人工智能在音乐中的应用：如 MusicBrainz Picard 等工具
加入我们，深入探讨人工智能在音乐中的作用，从分析音频数据到生成新音乐。探索其在音乐行业的影响和应用。
人工智能 (AI) 的核心在于让机器重现人类智能。人类生活的一个重要部分就是我们与艺术，尤其是音乐之间的联系。音乐深刻地影响着我们的 文化 和情感。多亏了AI的进步，机器现在能够创作出听起来像是人类作曲的音乐。AI音乐为人类与AI之间的创新协作开辟了新的可能，并正在改变我们体验和接触音乐的方式。
在本文中，我们将探讨AI如何被用于创作音乐。我们还将讨论AI与MusicBrainz Picard等音乐标记工具之间的联系，以及它们对艺术家、制作人和整个娱乐产业的影响。
Link to this section声音AI及其意义#
AI可以处理各种类型的数据，包括声音。声音数据（通常称为音频数据）是随时间变化的、具有不同强度的波频率的混合体。就像图像或时间序列数据一样，音频数据可以转换为AI系统能够处理和分析的格式。声波可以转换为能被AI模型分析的数值数据。
另一种有趣的方法是使用傅里叶变换，它将声波转换为频谱图。频谱图是一种可视化表示，展示了不同频率的声音如何随时间变化。AI模型可以通过将频谱图视为图像，应用 图像识别 技术来分析和解读音频数据。AI可以像处理视觉数据一样，识别声音中的模式和特征。
图 1. AI对声音进行分类的示例。
利用AI分析、处理和生成音频数据创造了一系列应用。以下是一些示例：
- 音乐生成与作曲： 通过学习现有作品来创作新音乐，并协助音乐人处理旋律、和声和节奏。
- 音频增强与降噪： 通过减少 呼叫中心、助听器和音频编辑中的背景噪音来提高音频质量。
- 播客摘要： 生成播客片段的简明摘要，以便更轻松地消费内容。
- 语音情感检测： 在客户服务、心理 健康监测 和用户体验研究中检测语音中的情绪。
Link to this section了解AI歌曲生成器的工作原理#
AI歌曲生成器的工作原理是分析并学习现有的音乐，这类似于 图像生成。了解利用AI“理解”音乐与利用AI“生成”音乐之间的区别非常重要。理解音乐涉及分析和识别模式，而生成音乐则涉及基于这些已学习的模式来创作新的作品。
图 2. 比较使用AI理解音乐与AI音乐生成。
AI音乐生成过程始于收集包含各种流派和风格的大型音乐数据集。随后，数据集会被拆解成音符、和弦和节奏等较小的组件，并转换为AI可以处理的数值数据。
有许多不同的 生成式AI模型 可被训练用于生成音乐。例如，像Transformer和变分自编码器 (VAE) 这样的AI模型可以 协同工作 来生成音乐。VAE可以将输入的声音压缩到潜空间中，通过将相似的音乐片段归为一类，以捕捉音乐的多样性和丰富性。随后，Transformer利用这个潜空间，通过理解模式并关注序列中重要的音符来生成新的音乐。
一旦AI模型在这些数据上完成训练，AI就可以通过预测下一个音符或和弦来生成新音乐。它可以通过串联这些预测来创作完整的作品。生成的音乐还可以进行微调，以匹配特定的风格或偏好。
我们开始看到越来越多的音乐生成器正在使用这项技术。以下是一些示例：
- Google的MusicLM： 根据文本提示生成音乐，允许用户指定流派、情绪、乐器和整体氛围。
- Meta的MusicGen： 使用名为EnCodec的工具处理音频数据，从文本描述或现有旋律中创建音乐。
- Stability AI的Stable Audio 2.0： 从文本和音频输入中制作高质量的音轨和音效，能够创建完整的曲目并根据提示转换音频样本。
Link to this sectionAI对音乐产业的影响#
AI创新正在为音乐人、听众和制作人创造 新的机会 和挑战，导致他们可能遇到前所未有的局面。观察这些群体如何适应这些进步、使用新工具以及应对关于原创性和伦理的担忧，是一件很有趣的事情。除了生成音乐外，AI在音乐产业中还有其他令人兴奋的潜力，比如增强现场表演、改善音乐发现以及辅助生产过程。让我们仔细看看AI如何影响音乐产业中的音乐人、听众和制作人。
图 3. 生成式AI对音乐产业的影响。
Link to this section对音乐人的影响#
AI正在改变音乐人创作音乐的方式。集成生成式AI的工具可以帮助生成新的旋律、和弦进行和歌词，使音乐人更容易克服创作瓶颈。AI也被用于完成未完成的作品，例如披头士乐队的新歌 "Now And Then"，这是利用约翰·列侬旧录音带中的人声创作而成的。然而，模仿知名艺术家风格的AI生成音乐的兴起引起了对原创性的担忧。例如，像 Bad Bunny 这样的艺术家担心AI未经同意复刻他们的声音和风格。
除了创作音乐之外，AI和计算机视觉还能帮助音乐人打造更好的表演和音乐视频。音乐视频由许多不同的元素组成，其中一个元素就是舞蹈。姿态估计模型，例如 Ultralytics YOLOv8，可以理解图像和视频中的人体姿态，并在创建与音乐同步的编舞序列时发挥作用。
AI如何用于编舞的另一个很好的例子是NVIDIA的 "Dance to Music" 项目。在这个项目中，他们利用AI和两步流程来生成多样、风格一致且符合节拍的新舞蹈动作。首先，姿态估计和运动节拍检测器被用于从大量舞蹈视频中学习各种符合节拍的舞蹈动作。然后，生成式AI模型被用于将这些舞蹈动作组织成符合音乐节奏和风格的编舞。AI编排的舞蹈动作为音乐视频增添了有趣的视觉元素，并帮助艺术家更具创造力。
Link to this section对听众的影响#
For listeners, AI can improve the music discovery and listening experience. Platforms like Spotify and Apple Music are using AI to curate personalized playlists and recommend new music based on users' listening habits. When you discover new artists and genres on these platforms, that’s AI’s magic.
AI驱动的虚拟现实 (VR) 也正在改善现场演唱会体验。例如，Travis Scott 使用VR创造虚拟演出以触达全球观众。然而，TikTok等平台上大量AI生成的音乐可能会让音乐发现变得不堪重负。这可能会使新艺术家难以脱颖而出。
图 4. AI使虚拟现实 (VR) 演唱会体验成为可能。
Link to this section对制作人的影响#
制作人从AI中受益匪浅。辅助音高修正、混音和母带处理的AI工具简化了制作流程。AI驱动的虚拟乐器和合成器，如IBM的Watson Beat，可以创造新的声音和纹理，从而拓展创作可能性。
流媒体平台上的AI不仅让听众受益，还通过创造更广泛的受众来帮助制作人。然而，正如音乐人所担心的那样，AI模仿知名艺术家风格的能力引发了关于利用艺术家独特声音和风格的伦理和法律问题。这导致了 法律 纠纷，例如环球音乐、索尼和华纳等大型音乐公司针对Suno和Udio等AI初创公司提起的 诉讼，指控其未经许可使用受版权保护的作品训练模型。
Link to this section使用MusicBrainz Picard等集成AI的工具管理音乐库#
我们简要探讨了通过了解AI对音乐产业不同利益相关者的影响来探究AI在音乐中的一些应用。现在，让我们了解一个AI在音乐中更具体的应用：像MusicBrainz Picard这样AI增强的音乐管理工具。这些工具对于组织和管理数字音乐库非常有用。
图 5. 音乐库可以使用AI进行管理。
它们会自动识别音乐文件并用准确的元数据（如艺术家名称、专辑标题和曲目编号）对其进行标记。MusicBrainz Picard使保持音乐收藏井井有条变得更加容易。集成到MusicBrainz Picard中的关键技术之一是AcoustID音频指纹。即使文件缺少元数据，这些指纹也能根据其实际音频内容识别音乐文件。
为什么这如此重要？ 像BBC、Google、Amazon、Spotify和Pandora这样的 大型组织 依靠MusicBrainz数据来增强其音乐相关服务。像MusicBrainz Picard这样的工具所创建的元数据对于构建音乐数据库、标签应用程序或其他音乐相关软件的开发者来说至关重要。AI的骨干是数据，如果没有像Picard这样的工具，要获得分析和应用开发所需的干净、准确的数据将非常困难。令人着迷的是，AI增强工具利用AI并帮助创造AI应用所需的数据，形成了一个改进和创新的良性循环。
Link to this section关于音乐中AI的结语#
我们已经讨论了AI在音乐领域掀起的浪潮。围绕AI生成音乐的法律格局也在不断演变。现行的法规（例如 美国版权局 的法规）规定，完全由AI生成的作品不能申请版权，因为它们缺乏人类作者身份。然而，如果人类对创作过程做出了重大贡献，该作品可能有资格获得版权保护。随着AI不断融入音乐产业，持续的法律和伦理探讨对于应对这些挑战至关重要。展望未来，AI在音乐领域具有巨大的潜力，将技术与人类的创造力结合起来，以扩展音乐创作和 制作 的可能性。
通过访问我们的 GitHub仓库 并加入我们活跃的 社区 来探索AI。请在我们的解决方案页面上了解AI在 制造业 和 农业 中的应用。
