當(dāng)說到“AI音樂”時(shí)，你能想到什么畫面?機(jī)器人唱歌?自動(dòng)生成歌曲?

　　事實(shí)上，AI音樂已經(jīng)不算新鮮事。用人工智能創(chuàng)作音樂，最早可以追溯到上個(gè)世紀(jì)50年代。1951年，“人工智能之父”阿蘭·圖靈就嘗試過用電腦生成音樂并錄制下來。2016 年，索尼計(jì)算機(jī)科學(xué)實(shí)驗(yàn)推出的大型歌曲和風(fēng)格數(shù)據(jù)庫(kù) Flow Machines，創(chuàng)作出了“披頭士”風(fēng)格的旋律。

　　如果說早些年，AI音樂創(chuàng)作主要集中在純樂曲和氛圍音樂。那么近兩年，AI在作詞、編曲、伴奏、演唱方面一條龍的“音樂才華”無不讓人大開眼界。

　　從國(guó)內(nèi)第一代虛擬歌手“洛天依”開始，人工智能在音樂領(lǐng)域興起了越來越多的浪潮：音樂家Taryn Southern與人工智能合作創(chuàng)作專輯、微軟打造了會(huì)編曲、作詞、唱歌的“智能少女”小冰、韓國(guó)SM公司推出含AI概念的女團(tuán)aespa、網(wǎng)易發(fā)布AI原創(chuàng)單曲……“AI+音樂”的熱度持續(xù)升溫。

　　AI歌曲合成

　　隨著AI音樂應(yīng)用的不斷突破，其背后歌聲合成技術(shù)，也越來越受到關(guān)注。歌聲合成與語音合成相比，既有相似性，也有其特殊性。

　　歌唱合成技術(shù)是將樂譜信息和歌詞轉(zhuǎn)換為歌唱語音的技術(shù)。相較于語音合成(TTS)，音樂是流媒體，對(duì)作品的流暢度要求更高。因此，歌曲合成需要輸入更多維度的音樂標(biāo)注信息(音高、音符的時(shí)值)，同時(shí)要求輸出的歌聲更有感情的起伏，聲音展現(xiàn)還要有連續(xù)性，技術(shù)實(shí)現(xiàn)上來說更為復(fù)雜。

　　像人的學(xué)習(xí)一樣，AI歌曲合成系統(tǒng)也需要通過語料庫(kù)學(xué)習(xí)海量的歌曲內(nèi)容，才能“創(chuàng)作”出新的音樂作品。普通學(xué)生學(xué)習(xí)一首曲子需要至少一周時(shí)間，但是有了AI技術(shù)的加持，將優(yōu)質(zhì)的歌曲數(shù)據(jù)輸入到算法中進(jìn)行模型訓(xùn)練，只需要很短時(shí)間即可完成一首歌的創(chuàng)作。

　　高質(zhì)量數(shù)據(jù)庫(kù) 化解AI歌曲合成難點(diǎn)

　　盡管技術(shù)在不斷進(jìn)步，但歌曲合成仍然存在兩大難點(diǎn)。

　　一是音域的限制。由于每個(gè)歌手都有適合自己的音域范圍，對(duì)于超出音域范圍的歌曲，AI歌唱合成效果就會(huì)受到一定的影響。

　　其次，就是對(duì)高質(zhì)量數(shù)據(jù)的需求。在對(duì)聲音數(shù)據(jù)的處理上，歌聲比語音所包含的專業(yè)因素更多。歌聲的音高、音強(qiáng)、音長(zhǎng)等變化組合繁復(fù)，需要標(biāo)注人員對(duì)音樂有較深的理解，才能根據(jù)錄制的人聲演唱中所包含的音高、旋律節(jié)奏、演唱技巧、歌詞等內(nèi)容進(jìn)行精細(xì)標(biāo)注。

　　合成歌聲的質(zhì)量在很大程度上取決于數(shù)據(jù)庫(kù)的質(zhì)量。如何用更少的數(shù)據(jù)，讓歌曲合成效果更真實(shí)、自然，獲取更穩(wěn)定的體驗(yàn)效果，是 AI歌曲合成技術(shù)突破的重點(diǎn)。

　　標(biāo)貝科技深耕AI能數(shù)據(jù)服務(wù)領(lǐng)域多年，在語音數(shù)據(jù)生產(chǎn)方面沉淀了先進(jìn)的技術(shù)能力以及大量音樂人才儲(chǔ)備。面對(duì)復(fù)雜度更高的歌聲合成需求，標(biāo)貝科技設(shè)計(jì)了一套專業(yè)化的數(shù)據(jù)處理流程，能夠?qū)崿F(xiàn)快速產(chǎn)出高質(zhì)量的不同音色、不同風(fēng)格的歌聲數(shù)據(jù)。

　　目前，標(biāo)貝科技擁有近5000首不同風(fēng)格類型的中文歌曲數(shù)據(jù)庫(kù)。均由經(jīng)過訓(xùn)練的專業(yè)歌手完成的整個(gè)數(shù)據(jù)的采集，并且標(biāo)貝科技全程進(jìn)行監(jiān)督和指導(dǎo)，以確保數(shù)據(jù)質(zhì)量。

　　在音頻標(biāo)注的標(biāo)注格式方面，標(biāo)貝科技采用了兼容性強(qiáng)、記錄音樂信息精確性高的 MusicXML格式，對(duì)時(shí)值、升降號(hào)、節(jié)拍、譜號(hào)等樂譜屬性進(jìn)行記錄。

　　同時(shí)，為了減少標(biāo)注的錯(cuò)誤率，標(biāo)貝在重音、頓音、假聲、連音等音符的相關(guān)信息的區(qū)分和記錄上做了大量工作。甚至在對(duì)較難把握的顫音的處理上，也有專門的識(shí)別和標(biāo)注記號(hào)。

　　如上圖示意，標(biāo)貝科技在標(biāo)注過程中給出了旋律音符對(duì)應(yīng)的音高節(jié)奏、轉(zhuǎn)音、氣口、休止符、歌詞信息以及對(duì)應(yīng)的拼音信息。

　　歡迎對(duì)以上歌曲合成數(shù)據(jù)感興趣的行業(yè)伙伴聯(lián)系我們~