Openai的Musenet AI可以在各种流派和样式上产生4分钟的歌曲
对指数的未来感兴趣？连接，下载免费的电子书 ，观看主题演讲或浏览我的博客。
能够从头开始和综合歌词来生成和综合新音乐的所谓创意机数量的速度与田野的发展速度相比 ，从构成古典音乐和流行音乐的机器也可以迅速发展，即使到现在由Warner Music等主要唱片公司签名的机器也是如此 。音乐商标并不是过去的样子 ，而且每天都在变化更快 。例如 ，在3月，Google发布了一种算法的Google Doodle ，该涂鸦使用户对Bach创建旋律敬意。去年年底 ，Google大脑努力“探索机器学习作为创作过程中的工具的作用”，该项目的Musical Transformer显示了Musical Transformer，该模型能够生成具有可识别重复的歌曲的模型 。所有这些都是众所周知的冰山一角 。
In what might be characterised as a small but noteworthy step forward in autonomous music generation research, San Francisco capped-profit firm OpenAI, the same company behind the world’s “most dangerous ” synthetic text generator, just announced their latest creation – MuseNet, an Artificial Intelligence (AI) system that can create four minute compositions with 10 different instruments across styles “from country to Mozart to the Beatles. ”
Openai计划下周晚些时候由Musenet在Twitch上创作的直播作品 ，并将在10月发布Musenet驱动的音乐工具。Musenet作曲家具有三种模式 - 简单模式 ，它播放了作曲家或样式的未经切割的样本，以及著名作品和高级模式的可选开始 ，它使您可以直接与模型进行交互以创建新颖的作品 。
例如 ，这是Musenet的提示，上面有肖邦的前5个笔记：
正如OpenAI技术人员克里斯汀·佩恩（Christine Payne）在博客文章中所解释的那样 ，Musenet和所有深度学习网络一样 ，都包含神经元，这些神经元是以生物神经元的形式模拟的数学功能 ，该功能以生物神经元的形式模拟 ，以互连的层次排列，从输入数据传递“信号” ，并缓慢调整触发力强度 - 每种连接的权重 - 权重 。但是独特的是 ，它具有关注 - 每个输出元件都连接到每个输入元素，并且它们之间的权重动态计算。
Musenet并未通过对音乐的理解来明确编程，而是通过发现和谐 ，节奏和样式的模式来工作 ，并通过学习预测令牌（以将音高，音量和仪器信息结合在数十万MIDI文件中编码的方式编码）来进行。Openai最近在稀疏变压器上的工作为Musenet所示 ，这反过来又基于Google自己的变形金刚神经网络架构 。
上图：Musenet对作曲家的理解及其在风格上的联系 。
图片来源：Openai
Musenet接受了来自各种不同来源的MIDI样品的培训 ，包括古典制度，Bitmidi和开源Maestro Corpus。Payne及其同事以各种方式对他们进行了改善 ，以提高模型的通用性 ，首先是通过对其进行转换，例如通过提高和降低音调 ，然后通过调高或调低或降低各种样本的整体量并稍微放慢或加速零件来提高模型 。
为了提供更多的“结构环境 ” ，他们添加了数学表示，学习的嵌入 ，有助于跟踪MIDI文件中时间的流逝 ，然后他们添加了一个所谓的“内部评论家 ”组件，该组件预测给定样本是否真正来自数据集，还是该模型是模型自己的过去几代人之一 。
Payne解释说 ，Musenet的其他代币类型（一种用于作曲家 ，另一种用于仪器）也使研究人员对其生成的样本种类更具控制权。
在培训期间，将它们添加到每个音乐样本中 ，以便Musenet学会使用这些信息来做出注释预测 。然后 ，在一代人的时间里，该模型的条件是通过诸如Rachmaninoff钢琴启动或乐队之旅的钢琴 ，贝斯 ，吉他和鼓的提示开始以选择的样式创建样品 。
她补充说：“由于Musenet知道许多不同的风格，我们可以以新颖的方式融合几代人。”“ [例如 ，该模型被赋予了肖邦夜曲的前六个音符 ，但要求以流行风格与钢琴，鼓 ，贝斯和吉他生成一件 。[它]设法令人信服地将两种样式混合在一起 。 ”
Payne指出 ，Musenet并不是完美的，因为它通过计算所有可能的音符和仪器的概率来生成每个音符，因此偶尔会做出不良的音符选择。而且可以预见的是 ，它遇到了艰难的时光 ，造型和仪器的配对不协调，例如肖邦和低音和鼓 。
但是她说 ，这是对引起注意的AI体系结构的出色测试 ，因为很容易听到该模型是否正在捕获培训数据集的令牌上的长期结构 。
她总结说：“如果音乐模型通过改变节奏弄乱结构，这一点更加明显 ，这一点不清楚文本模型是否进行了简短的切线。 ”
资料来源：Openai
来源:https://yayait.com/zlan/202506-10017.html 来源:https://yayait.com/cshi/202506-10098.html 来源:https://yayait.com/wiki/202506-9977.html 来源:https://yayait.com/zlan/202506-10010.html 来源:https://www.siyonli.com/zlan/202506-3567.html 来源:https://xianggongguan.cn/kexue/202506-4529.html 来源:https://www.siyonli.com/jyfx/202506-3730.html 来源:https://yayait.com/zlan/202506-10101.html 来源:https://www.siyonli.com/jyfx/202506-3619.html 来源:https://0514ps.com/zhis/202506-1834.html
来源:https://yayait.com/zlan/202506-10017.html 来源:https://yayait.com/cshi/202506-10098.html 来源:https://yayait.com/wiki/202506-9977.html 来源:https://yayait.com/zlan/202506-10010.html 来源:https://www.siyonli.com/zlan/202506-3567.html 来源:https://xianggongguan.cn/kexue/202506-4529.html 来源:https://www.siyonli.com/jyfx/202506-3730.html 来源:https://yayait.com/zlan/202506-10101.html 来源:https://www.siyonli.com/jyfx/202506-3619.html 来源:https://0514ps.com/zhis/202506-1834.html
本文来自作者[端木娜娜]投稿，不代表策华号立场，如若转载，请注明出处：https://cehuayingxiao.cn/wiki/202506-39517.html
评论列表（4条）
我是策华号的签约作者“端木娜娜”！
希望本篇文章《Openai的Musenet AI可以在各种流派和样式上产生4分钟的歌曲》能对你有所帮助！
本站[策华号]内容主要涵盖：国足,欧洲杯,世界杯,篮球,欧冠,亚冠,英超,足球,综合体育
本文概览：Openai的Musenet AI可以在各种流派和样式上产生4分钟的歌曲 对指数的未来感兴趣？连接，下载免费的电子书，观看主题演讲或浏览我的博客。 能够从头开始...