显然，作曲系统中的质量评估机制是一个很重要的部分。它往往会引导音乐创作的方向，甚至最终决定音乐作品的成败。
4.如何对算法作曲的作品赋予人类的情感
收获
1.通过对算法作曲的相关材料的阅读，对如何进行算法的设计有了一定的认识，锻炼了自己查找资料的能力，对以后的学习很有帮助。
2.对知识规则系统，马尔可夫链，深度学习等算法有了一定了解。
3.在遇到问题的时候应该多想想为什么，多从身边的小事找出其中蕴含的知识，不应该抱怨其存在的问题，应该从这些问题中找到解决问题或优化及改进的方法。
4.遇到一个大的难的问题时，不能被吓倒，而是应该静下心来，把大的问题细化和找出最本质的问题（即最小可操作的点），然后各个击破，最后会发现慢慢的问题已变明朗。
综述
通过查阅资料，目前研究算法作曲的方法有很多：
1.知识规则系统
我们在一个作曲系统中建立一系列创作旋律的知识规则的集合，由计算机生成的每一条旋律都需要通过1个给定的知识规则的集合而产生的。基于知识规则的系统在复杂的音乐创作过程，其优点就是知识编码很清楚、能够从复杂的关系中得出结论。但是如果试图模仿基于作曲家创作音乐时所使用的所有作曲规则与技法，将其提炼出来，输入计算机中，这个趋势是很困难的。
2.马尔可夫链
马尔可夫链一直被广泛地应用于算法作曲领域中，是按照个转换表来依次选择音符。这个转换表就像一个函数，其自变量是当前的音符，而函数值则是下一个要出现音符的可能性。转换表可以按照·定的标准人为构造，其中嵌套个特定的音乐风格。针对某一特定(如某一作曲家或某一时期的)风格的音乐作品进千犷收集和统计，就可以构造出相应的转换表。而这个转换表定义了这些特定音乐风格的作品中音符导向的可能性。转换表其实所表现的是旋律的风格的量化。马尔可夫链主要用于产生一条具有一定风格的旋律。这种方法可以模拟作曲家创作音乐时的思维，来控制计算机生成相应的音乐作品。我们可以进一步通过已有的旋律作为参数的输入，或者自定义其每个音符所出现的可能性来产生出一种全新风格的音乐作为输出。
3.深度学习
从一个输入中产生一个输出所涉及的计算可以通过一个流向图(flowgraph)来表示:流向图是一种能够表示计算的图，在这种图中每一个节点表示一个基本的计算并且一个计算的值(计算的结果被应用到这个节点的孩子节点的值)。考虑这样一个计算集合，它可以被允许在每一个节点和可能的图结构中，并定义了一个函数族。输入节点没有父亲，输出节点没有孩子。
最下面蓝色的部分是你输入的音乐。从上图可以看出，input是一个个的点，然后通过input来相互结合生成灰色的点，经过几层的连接之后，最后的Output就是新生成的音乐，也就是黄色的点。把黄色的点拉下来，就生成里新的音符。是根据之前的所有音乐来生成音符。
4.SOFM
自组织特征映射网络（SOFM）是自组织网络中的一种，所谓的自组织过程是指学习的结果总是使聚类区内各神经元的权重向量保持向输入向量逼近的趋势，从而使具有相近特性的输入向量聚集在一起。这种结构的网络能够从输入信息中找出规律以及关系，并且根据这些规律来相应地调整网络，使得以后的输出与之相适应。
分析
通过对这些资料的阅读，对这些方法有了一定的了解，那我自己会怎样用人工智能谱曲呢？
对于谱曲算法，我的想法是这样：
1.利用启发式信息，搜索长度为10的一段旋律的部分可能解。
说明：
（1）启发式信息：启发式信息可以是这个音和上一个或几个音、这个和弦和上一个或几个和弦的搭配程度，这个可以通过分析大量现有作品，从而获得一个概率表。例如，如果在很多乐曲中，两个和弦一起出现的概率很小，说明这两个和弦的组合是不和谐的，就不需要继续往下搜索了。
（2）长度为10：搜索长度不可以太长，否则计算量会很大。这也是这种方法的一大缺点。
（3）部分可能解。为了简化计算，可以只在中音区搜索，即便如此，全部解仍有21的10次幂之多，不过考虑到启发式信息，我们只需要搜索一小部分解就可以了。
2.随机输入+SOFM聚类。
上面的搜索法的缺点之一是没有创造性，缺少变化，我认为很重要的一点是在最优性和可行性之间选择了可行性。那么，有没有一种方法可以提高解的最优性呢？
为了提高乐曲的长度，聚类是一种不错的方法。聚类是把相似的对象通过静态分类的方法分成不同的组别或者更多的子集，这样让在同一个子集中的成员对象都有相似的一些属性。
说明：
（1）无规则的音符可以随机产生。
（2）“相似”的定义可以是频率的接近，也可以是通过对大量乐曲的分析得到的一张相似性表。
（3）和上面提到的搜索不一样，这种方法由于输入具有随机性，所以输出也富有变化，避免了单调，而且单次计算复杂性很低，可以模拟出人类的情感。不足的是，这种方法聚类的结果不一定和人类的口味，所以同样需要大量计算，从中选择我们喜欢的解。
3.遗传算法。
遗传算法是学习大自然中生物的进化，过程是这样的：将音符的排列组合编码成一组基因群体，从群体中选择父代，父代通过随机扰动产生随机变化，通过适应性函数选择优秀的个体，加入群体并下一次进化，直到找到可行解为止。
说明：
（1）编码：把音符的顺序映射为生物的基因。
（2）随机扰动：每一代进化以后，随机产生扰动，随机对音符进行交叉（重组）、变异（改变某一位的音符），实现解的多样化，从而尽量实现整体最优。
（3）选择：进化以后通过适应度函数选择，找出最适应环境的个体，进行下一次进化。
（4）适应性函数：评价解的优劣性，在这里就是曲子的“悦耳度”，体现在数学上可以使不同音符、和弦相连的概率，也可以是和名作片段的相似性等。
结论
通过对这些论文的阅读，算法作曲已经不是难事，索尼，谷歌等一些公司已经创作出一些音乐了，听过之后我觉得对已有音乐的模仿是容易达到的，但无论人们开始时是怎么想的，音乐表现远比句法规则所能捕捉到的东西要多得多。在很长的一段时间之内，计算机作曲程序谱出的乐曲不会产生新的美感。不仅仅是音乐，所有艺术作品，对于我们来说，都是一种表达。它所展现的内容和情感远远不止是那些规则和技法所能捕捉到的。它必须来源于一种体会，而这暂时来讲还是机器所无法达到的。但我相信，通过神经网络模型，机器学习和人工智能算法的不断发展，创作出的音乐将会越来越好。
参考文献
韩钢.基于神经网络的算法作曲系统[TP].南京大学,2014
刘涛.音乐情感认知模型与交互技术研究[TP].浙江大学,2006
刘艳梅.遗传算法在旋律创作中的应用研究.河南师范大学[D],2014
知乎作者：汉堡包
AI+音乐=人工智能在音乐消费场景的中作用比想象的要大
编辑导读：人工智能的应用越来越广泛，除了最开始的虚拟歌姬，AI在音乐上的应用已经涵盖到AI作词、AI作曲、音频合成等多个方面。人工智能在音乐消费场景会有什么新突破？本文作者对它的发展进行了分析，希望对你有帮助。
人工智能正更广泛的在音乐行业中扩大影响并辐射各行业及场景带来诸多利好。
自上世纪40年代人工智能行业开启后，随着AI技术的日臻完善和成熟，AI能够作用于社会生活的范围逐渐扩大，从尖端科技产业应用人工智能产品，到涉及生活方方面面的智能家居。在音乐市场，AI技术的应用也愈发深刻，覆盖音乐教学、AI音乐创作、虚拟歌手、娱乐社交等众多场景。
现阶段，随着人工智能的不断开发和演进，AI在音乐领域的能力正逐渐被大众认可。
而且，不管是AI技术用于音乐创作发展，还是借助AI音乐赋能产品玩法，再或者以AI技术对音乐进行加工利用，如：AI演唱、AI作词、AI作曲、人声/乐器分离、BGM识别、副歌剪辑、曲谱识别、音频合成等等，人工智能正更广泛的在音乐行业中扩大影响，其辐射各行业及场景带来诸多利好也是明显可见的。
一、AI音乐创作机器可能没有灵魂，但现在它和人一样，也可以进行艺术创作。
在音乐创作层面，机器通过对大数据深度学习训练后，模型可自动产生类似人类作曲家的曲子，相较人工作曲，AI创作在成品数量及速度上都更加突出，而且，随着机器算法学习的不断强化，其创作能力、作品质量也将大幅提升，这打破了音乐市场关于成本及创作时间的限制，对于音乐产业链运作将更有效率。
AI是如何谱曲的？简单来说就是大数据分析+外部算法，AI作曲背后蕴含着多种算法模型的结合运用，包含人工神经网络、马尔科夫链及遗传算法等。
人工神经网络是一种对生物神经的网络行为特征进行模仿，开展分布式并行信息处理的算法数学模型，基于程序员搭建的多层“神经网络”，机器对海量经典音乐数据消化和分析后形成对音乐旋律、节奏、音高、强弱变化的理解。而在不断的高速学习中，AI的能力会越来越强，最终掌握规律并不断以巧妙的手法重新融合，创造出风格不同的音乐作品。该方式能够对音乐全局性特征进行学习，但缺点是需采用大量的样本进行训练。
马尔科夫链是一种随机选择过程，主要用于产生一段具有一定风格的旋律，这种方法可以模拟作曲家创作音乐时的思维，来控制计算机生成相应的作品；遗传算法则是模仿生物进化过程的智能计算方法，使用适应性函数来演化样本、优化全局。
当前，国内外也已有不少企业布局该领域并推出研发成果，如：AIVA科技开发AI作曲家“Aiva”，据悉，微软“小冰”的音乐创作能力已实现旋律、编曲及歌词端一体化的产品落地；基于人工智能的音乐作曲工具还有EcrettMusic、谷歌Magenta和索尼FlowMachines等；
国内，行者AI团队“小嗨”在智能创作上，已实现识曲、作词、作曲等功能，作品已实现商业化授权和应用；中国平安AI作曲在世界AI作曲国际大奖赛中获得第一，创作AI交响变奏曲《我和我的祖国》；今年春节，网易也试水AI音乐创作领域，推出一站式音乐创作平台网易天音，解锁拜年新姿势；4月12日，科技音乐公司HIFIVE也官宣上线“AI音乐开放能力”服务，以先进科技赋能音乐发展，“AI音乐创作”功能现全面开放。
AI作为交互式创作助手，不仅可给予专业创作者更多的灵感和可能性，而且，对于音乐爱好者来说，AI音乐降低了内容创作门槛，可帮助更多人加入到音乐创作中。
二、音乐教学“人工智能+教育”正在大范围改变人们的生活与教育方式。
智能化的电子乐器，这种智能化乐器不仅能够储存更多的乐器音乐，还可以对音色进行编排，可以按照一定的行为指令进行顺序演奏，此类乐器的功能是其它乐器无法比拟的，在教学中，需要多人协作演奏的乐曲可实现一个人在这样的乐器上演奏。
人工智能音乐软件应用于现代音乐教学中，原来依靠合成器或者音乐工作者处理编辑的音乐任务交由电脑来完成，不仅提高了音乐数据的处理能力也扩大了音乐信息的容纳范围。此外，通过软件还可以将古诗词等改编成音乐；器乐分轨、曲谱直接转为音乐播放，寓教于乐。
科技的运用还可以促进音乐教学对网络的学习和应用。智能化乐器和软件的使用，一些新兴的音乐课程和教学方式出现，打破破传统教育模式，加强音乐教学中师生交流互动，也使学生融入到更广泛的音乐世界中去，学习音乐享受音乐，从而创造音乐。
三、商业化授权和应用，降本增效现阶段，人工智能作曲技术也正逐渐往商业应用方向发展，其应用场景主要为影视剧配乐、视频配乐，游戏配乐、在线工具配乐、商业广告、发布会、产品内置等方面。从创作时间和成本上看，AI音乐作品为非艺术场景、批量制作、创意要求不高，对价格敏感的商用音乐需求提供了好的解决方案。
例如，在娱乐社交产品中，音乐作为重要的元素，应用于语聊房背景音乐，K歌房伴奏、游戏音效等众多场景下，在平衡音乐成本和满足用户音乐需求层面，相较人工创作的高昂费用及不确定时间，AI音乐的极致性价比可有效帮助开发者降本增效。
从HIFIVE音乐开放平台网站“AI音乐开放服务”公布的价格看，其按照服务量计费，＜1万次的AI作曲调用，仅需1元/次，对于大批量的需求者，随着调用次数的增加，单次低至0.5元。对于音乐需求者，AI作品不仅可大幅降低音乐成本，而且便捷的接入方式和可控的创作时间都有利于项目进度规划。
四、虚拟歌手人工智能偶像掀起娱乐新风向
当前虚拟歌手，也已不再是陌生话题，根植于二次元文化和粉丝经济人气虚拟歌姬初音未来、洛天依在年轻一辈中可以说是人尽皆知，虚拟歌手也开辟了偶像领域的新模式，被称“永不会塌房”的idol”。
2021年春节联欢晚会上，月亮姐姐、王源、洛天依合作出演少儿歌舞节目《听我说》，这是央视春晚历史上虚拟歌手的首次亮相。从2012年作为中国首个虚拟歌手出道，到登上央视春晚舞台，洛天依被大众认可和接受也表明虚拟偶像向主流化道路进军再下一城。
其代表作《达拉崩吧》《权御天下》等在各大音视频平台也拥有不俗的播放量和传播度。近日，上映的动画电影《精灵旅社》最终章《精灵旅社4：变身大冒险》，洛天依也与精灵家族梦幻同屏献唱中文版主题曲《爱，醒来》。
其实除洛天依外，国内也还有言和、乐正龙牙、徵羽摩柯、墨清弦、乐正绫等众多虚拟歌手，随着虚拟偶像的崛起，AI技术也将在市场应用中朝着更先进的方向发展。
五、写在最后技术革新既是挑战，也是机会。
对于AI音乐也曾引起许多争议：AI作的曲能称作是艺术吗？AI作曲会导致音乐人失业吗？AI作品版权如何界定……虽然上述问题还有待商榷，但我们不可否认，AI技术在音乐层面的应用正逐步深入并带来众多积极效益。
因此，我们有理由相信AI音乐的未来是充满希望的，其市场应用也会迎来更大的发展机遇，将为音乐产业链上下游带来更多的利好。
本文@HIFIVE嗨翻屋原创发布于人人都是产品经理。未经许可，禁止转载。
题图来自Unsplash，基于CC0协议