AI绘画火得，AI唱歌火不得？

作者：干麻鸭 编辑：一萌

来源：果壳硬科技

图片来源：由无界版图 AI 工具生成。

在AIGC面前，还有谁不跪下

临近2022年尾声，AIGC成为今年最受关注的技术关键词之一。只需要几句描述，就能让AI进行联想并作画，通过最直接、最快速的视觉反馈，给人类对艺术的常规理解带来冲击。

属于比较不怎么样的AI绘画

通过上一篇文章《AI厂工什么时候开始赛博搬砖？》，你大概已经知道了AIGC是什么以及投资现状。如果展望一下未来，作为Gartner口中的“2022年五大影响力技术之一”，到2025年，AIGC所创造的数据可占到所有已生产数据的10%。[2]

Gartner发布的2022年技术成熟度曲线[3]

虽然目前AIGC在视觉上的竞争更加充分、发展更快，也更吸引眼球，但是音乐作为人类文化与情感的重要载体，AI其实也在对该产业进行改造——只是更加潜移默化。

标签、算法、神经语言识别等功能，几乎成为音乐类App的标配，它们可以自动生成歌单并推送给用户。现在你打开QQ音乐，应该有不少人把选择权直接丢给了“每日30首”和“个性推荐”。

如果谁想体验一下音乐品位被嘲笑的感觉，那AI也可以提供贴心服务。2020年底，网络杂志《The Pudding》推出了一款人工智能应用“How Bad Is Your Spotify？”[4]，该应用的数据库里输入了数以百万计的Pitchfork评论、reddit帖子和唱片店推荐，通过分析用户的Spotify播放列表，在嘲笑其音乐品位过于“初级”，或痴迷某个歌手“到了令人不舒服的程度“，热情的Twitter用户甚至曾一度挤爆了Pudding网站。

AI对音乐的改造没有止步于兴趣分析或者品位鉴赏。2014年播出的美剧《天蝎计划》（Scorpion，S2E8）中，讲了一个在当时颇为科幻的故事：一名博客音乐家写出了可以不断制造“神曲”的程序，却因此招来杀身之祸——凶手正是另一个运用程序写歌谋利的创作者。

8年过去， 在大平台们的努力下，《天蝎计划》中的幻想很快成了现实。AI终于打算真实地对音乐创作过程下手了！

他们都在玩AIGC，他们都有美好的未来

2016年6月，世界上第一首人工智能创作出的90秒钢琴音乐作品诞生，它来自谷歌与加州艺术学院联合推出的“Magenta”项目。

此后，AIGC音乐越来越多，底层技术则分为两条路子。

一条路子，是“自动作曲”。2017年，索尼CSL（计算机科学实验室）人工智能程序FlowMachines推出的《老爸的车》（Daddy’s  Car），就是AI作曲的成绩，号称 “第一首完全由人工智能创作的完整歌曲”；微软的AI则通过分析学习几十首圣诞颂歌，推出过一首名为《城市欢乐时光》（Joyful Time in The City）的AI歌曲。

比起90秒作品，完整的AI自动作曲可谓前进了一大步。但它们仍需从人类浩如烟海的历史音乐作品中汲取灵感，是人类艺术灵感的延伸，像《老爸的车》这样的作品，作曲和编曲由AI完成，和声与填词由人类作曲家帮助搞定；《城市欢乐时光》也需要人类辅助完成。其实，这类音乐作品谈不上“完全由人工智能创作”，更多是技术圈地自萌，听众实际接受度得打个问号。

另一条路子，则主打“AI自动合成音乐作品”。比如腾讯音乐阿波罗声音实验室研发的声音合成技术引擎“凌音”， 高度还原和复刻歌手的声音特点，重现艺人经典声音，首位AI歌手发布于今年7月，基于杨超越的声音合成，只需要歌手10分钟左右的录音就能很好地复刻出原声，甚至可以在演唱中带“感情”。此后的成熟作品有《没有寄出的信》（复刻和重现邓丽君的声音），《愿你被这个世界温柔以待》（复刻和重现梅艳芳的声音）。

“自动作曲”与“凌音引擎”的不同之处是，“自动作曲”模仿音乐，“凌音引擎”是使用自主设计的深度神经网络模型，加上既有声音风格元的“合成音乐”，后者并不避讳使用了人类历史上精华艺术作品，并复刻这些艺术风格。

这也是AIGC类音乐的另一个发展方向——与其让机器搞原创音乐，不如让机器辅助人创作音乐，并且比起单纯的输出歌曲，还可以做得更多，改变我们过往体验音乐的方式。

谷歌AI音乐项目Magenta的技术负责人道格拉斯·艾克（Douglas Eck）在接受《科学》杂志（Science）采访时认为，AI已经是国际象棋高手，但如今已成为人类棋艺精进的帮手，音乐也一样，如今不管机器学习速度有多快，人类都能以更快速度适应和利用AI技术来辅助创作，玩出新意[5]。

说得直白点，AI大可不必取代人类，做个趁手的工具也挺好。而最需要AI工具生成内容的，可能不在现实，而在虚拟世界。

也就是，如何把“中之人”彻底数字化。

把AI用到刀刃上

AIGC的音乐进化到今天，已经不同于过往的自动语音合成技术，而是具有更高复刻度，引擎渲染后的AI声音在音色、语气上与真人更加接近，在演唱上也更有表现力和“感情”。目前“凌音”技术不仅能让AI演唱（官方称“合成“）已存在的曲目，用户也可一键定制由AI作词、谱曲、演唱的合成歌曲。

在这种环境下，人们面对的问题是：如何让元宇宙数字人唱跳Rap打篮球？

这并不容易，因为视频世界中不仅需要音乐，还要求具备音乐（乐器/人类）的声音、口型、表情、动作等元素，更丰富的场景下，还需要舞蹈、运镜、灯光……

如果你使用腾讯音乐天琴实验室的“Music XR Maker 系统”，完全可以实现这些需求，而且应用场景多样化，该系统的首位虚拟人小琴于今年10月推出，用AI驱动的方式，基于音乐去生成舞蹈表演和歌唱元素，目的是提升运营效率和虚拟人的真实、趣味性。这也给会议、客服、新闻播报等场景提供了更好的解决方案。据了解，很快也将会有一位从“次世代”远道而来、经过层层遴选的“超级歌手”在TME出道，或许她将颠覆我们对唱歌的想象，成为开辟“音乐虚拟偶像元年”的天降紫微星。

“不同于大投入定制化的头部虚拟偶像，我们希望将Music XR Maker打造成一套高效率、低成本产出数字人的平台，同时让数字人具备更强的实时内容生产能力，让任意音乐、舞蹈、舞台等元素的互动结合成为可能。”QQ音乐技术副总裁周文江谈到。

元宇宙的AIGC音乐也得赚钱啊

2022年，扎克伯格100亿美元烧出来的元宇宙社交平台地平线世界（Horizon Worlds）留存量感人，今年10月16日，Meta内部文件被曝光，其中显示地平线世界的月度活跃用户数量不足20万，远未达到原本50万的预期，且兴趣时长仅仅一个月。

说来好笑，作为一个虚拟世界，元宇宙最缺的却是人，最难的是打造一片好的土壤来吸引人共同创作。

相比较来说，国内另一个元宇宙案例则更为务实，今年7月16日，腾讯音乐旗下的虚拟音乐嘉年华TMELAND联合百事可乐打造了一场沉浸式虚拟3D演出。这场虚拟化音乐演出为元宇宙实验提供了内容和主题，而这次商业合作，也给未来虚拟场景营销提供了“标准模板”。这可能是国内AIGC领域第一个大商业客户买单的案例。诸多品牌主加持到元宇宙的内容共建中，也将丰富生态，形成有一个有生命力的营销场景。

纵观音乐产业，从早期的1.0唱片时代音乐内容的输出集中在少数有资源的专业人士手中；进入到2.0流媒体时代，更多音乐从业者参与进来，推荐和分发机制让他们得到了展示机会；随着3.0的到来， AIGC甚至让音乐消费者也拥有反向输出和参与共创的能力。持续加强对AI的投入，音乐平台的未来或许是一块比想象中更肥沃的土壤。

足够多的高粘性用户、人对音乐永不厌倦的欣赏、已经培养成型的付费习惯、逐步推进的共创工具（不直接介入创作甚至还能够避免版权纷争）、多元化的场景碰撞，谁说音乐平台不是一块比游戏化的元宇宙更佳的土壤呢？

“元宇宙从来都不是一蹴而就的事情，我们可以利用我们已经成熟的技术，去实现一个基础的版本，然后不断的去提升各项技术，去完善元宇宙体验。”针对音乐+AI的更多可能性，天琴实验室计算机视觉负责人董治说到：“我们在AI驱动上的核心能力，它们都有一个共同点，就是通过音乐，用AI的方式，去生成虚拟世界的各项基础元素。“

关于AI艺术的一些后话

从AI写稿，到AI作画，再到AI音乐与视频，AIGC始终面临一些争议：如果生成的内容不够好，那它存在的意义是什么？如果它生成的内容足够好（且这可能是未来的必然），那它会激起新一轮职业替代恐慌吗？人类的精神娱乐生活会被AI接手吗？

这也许是一系列纠缠恒久的话题。技术乐观主义者经常会说，工具的好坏取决于使用者的目的。

实际上，互联网一直在做的，就是让更多人更方便地享受到科技提升带来的乐趣，音乐领域也如是。如果我们在国内把凌音引擎、Music XR Maker等工具开放给所有有需要的音乐人、制作机构或者内容公司，再通过音乐元宇宙和AIGC帮助听众尽快进入到虚实结合的音乐体验中，未来甚至成为全民在音乐领域共创的得力工具，让每个人能按照自己的想象去制作音乐，享受音乐，那也许是个更值得期待的未来。