所有文章 > 正文

AI与即兴音乐的碰撞,擦出独特的音乐火花

作者: Jansfer

时间: 2019-07-01 15:53

为了在音乐方面有所突破,Castro正在开发一种深层次的AI模型,鼓励音乐家通过即兴创作来创造出独特的音乐。Castro 在上周于北卡罗来纳州夏洛特举行的国际计算创新大会(ICCC)上发布了ML-Jam及其开源Python代码。

图|PSC三人组从左到右:Pablo Castro在弹奏钢琴,Olivier Hébert 在演奏大提琴,而Claudio Palomares 在敲鼓(图片来源:John-Finnigan Lin)

Google AI研究员兼钢琴演奏家Pablo Castro意识到音乐家现在已经进入了“舒适区”。这是他们在付费观众面前所依赖的一点,但这点也会变得无趣并且限制音乐家在音乐方面的提升。为了在音乐方面有所突破,Castro正在开发一种深层次的AI模型,鼓励音乐家通过即兴创作来创造出独特的音乐。

“因为我们已经接受了很长时间的训练,所以我们可以以一种创造性的方式来驾驭这些不舒服的区域。而且这有时候会带来新的音乐表现形式。”, Castro在与Venture Beat的电话交谈中说道。Castro在PSC三重奏中演奏钢琴,这是一支在渥太华、蒙特利尔和加拿大以及其他地方演奏的爵士乐队。

来自Google Brain的用机器学习来创造音乐的项目ML-Jam旨在展现音乐即兴创作中的人物性格。ML-Jam故意将自己局限在现有的预装模型中,它使用了Magenta的DrumsRNN 和 MelodyRNN。

Castro说:“从本质上讲,我想要做的就是保持自己的节奏,因为这样才能展现我演奏的方式,所以现在用模型制作的音符来取代我的音符,这就变成了混合即兴创作表演。在我的经验中,我发现这种混合即兴创作表演通常也是有节奏的,而这种节奏并不是我自己能想到的,它常常让我着迷。”

Castro 在上周于北卡罗来纳州夏洛特举行的国际计算创新大会(ICCC)上发布了ML-Jam及其开源Python代码。该模型的核心是从Castro称为不可逆转的鼓轮槽开始。当有人开始弹奏低音乐器开始,一直到逐渐加入了其他乐器, 这个过程中凹槽将收录的旋律发送到DrumsRNN以生成独特的模型。然后,一个控制节奏模型的音乐家, 即兴创作一个基于MelodyRNN的旋律,形成了一节乐谱。

使用Python进行多线程处理使得ML-Jam的演绎在一个单独的线程中执行,从而使ML-Jam可以在演奏音乐期间生成模型,然后实时播放。由于生成一个模型的时间不可预测,音乐家必须在舞台上演奏他们还没有在现场听到的声音。

Castro尝试与ML-Jam和他的爵士乐三人组一起演奏,但是他发觉他们之间缺乏化学反应。因此,他计划将AI融入他自己的音乐中。

他下一步的计划是使用ML-Jam或衍生系统为现场表演提供独特内容。Castro说:“我必须考虑它是否能与我使用的系统类型一起工作。就像击鼓一样,会循环某个旋律,所以我必须有一些适合循环的东西,不能太重复,不能很无聊,所以每当我完成了它,无论从中得到什么,如果我没有对自己施加这些限制,那么100%与我想出的任何东西都会非常不同。”

Castro与人工智能的串联演奏可能会融入其他新颖的音乐模式,例如制作钢琴旋律的Magenta音乐变换器和Open AI的Muse Net ,以激发更多即兴创作。3月份,Google创建了一个由音乐变压器驱动的工具,该工具以某人的选择键开头,然后生成听起来像Johann Sebastian Bach的作品的音乐。

Castro说:“它的重点是探索人机协作的空间 , 我想做的就是让每首歌都探索不同类型的机器学习模式,它们不一定都是音乐生成模式。我们的想法是,看看如何将不同的机器学习技术融入到作曲或即兴创作中。”

参考:venturebeat

[关于转载]:本文为“AMiner”官网文章。转载本文请联系原作者获取授权,转载仅限全文转载并保留文章标题及内容,不得删改、添加内容绕开原创保护,且文章开头必须注明:转自“AMiner”官网。谢谢您的合作。

二维码 扫码微信阅读
推荐阅读 更多