Saml en playliste, find et nummer, der sidder fast i dit hoved, skriv et teaterstykke: hvad kunstig intelligens kan gøre med musik
Miscellanea / / March 30, 2022
Genkend kompositioner
Et cool nummer kan høres overalt: i et indkøbscenter, på en cafe og endda fra vinduet i en nærliggende bil, mens du står i en trafikprop. For ikke at gå glip af den ukendte sang, du kan lide, er det nok at tænde for genkendelsesapplikationen. Navnet på kompositionen og navnet på kunstneren i dem udgives af kunstig intelligens på få sekunder. Sandt nok, bag et så hurtigt resultat er der en grundig forberedelse: for hurtigt at lære melodien skal programmet først huske den. For at gøre dette introduceres neurale netværk til et enormt bibliotek af spor, og derefter konverterer algoritmer lyden til et spektrogram og nedbryder den til tid, frekvens og intensitet.
Anatoly Starostin
Head of Technology Development Service hos Yandex Media Services.
Et spektrogram er en graf. Tid er placeret langs den vandrette akse, lydens frekvens er placeret langs den lodrette akse, og dens intensitet i et fast øjeblik er udtrykt i farve. Et lavt signal er repræsenteret af en rød bjælke i bunden og et højt signal i toppen. Resultatet er et billede bestående af farvede vandrette striber. Analysen af sådanne kredsløb hjælper med at genkende musik. Når man arbejder med spektrogrammer, bruges de samme neurale netværkstilgange som ved billedanalyse.
Antag, at en person hører en sang i radioen og vil vide navnet og kunstneren. Genkendelsesprogrammet opbygger et spektrogram af den lydende passage og sender den til dets bibliotek af spor. Derefter sammenligner den "billedet" af den ønskede melodi med spektrogrammerne af andre kompositioner og vælger den mest nøjagtige match. Samtidig genkender kunstig intelligens melodien selv gennem alvorlige forstyrrelser, såsom vejstøj eller reparationer i en nabolejlighed.
Forresten er det neurale netværk i stand til ikke kun at identificere kunstneren og navnet på sporet, der sidder fast i hovedet, men også groft bestemme dens genre. For at gøre dette læres kunstig intelligens at finde mønstre i forskellige musikstile. Sådanne specifikke egenskaber er normalt utilgængelige for menneskers syn og hørelse. Men takket være maskinlæring bliver det muligt at beregne musikgenrer ud fra spektrogrambilleder.
Anbefal sange
Det lader til, at det er næsten lige så usandsynligt at finde det "samme" nummer, der passer til dit humør i milliarder af sange, som at blive forelsket ved første blik. Men takket være anbefalingsalgoritmer sker perfekte matches ikke så ofte. Først leder kunstig intelligens efter mennesker med lignende smag, og derefter er statistiske formler forbundet: antallet af likes, dislikes, afspilninger og overspringninger af en bestemt sammensætning.
Anatoly Starostin
Sanganbefaling fungerer efter et simpelt skema: Hvis Vasya kunne lide nummer X, og så bedømte Petya det også, så når Vasya kan lide Y, bør Petya også anbefale nummer Y. Når algoritmen skal finde den næste sang, anvendes formlen på et sæt potentielle sange. De bedst egnede flyder til toppen.
"Koldt" indhold, der ikke ses i masselytterens spillelister, spredes langsommere. Men takket være neurale netværk har ukendte kunstnere og nichemusik stadig en lille chance for at flimre i strømmen af anbefalinger. Hvis vi forenkler alle de tekniske nuancer, så kan vi sige, at i sådanne tilfælde finder kunstig intelligens ud af, hvor ofte en specifik bruger lytter til sange med lignende spektrogrammer og inviterer ham med jævne mellemrum til at stifte bekendtskab med nye. spor.
Mary Gu
Sanger.
Nogle gange leder jeg efter inspiration i anbefalinger. Jeg overlader valget af kompositionen til musiktjenesten, lytter til melodierne, finder interessante lyde eller tekster. Så du kan virkelig spontant forelske dig i et nummer af en ukendt kunstner. Og en anden linje, jeg ved et uheld hørte, kan få mig til at skabe mine egne digte.
Neurale netværk hjælper også med at generere musikvalg til fitness, gåture eller søvn. Indholdsredaktører vælger referencespor til algoritmer, og baseret på deres spektrogrammer udvider kunstig intelligens tematiske anbefalinger.
skabe musik
Tidligere var det kun komponister, der kunne skabe melodier. Nu er det muligt uden deltagelse af musikere. I 2020 var Holland vært for den første Eurovision Song Contest for neurale netværk - AI Song Contest. Australieren vandt samarbejde kunstig intelligens med koalaer, isfugle og tasmanske djævle. Sangen var dedikeret til skovbrandene, der raser på kontinentet. Dyrelyde blev optaget i korte prøver - fragmenter på 1-2 sekunder lange. Algoritmen kombinerede dem med hits fra alle de tidligere vindere af det rigtige Eurovision, hvorefter de samlede samplerne til deres egen melodi.
Dette er ikke det eneste eksempel på en vellykket kreativ forening af programmører og neurale netværk. I 2019, ved afslutningen af Winter International Arts Festival i Sochi, fremførte Statsorkestret et 8-minutters stykke. Det blev skrevet af komponisten Kuzma Bodrov fra separate fragmenter af melodier genereret af neurale netværk. I dag er skabelsen af musik det mest lovende område for udviklingen af kunstig intelligens.
Anatoly Starostin
Kunstig intelligens kan skabe musik på tre måder. Den første er forbundet med konstruktionen af færdige "klodser" af lyd - prøver. I dette tilfælde arrangerer algoritmen dem simpelthen i den rigtige rækkefølge over flere lydspor, og den elektroniske arrangør blander det færdige spor. Den anden måde er at generere musiknotation. Det er som at skrive instruktioner til musikeren om at spille det færdige værk på det. Og den tredje måde er at optage det "rå" lydsignal. I dette tilfælde skaber det neurale netværk selv lydbølger, der ligner for eksempel Mozart eller Beatles.
Forresten kan neurale netværk også skrive poesi til sange. Indtil videre lyder sådanne numre ret mærkelige, så sangskrivere bør ikke bekymre sig om arbejdsløshed. Derudover er "computersindet" blottet for følelser. Han kan ikke trænge ind i den følelsesmæssige kontekst og formidle de oplevelser, der tvang værkernes forfattere til at skabe.
Mary Gu
Poesi og musik handler primært om menneskers sjæl, indre verden, oplevelser, følelser og følelser. For eksempel er det nye nummer “Don't Burn Out” min personlige historie, men det handler også om alle, der går efter en drøm og forsøger at forstå sig selv. Jeg tror ikke, at kunstig intelligens nogensinde vil erstatte et levende menneske i musikindustrien. Men her kan du få et interessant tandem "menneskeligt - neuralt netværk". Vi kender allerede snesevis af eksempler, hvor kunstig intelligens hjalp komponister med at skabe unikke melodier. Faktisk er dette en ny retning i musikverdenen, som, jeg er sikker på, vil have sin egen lytter og publikum i fremtiden.
Kunstig intelligens gør kreativitet tilgængelig for alle, og musik hjælper den med at udvikle sig. For at forstå, hvordan disse to poler konvergerer og påvirker hinanden, kan du "Lektionsnumre” fra Yandex - “Digital kunst: Musik og IT”. Sammen med tegneseriens helte vil deltagerne lære, hvordan neurale netværk genkender og genererer spor, og hvilke teknologier, der hjælper i arbejdet med musiktjenester, vi kender. Ved lektionen vil eleverne selv prøve at gætte melodien ved hjælp af spektrogrammet og sammensætte en playliste med anbefalinger.
Jeg vil gerne "Lektionsnumre"
Dække over: Willyam Bradberry / Shutterstock / Eric Isselee / Shutterstock / Ljupco Smokovski / Shutterstock / FOTOSPLASH / Shutterstock / Olga Selepina / Lifehacker