图片来源：英国 DJ Mag 网站
MusicLM可以产生适合视觉艺术的声音。例如它根据萨尔瓦多·达利的《记忆的永恒》和雅克-路易·大卫的《跨越阿尔卑斯山圣伯纳隘道的拿破仑》的描述创建了配乐。
图片来源：美国在线媒体Voicebot.ai
过去几年里，人工智能(AI)在创意领域的应用出现了爆炸性增长。新一代图像和文本生成器不断给人惊喜。现在，AI正在下一个领域掀起浪潮。
近期，谷歌的一个研究团队发布了新的AI模型MusicLM，这是一种可将文本信号转换为音频片段的音乐生成器。继ChatGPT之后,音乐或将成为AI生成的前沿领域。这是创意AI在短短几年内创新步伐飞速的又一个例子。
传统音乐行业仍在适应互联网和流媒体服务带来的巨大冲击，AI会改变人们创作和体验音乐的方式，使音乐行业再次复兴吗？
把文字变音乐的AI“艺术家”
最近爆火的聊天机器人ChatGPT或许还无法制作音乐，但谷歌的MusicLM可以。
这一AI“艺术家”可根据不同地点、时代或要求创作音乐。其样本由指定音乐流派、音乐气氛甚至特定乐器的长段旋律组成。
当MusicLM“听到”某人吹口哨、哼唱、演唱或是演奏乐器后，能从中推断出额外的旋律小节。它可调节乐器的种类，甚至是演奏的力度。它还可创建一曲连续音乐即兴表演的“故事”，例如创作“在电子游戏中播放的电子歌曲”“在河边播放的冥想歌曲”、表达意境为“火”和“烟花”等音乐。
MusicLM甚至可产生适合视觉艺术的声音。例如，它根据萨尔瓦多·达利的名画《记忆的永恒》和雅克-路易·大卫的《跨越阿尔卑斯山圣伯纳隘道的拿破仑》的描述创建了配乐。
AI生成音乐史上的重要突破
AI生成音乐有着悠久的历史，甚至被认为是创作热门歌曲和助力现场表演的“功臣”。
在MusicLM之前，已经有其他尝试利用AI生成音乐的尝试，比如谷歌发布的AudioML和OpenAI的Jukebox，视觉和声音AI项目Riffusion则使用稳定扩散将文本提示转换为声图。还有一些AI工具可将生成式AI和音乐结合在一起，比如Voicesmod的合成歌曲生成器，它可将提交的歌词与一系列流行歌曲和AI声音进行匹配。
不过，谷歌研究人员在论文中也提到了AI音乐生成面临的各种挑战。相比从文本到图像的机器学习，缺乏配对的音频和文本数据是一大障碍。此外，音乐是“沿着时间维度”构建的，让AI了解文本表达的意图，创作出一段符合主题的持续的音乐要困难得多。