关于智能编曲的几种神经网络架构
本周我注重阅读了有关智能编曲的几种实现方案,主要是有关智能编曲的神经网络架构,
以及关于各种架构的数据利用方法,重点还是在于 RNN 和 LSTM。
先说说 Magenta 的由来吧,这其实是个挺有意思的事。根据 Quartz 网站的报道,
Google 在去年发布的产品 Deep Dream,成为创造 Magenta 的灵感来源。从功能上来
说,Deep Dream 可以把原始图像变成迷幻而离奇的超现实风格图片。从性质上来说,
Deep Dream 是一款人工智能识图软件,目前已经更新到第 11 版。Google 本意是调教
电脑,使之对图片进行描述,但是 Deep Dream 却过度诠释了图片,即选择图片中无关紧
要的元素并一再夸大和重复。在 Deep Dream 里,一朵飘动的云可能就会变成一条长相古
怪的鱼,或是一只长了若干个头的狗。Magenta 的功能和 Deep Dream 比较相似,即编
辑简单的音乐,并且将之转变成辨识度更高的音乐。开发者展示了由 Magenta 制作的一
段视频。在视频中,Magenta 依据自己的音乐“知识”基础,通过查找编曲模式和调整曲
调,把简单的几个音谱成基本的旋律。或许在短时间内,电脑制作的音乐还不足以冲击流行
音乐排行榜。开发者也承认,他制作 Magenta 软件,并不是为了取代人类音乐家。但尽
管如此,Magenta 依然象征着计算机在音乐技术上的一大进步,标志着计算机日益重要的
地位。编曲是一项艺术工程,它需要艺术家既有天马行空的想象力,也有精湛无双的技术手
段,两者缺一不可。我们现在依靠 Magenta 进行编制的曲子大多还是停留在比较粗疏的阶
段,远远谈不上优美动听,可是也正因如此,才需要我们进行不懈努力,让它越来越有“想
象力”,也越来技法娴熟。
那么问题来了,如何让它达到我们要有的目标呢,对于人工智能来说,解决方案多种多
样,但是归结起来无非是采用更科学高效的神经网络架构和训练方法。其实这样说来现有的
评论0