有了这款神器,人人都是作曲家!

浏览: 1308

作者简介Introduction

Henry Ouyang    编程、人工智能深度爱好者

个人邮箱:Henry_oy@hotmail.com

摘要:人工智能作曲APP Amper Music的简单介绍和测评,以及人工智能和机器学习的小科普


“今天,你作了多少首曲子?”

人工智能的发展一直被所有人密切关注,可是AI在艺术方面的贡献却是只有较少人发现和发掘的,那么今天为大家介绍一下人工智能和音乐之间擦出的火花。

 

不知道大家有没有听说过Amper Music这款线上作曲app,这是一款由AI作曲,按照用户喜好来生成具有特定情绪、风格、长度的音乐。

(Amper Logo| 图源Amper官网)

(选择作曲模式| 图源Amper官网)

(选择风格 | 图源Amper官网)

(选择情绪 | 图源Amper官网)

(设置音乐长度| 图源Amper官网)

(成品样例 | 图源Amper官网,音乐为实测)

简单说几句 | 一级测评

“操作简单,不需要专业技术,方便,不需要脑子”

老实说,没有那么好听,但结果仍然出乎意料,大概是我仍然对人工智能存在一定的低估。如果不是过于正式的使用的话,我愿意听Amper为我作上一曲。

 

为什么我们需要Amper?

或许应该说“为什么我们需要人工智能来帮我们作曲”,难道人类的作曲水平不够吗?

——当然不是

 

首先,笔者是一个路人级的人工智能和编程爱好者,同时也是一个路人级的音乐爱好者。

 

当我们需要音乐(比如在抖音视频上加个bgm)却没有能力作曲时,我们会怎么办?

——网上下下来用,会存在版权问题(不好意思请忽略上面的例子)

——请专业作曲家作曲,真的贵(也不知道是不是tb店家又在坑人了)

——请人工智能来帮个小忙

 

或许,这还真的是帮个小忙。

 

它怎么作曲 | 机器学习与音乐

什么是机器学习?

 

“机器学习(MachineLearning, ML)是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心,是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域,它主要使用归纳、综合而不是演绎。”(摘自百度百科)

 

举个简单的例子:你和你的基友

1 | 你拿来一条鱼告诉你的基友 这是虹鳟;

2 | 你拿来一条鱼告诉你的基友 这是大西洋鲑;

3 | 你拿来一条鱼告诉你的基友 这是大西洋鲑;

4 | 你拿来一条鱼告诉你的基友 这是大西洋鲑;

5 | #你重复上述流程,给你的基友看了很多鱼并告诉了他品种

 

久而久之,你的基友就认识了很多鱼

后来你拿一条“三文鱼”给基友看

基友:这是虹鳟(通过自身认知判断鱼类)

 

恭喜你,通过“基友学习”打造了一个鱼类识别仪。

那么,请把所有“你的基友”换成“你的电脑”,这就是机器学习

其中:

鱼——训练数据(trainingdata)

大西洋鲑/虹鳟——标签(labels)

 

(灵感来自公众号文章《因为这件气人的事,以后可能要告别三文鱼刺身了》,涉及内容仅限取材)

 

同理,机器不仅能学习鱼这样简单的信息,也可以学习音乐这样复杂的数据,而且其潜力是我们无法想象的(机器学习音乐的速度远超过一个零基础的乐痴),其中更深层次的内容(如下文提到的RNN和LSTM)在此不赘述。笔者在GoogleScholar和IEEE上(文末附两个平台的链接)尝试搜索和阅读了一些关于机器学习与音乐的论文,发现有关音乐在机器学习领域的paper甚少,很多也只是一些概述,总结性的文章。不知道是专业人士对音乐的爱好不足还是这方面的研究已经足够完善或过于困难。

 

有啥缺陷| 二级测评

Amper在官网上说,他的目的是给人类提供灵感和技术支持,帮助人类更方便的作曲。所以如果是音乐零基础的人(其实正儿八经的音乐爱好者也很难说一点基础都没有)可能在参数选择上会有些迷茫。而且Amper的音乐听多了也难免有点腻。总的来说,Amper的能力和潜力是无限的,在未来也一定会令人更加刮目相看。

 

技术控| 自己用机器学习作曲

抛开专业的机器学习背景,仅仅用一点点机器学习和Python基础,怎样使用机器学习让机器也自己作一首曲子呢?

 

其实,在GitHub上有很多已经构造好的用来作曲的神经网络,我们要做的只是安排一些训练数据(通常使用MIDI文件)再等待生成时间。这里简单介绍一款著名的为艺术而生的人工智能工具,由Google Brain开发的Magenta。

 

“Magenta致力于探索机器学习在创造艺术和音乐上的作用。”

(摘自Magenta官网简介 | 文源https://magenta.tensorflow.org/

Magenta代码开源,它基于TensorFlow运行,所以也要先准备TensorFlow的环境。在Magenta的GitHub链接(官网跳转)中有很详细的安装,环境配置(个人感觉在配置bazel的时候最麻烦,而且win显得及其无力),测试方法等。同时CSDN和其他个人博客上也有中文的配置和使用方法,简单易懂,在不打算深挖原理而又好奇的情况下非常容易上手。

注:需要有Python语法基础

 

最后再扯扯 | 闲谈人工智能与艺术

我们经常设想人工智能各种领域为我们带来无限的便捷。就我个人而言,也是人工智能的强烈拥护者,我也希望AI在未来能在更多的方方面面完全取代人类的工作,但我始终认为,艺术是存在灵性的,是有精神和灵魂的。不管是音乐还是其他艺术形式,人类对其做出的贡献始终是无法替代的,而人工智能在艺术领域终究只能成为我们的一种手段。愿所有艺术工作者能永远在艺术的道路上追求更高的境界,也希望所有的艺术形式都能成为人类永远的专利。

所谓,

“The future of music is between human and AI, and onlybetween human and AI.”

 

题外话

本文是笔者心血来潮写的第一篇闲谈文,文章所涉及的部分专业知识也仅限于个人见解,欢迎各位圈内认识进行更多的交流,后续如果再次心血来潮的话也会继续不定期更新的哟~

 

参考链接

Amper Music官网:https://www.ampermusic.com/

百度百科-机器学习:https://baike.baidu.com/item/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0

《因为这件气人的事,以后可能要告别三文鱼刺身了》:https://mp.weixin.qq.com/s/DtouMLx1wSLRJoXaW5Cpag

Magenta官网:https://magenta.tensorflow.org/

GoogleScholar:https://scholar.google.com/

IEEEXplore Digital Library:https://ieeexplore.ieee.org/Xplore/home.jsp


公众号后台回复关键词学习

回复 免费                获取免费课程

回复 直播                获取系列直播课

回复 Python           1小时破冰入门Python

回复 人工智能         从零入门人工智能

回复 深度学习         手把手教你用Python深度学习

回复 机器学习         小白学数据挖掘与机器学习

回复 贝叶斯算法      贝叶斯与新闻分类实战

回复 数据分析师      数据分析师八大能力培养

回复 自然语言处理  自然语言处理之AI深度学习

推荐 0
本文由 人工智能爱好者社区 创作,采用 知识共享署名-相同方式共享 3.0 中国大陆许可协议 进行许可。
转载、引用前需联系作者,并署名作者且注明文章出处。
本站文章版权归原作者及原出处所有 。内容为作者个人观点, 并不代表本站赞同其观点和对其真实性负责。本站是一个个人学习交流的平台,并不用于任何商业目的,如果有任何问题,请及时联系我们,我们将根据著作权人的要求,立即更正或者删除有关内容。本站拥有对此声明的最终解释权。

0 个评论

要回复文章请先登录注册