OpenAI發(fā)布了其AI音樂創(chuàng)作的深度神經(jīng)網(wǎng)絡—MuseNet

AI 創(chuàng)作音樂越來越熱門。

剛剛，OpenAI 發(fā)布了其 AI 音樂創(chuàng)作的深度神經(jīng)網(wǎng)絡—MuseNet，可以使用 10 種不同樂器、風格如鄉(xiāng)村樂、莫扎特、披頭士樂隊等，生成出 4 分鐘的音樂。

OpenAI 博客最新發(fā)布文章指出，MuseNet 不是依靠人類明確地對音樂進行編程，而是通過學習預測 token 來學習和聲、節(jié)奏、風格的模式，他們從許多來源收集 MuseNet 的訓練數(shù)據(jù)，像是 ClassicalArchives、BitMidi 網(wǎng)站上的文件、MAESTRO 數(shù)據(jù)集，還有爵士、流行、非洲、印度和阿拉伯風格的音樂，總共利用了數(shù)十萬個 MIDI 文件。

OpenAI 也指出，MuseNet 使用與 GPT-2 相同的通用無監(jiān)督技術，GPT-2 為先前 OpenAI 提出的一個大規(guī)模 Transformer 模型，訓練 AI 可預測序列中的下一個 token，包括音頻和文本，用在 MuseNet 上則是給定一組音符后，要求 AI 預測后面會出現(xiàn)的音符。另外，MuseNet 使用 Sparse Transformer 的重新計算和優(yōu)化核來訓練一個具有 24 個注意力頭（attention head）的 72 層網(wǎng)絡，其全部注意力都放在 4096 個 token 的語境中。

當 MuseNet 知道許多不同的風格之后，就能混合生成新的音樂，舉例來說，提供機器肖邦夜曲（Chopin Nocturne）的前 6 個音符，但是，要求機器生成一段流行樂，并要有鋼琴、鼓、bass 和吉他，而機器生成的音樂就完美融合了肖邦和 Bon Jovi 兩種風格。

圖｜ MuseNet 音樂生成神經(jīng)網(wǎng)絡（來源：OpenAI）

之前 OpenAI 提出的 GPT-2，使用近 40 GB 的網(wǎng)頁文字訓練而成，主要具備了生成文本、預測下一個文字的能力，例如只給機器一段文字，就會因應前后文的風格創(chuàng)造內容、編寫故事，但因為它生成的內容有條有理，仿真技術高，反而讓外界擔心助長假新聞、網(wǎng)絡假消息的泛濫，在考量該技術可能遭惡意使用后，OpenAI 決定不放出訓練好的模型，只公開一小部分模型和范例。

現(xiàn)在用在音樂創(chuàng)作上，可能引起的爭議相對小，倒是為 GPT-2 找到了不錯的應用場景。

另外，OpenAI 剛剛還在 Twitch 上舉辦了 MuseNet 實驗音樂會，并預計在 5 月中旬放出該音樂轉換器的工具——MuseNet共同作曲家（MuseNet-powered co-composer），讓一般大眾和音樂家用來創(chuàng)作。

MuseNet 共同作曲家有幾種模式：簡單模式下，用戶會聽到已經(jīng)預先生成的隨機樣本，然后選擇一個作曲家或風格，就可以開始生成音樂；高級模式，則可讓用戶有更多的選擇，像是選風格、樂器等，打造全新的音樂作品。

圖｜MuseNet 在 Twitch 上舉辦一場音樂會（來源：Twitch）

OpenAI 研究人員 Christine Payne 指出，MuseNet 仍有局限性，因為它是通過計算所有可能的音符和樂器的概率來產生每個音符，所以偶爾會做出不和諧的選擇，做出奇怪的配對，例如把肖邦風格配上 bass 和鼓。

今年 3 月，谷歌為慶祝知名音樂家巴赫的生日，在 Google Doodle 放了一個小游戲，用戶在 Doodle 按下音符及節(jié)奏，就會以巴赫的風格演奏用戶創(chuàng)作的作品。這是使用人工智能作曲的另一個案例。

不僅谷歌、OpenAI，唱片業(yè)、音樂人本身也都在探究 AI 的應用，在 MuseNet 于 Twitch 上舉辦音樂會之前，音樂技術專家 CJ Carr 和 Zack Zukowski 就在 YouTube 頻道上播放重金屬音樂，這些死亡金屬串流音樂就是由他們開發(fā)的 AI 樂團 Dadabots 所生成的，而且 24 小時不間斷。他們使用加拿大的死亡金屬樂團 Archspire 的樣本訓練 SampleRNN 神經(jīng)網(wǎng)絡，進而可自動生成重金屬音樂。

毫無疑問，人工智能將持續(xù)融入創(chuàng)意音樂領域。

圖｜重金屬音樂不間斷播放，背后其實是一個 AI 樂團（來源：YouTube）