毫无疑问， AI 的出现，让不少行业面临着技术革新，音乐圈子也不例外。
不仅人声模拟，在音乐创作这块儿， AI 也是卯足了劲，各种文本生成音乐模型是一个接着一个：
像是 的 、谷歌的 、 Meta 的 ，还有前不久 AI 家刚出来的 Audio 等等等等。
这还只是一些比较出圈的 AI 音乐模型，其他的不知名的更是海了去了。
这么多生成音乐的 AI 模型，它们主打的，都是一个让音乐门外汉也能作曲，只要动动手会打字、会描述就 OK 了。
这么一说，让没什么乐理知识的世超着实很心动，作曲咱不会，但文字描述可是咱擅长的领域。
于是，我们决定亲自试试目前市面上比较出圈的几款 AI 作曲模型，看看它们到底能不能实现从零作曲，以及写出来的曲子到底好不好听、符不符合要求。
首先出场的是 AI 的新作曲 AI ： Audio 。
官方说是用了超过 80 万个音频文件去训练模型，里面像音乐、音效、单一乐器演奏等都有包含，整个数据集的时长加起来有 19500 多个小时。
并且光靠语言描述， AI 就能生成最长 90 秒的音乐。
风格跨度也是贼大，世超去它们官网听了下示例，有钢琴、架子鼓这种单纯器乐的。
还有不同流派不同风格的，比如民族打击乐、嘻哈、重金属之类的。
甚至还能生成白噪音，像是一个餐馆里嘈杂的吵闹声， u1s1 听起来还蛮逼真的。
-talk-in-a-busy-,差评,45秒
当然，官方公布的肯定都是挑比较好的演示展示出来，到底用起来怎么样还是得亲自上手试试。
于是我们也注册了号，看看我这个音乐门外汉通过这个模型能创作出什么样的音乐来。
由于是刚发布，世超还花了好一会儿时间才进到 Audio 的使用网页。
进去之后，我们先让它生成一段 30 秒的贝斯 solo ， 112 个节拍，要 funk ，有律动一点。
生成过程大概用了一两分钟，世超听了下结果，倒是有点出乎意料，是在弹贝斯没错，音乐风格也挺准确，但唯一的瑕疵就是这贝斯的音色不太清晰，像是指弹和 slap 的中间态。
接下来上点难度，乐器复杂点，让它生成一段朗朗上口的流行舞曲，中间带着热带打击乐，要有欢快的节奏，适合在沙滩上听。
这次 Audio 有点小失误，虽然节奏挺欢快的，也挺适合在沙滩蹦跶的，但提示词里的热带打击乐，我愣是没在这 30s 听出来。
再让它生成一段摇滚曲风的音乐，也是不出几分钟就搞定了，虽然听起来依旧不怎么清晰，但摇滚曲风以及电吉他、架子鼓的声音还是能听出来的。
整体体验下来，在音乐生成这块， Audio 的表现确实没有什么大错，偶尔还会有一些出乎意料的表现。
起码对于一些想给短视频插背景音乐的创作者来说，这个完全够用了。
并且这次， Audio 还专门在时长上下了一点功夫，普通版可以生成 45 秒以内的音频，想要更长的话，就升级个 PRO 版，可以连续生成 90 秒。
接下来上第二位选手：Meta AI 的，它基于 架构，靠上一段音频预测生成之后的音频片段。
现在 只公布了 Demo ，能在 上浅浅体验一波。
比如说生成一段嘻哈曲风的音乐，听起来很抓耳，节奏倒是蛮干净利落的。
和 Audio 不太一样的是， 在生成音乐时，提示词会更自由一点，不仅有文字的选项，还可以补充一些声音文件。
操作起来很简单，输入提示词，再把想参考的音乐片段直接拖到文件框内，或者现场录音，当然音频提示也可以不填。
虽然 一次最长只能生成 30s 的音频，但有音频提示的加成，生成一段长音频也不是不可能，就是会有点麻烦。
只要每次生成 30s 的音频后，前后截取 10s 作为之后的提示，最后拼接起来就是一段长音频了。
不过在整个体验过程中，有一点着实会劝退一大波人，那就是它生成的速度实在是太慢了，三四分钟还算好的，离谱的是有时等了好几分钟，结果突然弹出个崩溃了的弹窗。。。
今年年初，谷歌也发布了音乐大模型 ，在现有的作曲 AI 中，谷歌的这个功能最多。
除了最基础的文字生成音乐之外， 还搞了一些其他花样。
比如说故事模式，可以让它生成一段 1 分钟长的音乐： 0~15s 冥想、 16~30s 醒来、 31~45s 跑步、 46~60s 结束。
生成的音频听起来确实还挺符合要求的，但就还是老毛病，乐器的声音不够清晰，各个段落之间的转换也有点生硬。
还有看图配乐的功能，给出一个经典的拿破仑骑马穿越阿尔卑斯山的图，再对图片进行一些描述， 就能给生成 30s 的配乐。
这次听起还真有点戏剧的感觉。
同样没有对外公布，想要体验只能在 AI Test 上排队获取内测资格。
的 ，在三年前就已经在官网公布了。
不过最近这几年倒是没怎么更新，还是基于和 GPT-2 一样的技术。并且 3 年过去了，这个 AI 还没有对外开放使用。
但看看它官网对 的介绍以及给出的示例，估摸着出来就是吊打上面模型的存在。
先不说生成音乐的质量，就光是时长就已经很顶了，最多可以生成 4 分钟的音乐。
对比上面提到的几个模型，生成音乐的质感也是分分钟秒杀，世超从官网下载了个示例，大家可以一起听听。
不说是 AI 创作的，我还真会以为是那个音乐大师编的新曲子，有引入、有高潮，乐器的声音也很清晰，再简单调整下就是个完整的音乐作品了。
当然，有这样的效果除了有神经网络的功劳外，训练用的数据集也是起到关键作用的。
统共用了数十万个 MIDI 文件训练 ，下面这张图就是用到的部分数据集，从肖邦、巴赫、莫扎特到迈克 · 杰克逊、披头士、麦当娜，从古典到摇滚到流行，几乎各种风格的音乐都能在里面找到。
不止国外，国内这几年 AI 音乐也是发展得火热，去年华为开发者大会上，就公布了一款音乐 AI ： 模型，网易云面向音乐人推出了网易天音，作词、作曲、编曲直接都能靠 AI 解决。
在前不久的 2023 世界人工智能大会上，腾讯多媒体实验室也展示了自研的 AI 通用作曲框架 。
总的来说，这几个 AI 作曲模型也算是各有千秋，想要的音乐风格基本都能生成，甚至有时生成的音乐不仔细琢磨还真听不出来是 AI 生成的，用在一些短视频中也是能妥妥地 “ 蒙混 ” 过去。
但若要以一个专业人士来看的话，上面这些 AI 恐怕都或多或少有些缺点，最明显的就是上面提到的那几个 AI ，它们生成的音乐在乐器演奏上几乎都不太清晰。
并且，和 AI 作画一样， AI 音乐也是版权问题的一大重灾区，由于相关法律还跟不上 AI 发展的速度，时不时就有 AI 侵权的官司。
比如今年 1 月份，美国唱片业协会向政府提交了一份侵权报告，提醒他们要重视 AI 音乐侵权的问题。
就连 的研究人员也亲口承认了侵权问题，在论文中写到会有盗用创意内容的潜在风险。
原因是在试验这个模型的过程中，发现它在生成的音乐里，大概有 1% 是直接从训练的数据集中照搬过来的。
也难怪现在大多音乐 AI 模型要么干脆不对外试用，要么只有 demo 或者排队内测，就连对外开放的 Audio 也是反复强调自己的数据集是经过 授权的。
抛开版权问题不说，目前 AI 在音乐这块的发展确实是令人咋舌，拥抱 AI 音乐也已经是行业内的大势所趋。
像专门提供轻音乐的 AI 音乐公司 Endel ，已经先后得到了华纳、索尼等音乐巨头的投资， AI 音乐创作平台 也拿到了环球音乐、迪士尼、微软的投资。
当然，入局 AI 音乐是出于商业以及科技趋势的考量，在音乐性与艺术性上，目前的 AI 还是远不及人类创作者的，而这也是未来 AI 最应该优先考虑的。
相关文章
