從AI孫燕姿到MusicGen，從演唱到創(chuàng)作，AI已經(jīng)全面入侵音樂(lè)領(lǐng)域。

近日，Meta在Github上開(kāi)源了AI模型MusicGen，引發(fā)外界關(guān)注。

顧名思義，MusicGen是有一個(gè)音樂(lè)生成AI模型，可以根據(jù)文本和旋律提示創(chuàng)作音樂(lè)。

(資料圖)

該模型基于谷歌2017年推出的Transformer模型，并采用Meta的EnCodec編譯器將音頻數(shù)據(jù)分解為小單元處理。

上周晚些時(shí)候，Meta人工智能研究工程師Felix Kreuk在Twitter上展示了MusicGen的功能。

在視頻演示中，MusicGen分別將兩個(gè)古典音樂(lè)片段改編成80年代的流行音樂(lè)和現(xiàn)代嘻哈音樂(lè)，它還根據(jù)提示加入了樂(lè)器、電子音等元素。

根據(jù)Meta的介紹，MusicGen接受了20000小時(shí)的音樂(lè)訓(xùn)練，相當(dāng)于人不吃不喝不睡覺(jué)訓(xùn)練833天。

該模型還使用了來(lái)自媒體內(nèi)容服務(wù)商ShutterStock和Pond5 10000首“高質(zhì)量”授權(quán)音樂(lè)和390000首純音樂(lè)。

那么，練習(xí)時(shí)長(zhǎng)兩年半的MusicGen，夠格出道嗎？

Meta自己將MusicGen與市面上已有的音樂(lè)創(chuàng)作軟件MusicLM（谷歌旗下）、Riffusion以及Mousai進(jìn)行了比較。

對(duì)此，華爾街見(jiàn)聞挑選了其中三個(gè)例子：

提示1. 創(chuàng)作一首流行舞曲，要求旋律朗朗上口，加入熱帶打擊樂(lè)因素，節(jié)奏歡快，適合沙灘場(chǎng)景。

提示2. 編一首氣勢(shì)宏偉的管線交響樂(lè)曲，加入雷鳴般的打擊樂(lè)器、有史詩(shī)感的銅管樂(lè)和高昂的弦樂(lè)，創(chuàng)造一個(gè)適合英雄戰(zhàn)斗的電影背景音樂(lè)。

提示3. 創(chuàng)作一首經(jīng)典雷鬼音樂(lè)，加入電吉他獨(dú)奏。

不難聽(tīng)出，MusicGen的表現(xiàn)似乎更加驚艷。

據(jù)Meta稱(chēng)，無(wú)論在與文本的匹配度上，還是在作曲的可信度上，MusicGen在四者之間的表現(xiàn)都更勝一籌。

為了驗(yàn)證MusicGen是不是真有那么好，科技媒體Techcrunch記者Kyle Wiggers親身試用了MusicGen和MusicLM，對(duì)比兩位AI音樂(lè)家的作品。

先說(shuō)他的結(jié)論：

我得說(shuō)，（MusicGen ）還不至于讓人類(lèi)音樂(lè)家丟了工作，但它創(chuàng)作的音樂(lè)相當(dāng)優(yōu)美，至少對(duì)于“環(huán)境音樂(lè)”這樣的基本提示語(yǔ)來(lái)說(shuō)是這樣，而且在我聽(tīng)來(lái)，它與谷歌的AI音樂(lè)生成器MusicLM相比，不分伯仲（如果不是稍微好一點(diǎn)的話）。

Wiggers先是拋出了一個(gè)簡(jiǎn)單的提示語(yǔ)：爵士、電梯音樂(lè)。

MusicGen和MusicLM拿出了以下作品：

MusicGen

然后，Wiggers增加考試難度，讓AI創(chuàng)作一首低保真、慢節(jié)奏的Electro Chill（一種融合了電子音樂(lè)和放松氛圍的音樂(lè)風(fēng)格）音樂(lè)，要求使用自然、真實(shí)的聲音。

兩大模型作品如下：

對(duì)于第二個(gè)提示，Wiggers發(fā)現(xiàn)，MusicGen在音樂(lè)連貫性方面出人意料地勝過(guò)MusicLM，其作品很容易在YouTube上的一個(gè)音樂(lè)全天直播頻道Lofi Girl上找到來(lái)源。

最后，Wiggers嘗試讓MusicGen和MusicLM創(chuàng)作具有知名作曲家George Gershwin風(fēng)格的鋼琴小曲。

他發(fā)現(xiàn)，谷歌在MusicLM的公開(kāi)版本中嵌入了一個(gè)過(guò)濾器，阻止用戶提示特定藝術(shù)家，以保護(hù)作者版權(quán)。

相比之下，MusicGen就沒(méi)有這樣的過(guò)濾器，最終創(chuàng)作出了所謂George Gershwin風(fēng)格的鋼琴曲。

但在Wiggers看來(lái)，這首曲子并沒(méi)有那么好。

值得一提的是，目前市面上存在許多文本、語(yǔ)音、圖片甚至是視頻生成模型，但優(yōu)質(zhì)的音樂(lè)生成模型少之又少。

根據(jù)在線科學(xué)預(yù)印本存儲(chǔ)庫(kù)arXiv中找到的研究文件，音樂(lè)生成的主要挑戰(zhàn)之一是需要運(yùn)行全頻譜，這需要更密集的采樣，更不用說(shuō)復(fù)刻音樂(lè)的復(fù)雜結(jié)構(gòu)和樂(lè)器的配合了。

MusicGen能否成為一款優(yōu)秀的音樂(lè)生成模型，還有待更多用戶的驗(yàn)證。

用戶可以通過(guò)Hugging Face的API體驗(yàn)MusicGen，但生成音樂(lè)可能需要一些時(shí)間，具體取決于同時(shí)在線的用戶數(shù)量。

目前，Meta尚未提供用于訓(xùn)練模型的代碼，但提供了預(yù)訓(xùn)練模型。

風(fēng)險(xiǎn)提示及免責(zé)條款 市場(chǎng)有風(fēng)險(xiǎn)，投資需謹(jǐn)慎。本文不構(gòu)成個(gè)人投資建議，也未考慮到個(gè)別用戶特殊的投資目標(biāo)、財(cái)務(wù)狀況或需要。用戶應(yīng)考慮本文中的任何意見(jiàn)、觀點(diǎn)或結(jié)論是否符合其特定狀況。據(jù)此投資，責(zé)任自負(fù)。

關(guān)鍵詞：