《電子技術(shù)應(yīng)用》
您所在的位置:首頁(yè) > 人工智能 > 業(yè)界動(dòng)態(tài) > 谷歌發(fā)布 AI 前沿成果 MusicLM,生成式 AI 迎來(lái)爆發(fā)

谷歌發(fā)布 AI 前沿成果 MusicLM,,生成式 AI 迎來(lái)爆發(fā)

2023-02-01
來(lái)源:出新研究
關(guān)鍵詞: 谷歌 AI MusicLM 機(jī)器人

當(dāng)?shù)貢r(shí)間 1 月 27 日,,谷歌發(fā)布全新 AI 模型 ——MusicLM。通過(guò) AI 模型 MusicLM,,文字可以直接生成高保真的音樂(lè),。

這是繼文字生成 AI 模型 Wordcraft、視頻生成工具 Imagen Video 之后,,谷歌又一次推出生成式 AI 模型工具,,這一次谷歌將目標(biāo)瞄準(zhǔn)了音樂(lè)領(lǐng)域。

透過(guò) MusicLM,,不難看到,,這兩年生成式 AI 賽道正在迎來(lái)爆發(fā)。

01,、MusicLM 挑戰(zhàn)更復(fù)雜場(chǎng)景

谷歌最新推出的 AI 模型 MusicLM,,可直接將文字、圖像自動(dòng)生成音樂(lè),,并且曲風(fēng)多樣,,凡是想聽(tīng)的音樂(lè),基本都能自動(dòng)生成,。

MusicLM 并非是第一個(gè)可自動(dòng)生成音樂(lè)的 AI 模型,,此前,可視化 AI 工具 Riffusion 也能自動(dòng)創(chuàng)作音樂(lè),,還有 Dance Diffusion,,此外,當(dāng)前最熱門的聊天機(jī)器人 ChatGPT 的研發(fā)者 OpenAI 也推出過(guò) Jukebox,。

但值得注意的是,,這些可自動(dòng)生成音樂(lè)的 AI 系統(tǒng),受限于技術(shù)和數(shù)據(jù)等因素,創(chuàng)作的音樂(lè)都比較簡(jiǎn)單,,相對(duì)而言并不復(fù)雜,。

和前輩們不同的是,MusicLM 可創(chuàng)作特別復(fù)雜和保真度特別高的音樂(lè),,也可通過(guò)圖像生成音樂(lè),。這算是實(shí)現(xiàn)了全新突破,通過(guò) AI 技術(shù)不僅可以識(shí)別樂(lè)器,,融合音樂(lè)流派,,還可以通過(guò)更抽象的概念生成音樂(lè)。

比如,,想要街機(jī)游戲配樂(lè),,只要輸入“街機(jī)游戲的主配樂(lè),它節(jié)奏快且樂(lè)觀”等文字,,MusicLM 便可自動(dòng)生成音樂(lè),。MusicLM 也可通過(guò)圖像生成音樂(lè),例如世界名作《吶喊》《格爾尼卡》《星空》等皆可作為素材來(lái)源,。

不過(guò),,值得一提的是,目前谷歌只是發(fā)布了 MusicLM 的研究成果,,因?yàn)榘鏅?quán)等問(wèn)題,,谷歌還未向公眾開(kāi)放 MusicLM。

02,、AI 生成音樂(lè)難在哪,?

去年 10 月,谷歌在生成式 AI 模型上已經(jīng)推出過(guò) AudioLM,,只需輸入短時(shí)音頻,,就能生成相似風(fēng)格的音頻。彼時(shí) AudioLM 只是純音頻模型,,這個(gè)技術(shù)類似于語(yǔ)言模型,,根據(jù)提示的語(yǔ)音內(nèi)容,自主判斷并生成相似內(nèi)容,。

從這個(gè)角度看,,AudioLM 可視為是 MusicLM 的前身。AudioLM 在不進(jìn)行轉(zhuǎn)錄或標(biāo)記的情況下,,可以模仿音頻的音色,、響度和清晰度等。但是,,AudioLM 生成的音頻和原版并無(wú)太大區(qū)別,,并未得到公開(kāi)應(yīng)用,。

通過(guò) AI 模型創(chuàng)作音樂(lè),這件事并不容易,,因?yàn)樯傻囊魳?lè)包括音頻信號(hào)、環(huán)境聲音,、人的聲音等多個(gè)維度,,是由很多信號(hào)相互作用形成的,而人體每次向外發(fā)出的聲音,,無(wú)論聲音響度大小,、音色好差,都由句法,、音律等組成,,這是非常復(fù)雜的綜合性系統(tǒng)。

也恰恰是這些原因,,在早期的探索過(guò)程中,,自動(dòng)生成的音頻合成痕跡明顯,聲音聽(tīng)起來(lái)并不自然,,發(fā)音也都不標(biāo)準(zhǔn),。因此 AI 模型要想實(shí)現(xiàn)真正意義上的自動(dòng)生成音頻,依靠海量的數(shù)據(jù)訓(xùn)練和模擬,,是必不可少的基礎(chǔ)性步驟,。

針對(duì)這些挑戰(zhàn),作為 AudioLM 的“升級(jí)版”,,MusicLM 的訓(xùn)練數(shù)據(jù)更加龐大,。據(jù)了解,谷歌在 28 萬(wàn)小時(shí)的音樂(lè)數(shù)據(jù)集中,,才訓(xùn)練出 MusicLM,,為理解深度和復(fù)雜的音樂(lè)場(chǎng)景提供了基礎(chǔ)。

此外值得一提的是,,針對(duì)任務(wù)缺乏評(píng)估數(shù)據(jù)等問(wèn)題,,谷歌專門引入了 MusicCaps,用于文本到音樂(lè)的生成任務(wù)評(píng)估,。

03,、生成式 AI 迎來(lái)爆發(fā)

此次谷歌推出 MusicLM,可視為拓展 AI 應(yīng)用的注腳,,背后則是生成式 AI 賽道的爆發(fā),。事實(shí)上,生成式 AI 一直是近兩年最炙手可熱的話題,。

2021 年,,OpenAI 相繼發(fā)布了劃時(shí)代的 DALL-E、DALL-E 2 模型,實(shí)現(xiàn)了文本生成圖像的跨越,;去年,,Meta 發(fā)布了 AI 短視頻生成模型 Make-A-Video,同樣可由文本內(nèi)容生成視頻,;谷歌也發(fā)布了短視頻 AI 生成模型 Imagen Video 與 Phenaki,。

不止是國(guó)外,國(guó)內(nèi)也有很多生成式 AI 應(yīng)用,。比如,,字節(jié)跳動(dòng)旗下剪映 APP,可根據(jù)文字內(nèi)容自動(dòng)生成匹配的視頻畫面,。去年初,,網(wǎng)易推出了“網(wǎng)易天音”,也是一站式 AI 音樂(lè)創(chuàng)作平臺(tái),,可將用戶編輯的內(nèi)容通過(guò) AI 自動(dòng)生成為歌曲,。

可以看到,生成式 AI 應(yīng)用的場(chǎng)景越來(lái)越廣泛,,寫作,、繪畫、剪視頻等等,,都可以通過(guò) AI 技術(shù)實(shí)現(xiàn),。基于生成式 AI 廣泛的應(yīng)用前景,,谷歌,、微軟、Meta 等巨頭們紛紛推進(jìn)研發(fā),,將生成式 AI 技術(shù)融合到產(chǎn)品中,,這加速了生成式 AI 賽道的爆發(fā)。

事實(shí)上,,生成式 AI 高速發(fā)展并非是這兩年的事,,只是因技術(shù)門檻過(guò)高,其前沿動(dòng)態(tài)一直在科技圈小范圍流傳,。直到 AI 繪畫,、AI 寫作等頻繁出圈,生成式 AI 得到了更廣泛的關(guān)注,。

生成式 AI 賽道爆發(fā)有必然原因,,大數(shù)據(jù)和算法應(yīng)用越來(lái)越成熟,,模型工具越來(lái)越完善,,這都加速了生成式 AI 應(yīng)用的迭代。當(dāng)前,,生成式 AI 已經(jīng)迎來(lái)爆發(fā),未來(lái)還有巨大的發(fā)展?jié)摿?。根?jù) Gartner 統(tǒng)計(jì)數(shù)據(jù),,預(yù)計(jì)到 2025 年,生成式 AI 將占所有生成數(shù)據(jù)的 10%,,而目前的比例還不到 1%,。

當(dāng)然,任何技術(shù)都是一把“雙刃劍”,,生成式 AI 也面臨著版權(quán)問(wèn)題等挑戰(zhàn),此外還面臨由 AI 生成“錯(cuò)誤”引發(fā)的各種損失,,就目前來(lái)看,,還離不開(kāi)人為干預(yù)。但長(zhǎng)期而言,,生成式 AI 巨大的發(fā)展?jié)摿σ呀?jīng)成為共識(shí),。




更多信息可以來(lái)這里獲取==>>電子技術(shù)應(yīng)用-AET<<

本站內(nèi)容除特別聲明的原創(chuàng)文章之外,轉(zhuǎn)載內(nèi)容只為傳遞更多信息,,并不代表本網(wǎng)站贊同其觀點(diǎn),。轉(zhuǎn)載的所有的文章、圖片,、音/視頻文件等資料的版權(quán)歸版權(quán)所有權(quán)人所有,。本站采用的非本站原創(chuàng)文章及圖片等內(nèi)容無(wú)法一一聯(lián)系確認(rèn)版權(quán)者。如涉及作品內(nèi)容,、版權(quán)和其它問(wèn)題,,請(qǐng)及時(shí)通過(guò)電子郵件或電話通知我們,以便迅速采取適當(dāng)措施,,避免給雙方造成不必要的經(jīng)濟(jì)損失,。聯(lián)系電話:010-82306118;郵箱:[email protected],。