來源：音樂財經(jīng)官方微博

回顧過去一年,，ChatGPT在人工智能研發(fā)領(lǐng)域的亮眼表現(xiàn),，尤其是其撰寫代碼的能力，讓人震撼,。盡管ChatGPT主要用于自然語言處理,，但其在音樂創(chuàng)作上的嘗試也顯示出了一定的潛力。然而,，真正讓人工智能在音樂領(lǐng)域大放異彩的是2024年涌現(xiàn)出的大量實(shí)際生成音樂的系統(tǒng),，如Suno,、Udio等，這些AIGC模型從最初的粗制濫造發(fā)展到如今已經(jīng)在一定范圍內(nèi)達(dá)到了完美,。

正如一個多世紀(jì)前照相技術(shù)的誕生對繪畫領(lǐng)域造成了沖擊,，當(dāng)下人們對AI的“抗拒”實(shí)則是對新變革的傳統(tǒng)反應(yīng)。然而，美術(shù)作品依然保持著其不可替代的價值,，攝影作品也已開辟了獨(dú)特的藝術(shù)領(lǐng)域,。將此視角轉(zhuǎn)向當(dāng)前AI生成音樂與人工創(chuàng)作音樂的競爭，可以預(yù)見,，未來AI生成音樂或?qū)⑼瑯娱_辟出一條嶄新的道路。

在創(chuàng)作與生產(chǎn)層面,，AI作曲家能夠根據(jù)用戶偏好創(chuàng)作個性化音樂,，極大地豐富了音樂多樣性，同時AI技術(shù)也使音樂制作更加高效精細(xì),，實(shí)現(xiàn)了藝術(shù)與技術(shù)的完美融合,。在傳播與消費(fèi)方面，智能算法精準(zhǔn)推薦音樂內(nèi)容,，增強(qiáng)了音樂的傳播力與影響力,，智能化的消費(fèi)體驗(yàn)也讓音樂更加觸手可及。

在2024年中國數(shù)字音樂產(chǎn)業(yè)大會上,，“人工智能賦能數(shù)字音樂產(chǎn)業(yè)創(chuàng)新發(fā)展論壇”成功舉辦,，本次分論壇由中國傳媒大學(xué)音樂與錄音藝術(shù)學(xué)院主辦，中國傳媒大學(xué)音樂與錄音藝術(shù)學(xué)院教授,、音樂傳播教研室主任李小瑩擔(dān)任主持人,。

“然而，面對技術(shù)的雙刃劍,，我們也需要審慎前行,，保護(hù)音樂創(chuàng)作者的權(quán)利，維護(hù)創(chuàng)作生態(tài)的健康發(fā)展,，確保AI音樂創(chuàng)作符合倫理規(guī)范,，促進(jìn)文化多樣性和智能化浪潮中堅守音樂人的文化精神與藝術(shù)價值，是我們共同的責(zé)任與使命,?！崩钚‖撛诜终搲_場時表示，大家共同探索音樂產(chǎn)業(yè)轉(zhuǎn)型升級的新路徑與新模式,，堅信通過共同努力,，數(shù)字音樂產(chǎn)業(yè)將在數(shù)字時代綻放更耀眼光芒，讓音樂成為連接心靈,、傳承文化的橋梁,。

實(shí)際上，眾多音樂行業(yè)從業(yè)者已開始與AI和諧共存,，他們清晰界定了AI的角色,，視其為輔助創(chuàng)作的得力工具，顯著提升了工作效率。在此基礎(chǔ)上,，他們不斷探索并擴(kuò)展AI的界限,，對其功能與訓(xùn)練提出更高要求，旨在讓AI真正成為推動行業(yè)發(fā)展的強(qiáng)大動力,。面對AI不可阻擋地融入音樂行業(yè)的現(xiàn)狀,，如何將AI轉(zhuǎn)變?yōu)橐环N積極有益的存在，成為一個值得深思的問題,。

AI帶來新的商業(yè)模式和增長點(diǎn)面臨版權(quán)保護(hù)和倫理道德的挑戰(zhàn)

“人工智能技術(shù)在音樂創(chuàng)作,、制作、分發(fā)和消費(fèi)等領(lǐng)域的廣泛應(yīng)用,，不僅極大地豐富了音樂的形式與內(nèi)容,，還為音樂產(chǎn)業(yè)帶來了新的商業(yè)模式和增長點(diǎn)。從人工智能作曲,、智能編曲到虛擬歌手,、音樂推薦系統(tǒng)，這些新興應(yīng)用展示了AI的巨大潛力,?！?中國傳媒大學(xué)音樂與錄音藝術(shù)學(xué)院院長付龍教授表示，隨著5G,、大數(shù)據(jù),、云計算等技術(shù)的快速發(fā)展，正推動數(shù)字音樂平臺向智能化,、個性化,、社交化方向演進(jìn)，為用戶提供更豐富的音樂體驗(yàn),。

然而,，在享受人工智能帶來的便利的同時，行業(yè)也面臨著版權(quán)保護(hù),、數(shù)據(jù)安全,、倫理道德等一系列新問題。從初級的人工智能作曲到如今大火的Suno程序,，人工智能在音樂創(chuàng)作上的能力不斷顛覆人們的認(rèn)知,，付龍提出了一系列的問題，譬如,，如何在保護(hù)創(chuàng)作者權(quán)益的同時促進(jìn)音樂作品的廣泛傳播,？如何在確保數(shù)據(jù)安全的前提下實(shí)現(xiàn)音樂產(chǎn)業(yè)的數(shù)字化轉(zhuǎn)型？如何在尊重藝術(shù),、創(chuàng)作規(guī)律的基礎(chǔ)上發(fā)揮人工智能的創(chuàng)新潛力,？這些難題都需要行業(yè)共同面對和解決,。

中央音樂學(xué)院音樂人工智能與音樂信息科技系教師、青年作曲家鞏子晗回應(yīng)道,，從技術(shù)方面分析,，人工智能系統(tǒng)已經(jīng)學(xué)會了抓住動機(jī)發(fā)展音樂這樣一種專業(yè)作曲手段，使得生成的音樂更加統(tǒng)一和成熟,。人工智能還能根據(jù)古文等不同類型的輸入生成音樂,，顯示出其強(qiáng)大的適應(yīng)性和創(chuàng)造力。

“Suno在把握材料,、風(fēng)格統(tǒng)一,，和弦的配置方面基本正確，因素結(jié)合較為到位,，段落過于套路化，反而是它的弱點(diǎn),，從來不遵循任何套路,，都是作曲家自由的發(fā)揮?！膘栕雨显诂F(xiàn)場播放了一段人工智能生成的純音樂作品,，這段音樂中，增音程的進(jìn)行方式被巧妙地運(yùn)用,，使得音樂效果獨(dú)特且引人入勝,。

鞏子晗在現(xiàn)場又展示了另一次有趣的嘗試——用古文來測試音樂人工智能。在播放了根據(jù)古文生成的音樂后,，大家發(fā)現(xiàn)這段音樂具有很強(qiáng)的套路感,，從輕柔的伴奏開始，逐漸加入低音和鼓點(diǎn),，與ChatGPT的生成方式類似,。然而，中文的念白在這段音樂中顯得不太自然,，這主要是因?yàn)槿斯ぶ悄艿臄?shù)據(jù)庫中英文內(nèi)容更多,，中文內(nèi)容相對較少。這一嘗試不僅展示了人工智能的多樣性,，也揭示了其在處理不同語言和文化背景時可能面臨的挑戰(zhàn),。

人工智能生成的音樂也存在一些問題，如段落過于套路化等,，在處理中文等特定語言時仍存在一定的局限性,。鞏子晗總結(jié)道，雖然人工智能會取代相當(dāng)一部分藝術(shù)工作的從業(yè)人員,，但完全取代人類尚需要時間,，不必害怕人工智能，而是應(yīng)該將其融入到專業(yè)創(chuàng)作中。

王斌來自世界超高清視頻產(chǎn)業(yè)聯(lián)盟（UWA）,，擔(dān)任產(chǎn)業(yè)研究總監(jiān),。據(jù)了解，UWA由央視總臺,、華為,、騰訊、愛奇藝,、優(yōu)酷等知名企業(yè)及終端廠家共同組建,，旨在推動超高清視頻產(chǎn)業(yè)的做大做強(qiáng)，聯(lián)盟涵蓋國際與國內(nèi)會員,，致力于創(chuàng)新標(biāo)準(zhǔn)的制定,，特別是在音頻領(lǐng)域，如三維聲Audio Vivid,，以提升用戶的沉浸感和真實(shí)還原度,。

“超高清產(chǎn)業(yè)的五個緯度中，音頻是其中重要一環(huán),，但目前在產(chǎn)業(yè)體驗(yàn)上相對落后于視頻技術(shù),。”王斌表示,，從石器時代,，大家敲石頭發(fā)出聲音，到現(xiàn)在已經(jīng)進(jìn)入三維聲時代,，在聲音技術(shù)的發(fā)展歷程中,，三維聲相較于傳統(tǒng)聲音，提供了位置,、方向和距離等動態(tài)信息,，為藝術(shù)創(chuàng)作者提供了更多表現(xiàn)緯度。

通過在現(xiàn)場播放三維聲的簡單DEMO,，王斌展示了三維聲的空間感,、臨場感和現(xiàn)場感。三維聲標(biāo)準(zhǔn)體系的框架包括編碼,、解碼和渲染等技術(shù)緯度,，支持通用全碼率和無損編碼，并強(qiáng)調(diào)原數(shù)據(jù)的重要性,，以真實(shí)還原聲音的位置,、空間、距離和方向信息,。

騰訊音樂娛樂集團(tuán)推薦算法總監(jiān)黃昕探討了音頻表征大模型在音樂推薦系統(tǒng)中的應(yīng)用,，特別是在AI和大模型時代背景下,，如何融合生成式大模型與傳統(tǒng)的推薦判別式模型，以優(yōu)化用戶體驗(yàn)和音樂人的分發(fā)效果,。

在現(xiàn)場,，黃昕回顧了推薦系統(tǒng)的技術(shù)迭代發(fā)展歷程，指出傳統(tǒng)方法（如基于用戶協(xié)同和深度學(xué)習(xí)）在描述和理解歌曲時,，過度依賴用戶交互行為,，導(dǎo)致新歌曲和中長尾優(yōu)質(zhì)歌曲被低估。因此提出了利用音樂的音頻表征大模型來提取特征,，以更全面地理解音樂和用戶偏好,。

黃昕介紹了音頻表征模型的構(gòu)建方法，包括監(jiān)督/半監(jiān)督方案,、無監(jiān)督方案（對比學(xué)習(xí)和自編碼）以及跨模態(tài)方案,，并詳細(xì)解釋了自編碼方案的原理，即通過token化音頻并使用transformer結(jié)構(gòu)進(jìn)行表征提取,，再通過隨機(jī)掩碼和encoder還原的方式訓(xùn)練模型,。

如何將音頻表征與推薦系統(tǒng)有效結(jié)合？黃昕表示,，由于音頻特征和用戶行為空間的不對齊，直接將音頻特征輸入推薦模型可能導(dǎo)致性能下降,。因此,，技術(shù)團(tuán)隊(duì)提出了在通用音頻表征基座模型基礎(chǔ)上，通過PPO和DPO等方法進(jìn)行微調(diào),，以對齊用戶反饋空間,。兩種微調(diào)方法——歌曲與歌曲的對比學(xué)習(xí)和用戶到歌曲的交互微調(diào)，并發(fā)現(xiàn)用戶到歌曲的交互微調(diào)效果最佳,。

“有了音頻表征之后,，我們會去構(gòu)造更多的特征輸入到我們的推薦模型里面，幫助我們?nèi)ヌ嵘扑]模型的性能,。特別是對于一些新歌中長尾的歌曲,，它的理解能力大大加強(qiáng)了，很自然地幫我們提升了這部分歌曲的分發(fā)量,，并且同時給我們帶來了一些用戶體驗(yàn)的正向的幫助,。”黃昕表示,，無論是歌曲的整體播放時長還是收藏量都提升了一個點(diǎn)以上,，在這個基礎(chǔ)上，一些新歌的中長尾歌曲數(shù)據(jù)也提升了10%以上,。

幕后圈作為一家為音樂人提供服務(wù)的公司,，十年來積累了豐富的經(jīng)驗(yàn)和資源,，逐漸將業(yè)務(wù)拓展至音樂教育領(lǐng)域。幕后圈創(chuàng)始人李泳彬在論壇上分享了《2024年中國音樂產(chǎn)業(yè)發(fā)展報告》的數(shù)據(jù),，指出雖然整體規(guī)模有所增長,，但數(shù)字音樂的增長并未達(dá)到預(yù)期，且與美國等發(fā)達(dá)國家相比,，仍有較大差距,。特別是在音樂演出、音樂版權(quán)以及數(shù)字音樂規(guī)模等方面,，中國仍有很大的提升空間,。

中國的音樂教育培訓(xùn)成為音樂產(chǎn)業(yè)中最大的細(xì)分市場，規(guī)模達(dá)1616億,，占整體規(guī)模的三分之一,。樂器市場出現(xiàn)下滑，尤其是傳統(tǒng)樂器下跌幅度較大（超過50%）,，而智能樂器則上漲40%以上,，反映出消費(fèi)者偏好的轉(zhuǎn)變和音樂教育方式的革新。在李泳彬看來,，中國音樂教育市場規(guī)模超過美國,，但樂器銷售下滑、版權(quán)收入不高,、音樂人平均收入低（僅為世界同等收入的9%）以及人均音樂消費(fèi)低（僅為世界平均水平的0.9%）等問題凸顯,。

李泳彬回顧個人在英國讀研究生的親身經(jīng)歷，對比了歐美和中國的音樂教育現(xiàn)狀,，他發(fā)現(xiàn)歐美在2000年之前就已經(jīng)開始音樂創(chuàng)編的普及教育,，而中國在這方面仍顯滯后，“中國的琴童3000萬人,，但90%都在小學(xué)畢業(yè)之后放棄了,。”

國家將“音樂創(chuàng)編”正式提到藝術(shù)課標(biāo)里,，這意味著音樂產(chǎn)業(yè)和音樂教育正式開始銜接的過程,，當(dāng)小朋友從一年級開始就要學(xué)音樂創(chuàng)編，這可以幫助他們盡早與流行音樂接軌,，與音樂產(chǎn)業(yè)接軌,。李泳彬表示，AI音樂教育作為門檻更低,、更有趣味性的教育方式,，將成為未來音樂教育的重要方向，有望推動音樂產(chǎn)業(yè)的結(jié)構(gòu)優(yōu)化和發(fā)展,。

浙江音樂學(xué)院教授,、數(shù)字音樂智能處理技術(shù)文旅部重點(diǎn)實(shí)驗(yàn)室主任謝秉元分享了交互音樂的多維媒介探索以及與人工智能結(jié)合的發(fā)展趨勢,。

所謂交互音樂，即用戶或環(huán)境能夠?qū)崟r影響或控制音樂的表現(xiàn)和生成,，這種雙向的互動體驗(yàn)打破了傳統(tǒng)音樂聆聽的單向模式,，為用戶提供了更多的參與度和創(chuàng)造性。交互音樂的實(shí)現(xiàn)方式,，包括實(shí)時生成,、感應(yīng)裝置和互動軟件等關(guān)鍵要素。這些技術(shù)支撐了交互音樂的多樣性和靈活性,，使得用戶能夠通過身體動作,、聲音輸入等多種方式與音樂進(jìn)行互動。

謝秉元在現(xiàn)場重點(diǎn)介紹了三種交互方式：物理交互,、文本交互和沉浸式交互,。物理交互通過身體、動作等物理方式與設(shè)備或系統(tǒng)交流,，文本交互則通過輸入文字或符號來控制音樂的生成和表現(xiàn),，而沉浸式交互則利用虛擬現(xiàn)實(shí)技術(shù)搭建特定空間內(nèi)的三維音效環(huán)境與系統(tǒng)交互，為用戶提供身臨其境的體驗(yàn),。

在現(xiàn)場,，通過展示學(xué)生作品和實(shí)驗(yàn)室項(xiàng)目，謝秉元幫助大家看到了交互音樂在實(shí)際應(yīng)用中的豐富多樣性和創(chuàng)新性,。譬如,，名為《綠洲》的學(xué)生作品里面就用了很多類型的傳感器，比如觸摸傳感器,，包括超聲波測距等多種傳感器，跟植物進(jìn)行互動然后產(chǎn)生視聽和視覺效果,，體驗(yàn)人類與自然的和諧共生,。

謝秉元在現(xiàn)場還介紹了實(shí)驗(yàn)室與浙江大學(xué)合作的一項(xiàng)由國家文化重大工程支持的數(shù)字化項(xiàng)目，通過虛擬現(xiàn)實(shí)引擎與游戲聲音引擎的雙輪驅(qū)動,，構(gòu)建了一個沉浸式的音畫空間,。作品時長12分鐘，分為五幕,，每一幕都通過精心設(shè)計的視覺效果,、聲音效果以及物理特效，項(xiàng)目的核心在于其技術(shù)創(chuàng)新與多維度感官體驗(yàn)的結(jié)合,，利用32臺4K投影儀實(shí)現(xiàn)高分辨率的視覺呈現(xiàn),，結(jié)合空間成像技術(shù)，為觀眾講述了一個引人入勝的故事,。

傳統(tǒng)影視配樂工作面臨著音樂庫規(guī)模龐大,、信息不對稱,、選取效率低下以及主觀理解差異等挑戰(zhàn)。為了克服這些難題,，音樂行業(yè)引入了元數(shù)據(jù)系統(tǒng),，通過為每首曲目設(shè)定關(guān)鍵詞或標(biāo)簽集合，提高了音樂檢索的效率,。雅量音樂文化公司副總經(jīng)理李文松在現(xiàn)場講解了AI技術(shù)在數(shù)字音樂平臺中的應(yīng)用,，特別是在解決傳統(tǒng)影視作品配樂工作中的作用。

李文松表示,，元數(shù)據(jù)系統(tǒng)仍存在局限性,，如主觀理解差異、音樂專業(yè)詞匯掌握程度不一以及關(guān)鍵詞設(shè)定偏差等問題,。李文松表示,，為了進(jìn)一步優(yōu)化背景音樂選取的工作流程，行業(yè)內(nèi)提出了由專業(yè)音樂編輯配合影視制作用戶進(jìn)行音樂推薦的方案,。盡管這種方式在一定程度上提高了選取效率和準(zhǔn)確性,，但仍存在溝通理解偏差和表達(dá)差異等挑戰(zhàn)。

隨著人工智能技術(shù)的崛起,，這些問題迎來了新的解決方案,。AI技術(shù)能夠理解自然語言描述，根據(jù)用戶的需求和描述在音樂庫中快速篩選出符合要求的曲目,，大大提高了選取的效率和準(zhǔn)確性,，同時減少了溝通中的誤解和反復(fù)調(diào)整的時間成本。此外,，AI技術(shù)還能夠通過分析圖片中的視覺元素來推薦合適的背景音樂,，特別適用于那些難以用言語準(zhǔn)確描述的場景。

李文松在現(xiàn)場借助視頻演示直觀地呈現(xiàn)了如何通過自然語言描述以及圖片分析來選取背景音樂的創(chuàng)新方法,。

AI如何通過自然語言描述進(jìn)行背景音樂的選?。?/strong>用戶只需在搜索框內(nèi)直接輸入對目標(biāo)音樂的想法和需求,，AI技術(shù)便能理解這些描述,，并在龐大的音樂庫中迅速篩選出符合要求的曲目。