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(mén)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(lèi)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(zhuān)門(mén)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(huà)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(xiě)作,、繪畫(huà),、剪視頻等等，都可以通過(guò) AI 技術(shù)實(shí)現(xiàn),?；谏墒?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(mén)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(huà),、AI 寫(xiě)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<<