当你想到“音乐”时，你会想到什么？机器人唱歌？自动生成歌曲？事实上，音乐并不是什么新鲜事。使用人工智能制作音乐的历史可以追溯到20世纪50年代。1951年，“人工智能之父”艾伦·图灵进行了一项实验，利用计算机生成和记录音乐。2016年，索尼计算机科学实验发布了一个大型音乐和风格数据库Flow Machines，创造了“披头士”风格的旋律。在此之前，AI音乐制作主要集中在纯音乐或环境音乐上。这两年，AI在作词、编曲、伴奏、演唱方面的“音乐天赋”都让我大开眼界。从国内第一代虚拟歌手“洛天依”开始，人工智能在音乐领域掀起了越来越多的浪潮。音乐家Taryn Southern与人工智能合作制作专辑;微软制作了编曲、作词、唱歌的“智能女孩”;韩国SM公司推出了AI概念女子组合aespa;网易推出了AI原创单曲《AI+ Music》。随着AI音乐应用的不断突破，其背后的歌声合成技术也越来越受到重视。与语音合成相比，歌声合成具有相似性和特殊性。歌唱合成技术是将乐谱信息和歌词转换成歌唱声音的技术。与语音合成（TTS）相比，音乐是一种流媒体，对作品流畅性的要求更高。因此，在歌曲的合成中，需要输入更多维度的音乐标签信息（音高、音符的时间值），输出的歌曲需要更多的情感起伏，声音显示的连续性，技术实现也比较复杂。就像人类学习一样，人工智能歌曲合成系统也需要通过语料库学习大量歌曲，以“创造”新的音乐作品。虽然普通学生至少需要一周的时间来学习一首歌，但通过将高质量的歌曲数据输入算法并进行模型训练，他们将需要很短的时间来完成一首歌，这得益于人工智能技术。高质量的数据库解决人工智能音乐合成的难题尽管技术不断进步，但音乐合成仍然存在两大难题。是音域的限制。由于每个歌手都有适合自己的音域，所以AI歌唱合成效果会受到超过音域的歌曲的影响。第二，对高质量数据的需求。在语音数据的处理中，歌曲比语音包含了更多的专业元素。歌曲的高度、强度、长度等变化的组合是复杂的，标签人员需要对音乐有深入的了解，才能根据录制的人类歌曲中所包含的高度、旋律节奏、歌唱技巧、歌词等进行详细的标记。合成歌曲的质量在很大程度上取决于数据库的质量。如何用更少的数据让歌曲合成效果更逼真、更自然，获得更稳定的体验效果，是AI歌曲合成技术突破的重点。多年来，标准湾科技一直在深度挖掘AI数据服务领域，在语音数据生产方面积累了先进的技术力量和大量的音乐人才。面对更复杂的歌声合成需求，标准湾技术设计了专门的数据处理流程，可以快速输出高品质的不同音色和不同风格的歌声数据。目前，标准湾科技拥有约5000首中文歌曲数据库。所有的数据收集工作均由训练有素的专业歌手完成，并由标准技术监督和指导，以确保数据质量。
在音频标签的标记格式方面，标准技术使用兼容且高精度的MusicXML格式来记录音乐信息，记录时间、节奏、乐谱等乐谱属性。
此外，为了减少标签错误率，我们在区分和记录音符信息方面做了大量工作，如重音、假音和连音。在处理难以理解的颤音时，也有特殊的识别和标记标记。
如上图所示，标准贝类技术提供了与旋律音符相对应的音调节奏、转音、嘴巴、停顿符号、歌词信息和拼音信息。对上述歌曲合成数据感兴趣的行业合作伙伴可以联系我们。
文章评论