“我們一般都傾向于認(rèn)為技術(shù)的進(jìn)步會(huì)打破之前存在的東西，但這些通常不會(huì)發(fā)生，這可能會(huì)引導(dǎo)出一種不同的音樂(lè)創(chuàng)作方式?！薄狫arvis Cocker，前Pulp樂(lè)隊(duì)主唱，獨(dú)唱藝術(shù)家、作家和播音員

近些年來(lái)音樂(lè)技術(shù)的發(fā)展趨向于漸進(jìn)式的變化，對(duì)現(xiàn)有的聲音合成方法進(jìn)行不斷的迭代改進(jìn)，比如測(cè)序器和音效插件等工具。在某種程度上這個(gè)行業(yè)充滿(mǎn)了相互矛盾，它采用幾乎所有先進(jìn)的CPU資源以便更好的模擬出70年代/80年代的復(fù)古裝備，一些公司（比如Korg、Roland和Behringer）最近發(fā)布了非常具有價(jià)格競(jìng)爭(zhēng)力的產(chǎn)品，比如售價(jià)150英鎊的半模塊化模擬合成器，這些產(chǎn)品和技術(shù)正推動(dòng)企業(yè)不斷向前發(fā)展。

AI和機(jī)器學(xué)習(xí)的顛覆性技術(shù)也在不斷得到應(yīng)用，這些可以用來(lái)模擬一位有成就的表演者或作曲家的創(chuàng)作過(guò)程嗎？能達(dá)到令人信服的效果嗎？

2017年5月在未來(lái)圍棋峰會(huì)上人工智能Alpha Go向人類(lèi)對(duì)手展示了完全出乎意料的操作，這一舉動(dòng)可以說(shuō)震驚了許多圍棋玩家，并導(dǎo)致人們開(kāi)始重新評(píng)估如何繼續(xù)這款游戲?？茖W(xué)博物館未來(lái)音樂(lè)技術(shù)小組的山姆·波特描述了這次活動(dòng)的影響。

“這一招實(shí)在是太奇怪了，太獨(dú)特了，太奇異了，太有創(chuàng)意了，它打開(kāi)了游戲全新的一面，讓我們了解如何用另一方式來(lái)玩這款游戲?！?/p>

神經(jīng)網(wǎng)絡(luò)可以進(jìn)行重構(gòu)并可能超越傳統(tǒng)的期望，但強(qiáng)化學(xué)習(xí)方法的本質(zhì)意味著它必然是不透明的，導(dǎo)致的結(jié)果在本質(zhì)上是模糊的和不可預(yù)測(cè)的。

從谷歌 DeepMind的Wavenet開(kāi)始就已經(jīng)有各種各樣的嘗試來(lái)發(fā)掘機(jī)器學(xué)習(xí)在聲音和音樂(lè)領(lǐng)域的潛力，創(chuàng)造可信的語(yǔ)音相當(dāng)于聽(tīng)覺(jué)上的“恐怖谷”現(xiàn)象，因?yàn)樗纫笳Z(yǔ)音如何發(fā)生的現(xiàn)實(shí)綜合模型，也要求語(yǔ)調(diào)如何表現(xiàn)。對(duì)符合上下文的變化進(jìn)行編碼是一個(gè)非常巨大的挑戰(zhàn)，由于我們對(duì)語(yǔ)速、音高或整體表達(dá)的不準(zhǔn)確十分敏感，我們經(jīng)常被提醒要注意合成語(yǔ)音的生成本質(zhì)，Wavenet和微軟的神經(jīng)網(wǎng)路驅(qū)動(dòng)的語(yǔ)音生成演示使用了在人類(lèi)真實(shí)語(yǔ)音上訓(xùn)練過(guò)的算法，這使得合成模型能夠創(chuàng)造出比傳統(tǒng)語(yǔ)音合成方法更令人信服的性能。

谷歌發(fā)布神經(jīng)網(wǎng)絡(luò)音頻合成器Nsynth

在Wavenet的引領(lǐng)下，谷歌的Magenta團(tuán)隊(duì)使用Tensorflow（一款GPU加速的機(jī)器學(xué)習(xí)庫(kù)）來(lái)嘗試構(gòu)建一個(gè)音頻合成器，Nsynth（神經(jīng)網(wǎng)絡(luò)合成器）分析現(xiàn)有的音頻對(duì)列構(gòu)建出新的音頻，但是明顯不同于音頻源，編碼階段會(huì)考慮源音頻的質(zhì)量和特性以及它們的時(shí)序特性，從而生成傳統(tǒng)方式難以輸出的音頻效果。

上世紀(jì)90年代當(dāng)布萊恩·伊諾（Brain Eno）使用Koan軟件制作了他的軟盤(pán)專(zhuān)輯“新生代音樂(lè)1”，SSEYO公司推出的Koan軟件一舉成名，這是早期采用計(jì)算機(jī)輔助合成的一個(gè)例子，藝術(shù)家可以自由的使用他們創(chuàng)造性的想法來(lái)選擇、編輯、排列或者采用程序的建議來(lái)創(chuàng)作音樂(lè)。盡管Koan軟件完全是采用算法生成的，但它仍是依賴(lài)人工操作的生成器，這類(lèi)生成器僅限于特定范圍的音樂(lè)形式，而Amper Music和IBM推出的Watson Beat可以通過(guò)分析真實(shí)的音樂(lè)短語(yǔ)和“語(yǔ)法”來(lái)生成音樂(lè)，這要?dú)w功于機(jī)器學(xué)習(xí)工具（比如Magenta）背后的處理能力，這種方式創(chuàng)作的音樂(lè)即使不能完全讓人信服，但已經(jīng)接近圖靈測(cè)試的音樂(lè)等效標(biāo)準(zhǔn)了。

“采用AI制作我們喜歡的音樂(lè)真的可以嗎？布萊恩·伊諾（Brain Eno）認(rèn)為這大概需要6到7年的時(shí)間?！薄_姆·波特，音樂(lè)家兼作家

“無(wú)人之地（一款科幻題材的游戲）”中的生物生成表

“無(wú)人之地”中的所有生物都是由程序生成的，每一個(gè)都需要一個(gè)真實(shí)的聲音來(lái)與其匹配。

機(jī)器學(xué)習(xí)在這一性能方面可能蘊(yùn)藏著巨大的潛力，在游戲“無(wú)人之地”中我們使用了物理建模的聲道來(lái)創(chuàng)造程序生成的聲音，然而為了讓聲音聽(tīng)起來(lái)更有說(shuō)服力，需要向演奏樂(lè)器一樣操作合成器，使用算法來(lái)驅(qū)動(dòng)性能，比如Perlin噪聲轉(zhuǎn)換為基于時(shí)間的音頻域效果很差，導(dǎo)致聽(tīng)起來(lái)像機(jī)器人，我們采用基于MIDI性能捕捉短語(yǔ)庫(kù)來(lái)驅(qū)動(dòng)聲樂(lè)的解決方案已經(jīng)足夠有效了，但是如果能夠采用基于多種音頻源的訓(xùn)練過(guò)程來(lái)學(xué)習(xí)并推斷出不同的情緒狀態(tài)將是一個(gè)更好的方案。

這些技術(shù)所帶來(lái)的影響不僅僅局限在音頻生成或音樂(lè)領(lǐng)域，Mastering （母帶處理）是音樂(lè)發(fā)行前的最后一個(gè)混音處理階段，在這一階段音軌會(huì)應(yīng)用一系列DSP效果，比如壓縮、EQ等，使得音樂(lè)達(dá)到最后的潤(rùn)色效果，母帶處理和發(fā)行公司LANDR就利用機(jī)器學(xué)習(xí)技術(shù)，創(chuàng)作者可以選擇一種母帶風(fēng)格從而最好的匹配正在處理的音樂(lè)類(lèi)型，這些風(fēng)格來(lái)自于基于現(xiàn)有音頻源訓(xùn)練的過(guò)程。

機(jī)器學(xué)習(xí)在音頻制作領(lǐng)域的應(yīng)用還有很多，從創(chuàng)造出新的聲音到模仿人類(lèi)的聲音，以及最后階段的出版發(fā)行，這些工具的共同之處在于能夠增強(qiáng)創(chuàng)作過(guò)程而不是完全取代它。這其實(shí)提供了新的創(chuàng)造機(jī)會(huì)，同時(shí)音樂(lè)家們可以根據(jù)自己的創(chuàng)作決策形成新的音樂(lè)風(fēng)格。