Kerää soittolista, löydä päähän juuttunut kappale, kirjoita näytelmä: mitä tekoäly voi tehdä musiikilla
Miscellanea / / March 30, 2022
Tunnista sävellykset
Viileä kappale kuuluu missä tahansa: kauppakeskuksessa, kahvilassa ja jopa läheisen auton ikkunasta liikenneruuhkassa seistessä. Jotta et jää paitsi tuntemattomasta kappaleesta, josta pidät, riittää, että käynnistät tunnistussovelluksen. Tekoäly antaa teoksen nimen ja niissä esiintyvän taiteilijan nimen sekunneissa. Totta, niin nopean tuloksen takana on perusteellinen valmistelu: jotta melodia oppii nopeasti, ohjelman on ensin muistettava se. Tätä varten neuroverkot tuodaan valtavaan raitojen kirjastoon, ja sitten algoritmit muuntavat äänen spektrogrammiksi ja hajottavat sen ajalla, taajuudella ja intensiteetillä.
Anatoli Starostin
Yandex Media Servicesin teknologian kehityspalvelun johtaja.
Spektrogrammi on graafi. Aika sijaitsee vaaka-akselilla, äänen taajuus on pystyakselilla ja sen intensiteetti kiinteällä hetkellä ilmaistaan värillä. Alhaista signaalia edustaa punainen palkki alareunassa ja korkea signaali yläosassa. Tuloksena on kuva, joka koostuu värillisistä vaakasuorista raidoista. Tällaisten piirien analysointi auttaa tunnistamaan musiikkia. Spektrogrammien kanssa työskennellessä käytetään samoja hermoverkkolähestymistapoja kuin kuva-analyysissä.
Oletetaan, että henkilö kuulee kappaleen radiosta ja haluaa tietää nimen ja esittäjän. Tunnistusohjelma rakentaa luontaisesta kohdasta spektrogrammin ja lähettää sen raitakirjastoonsa. Sitten se vertaa halutun melodian "kuvaa" muiden sävellöiden spektrogrammeihin ja valitsee tarkimman vastaavuuden. Samalla tekoäly tunnistaa melodian jopa vakavien häiriöiden, kuten tien melun tai naapurihuoneiston remontin, kautta.
Muuten, hermoverkko ei pysty vain tunnistamaan artistia ja päähän juuttun raidan nimeä, vaan myös määrittämään karkeasti sen genren. Tätä varten tekoälyä opetetaan löytämään malleja eri musiikkityyleistä. Ihmisen näkö ja kuulo eivät yleensä pysty saavuttamaan tällaisia erityispiirteitä. Mutta koneoppimisen ansiosta on mahdollista laskea musiikkigenrejä spektrogrammikuvista.
Suosittele kappaleita
Vaikuttaa siltä, että mielialaasi sopivan "saman" kappaleen löytäminen miljardeista kappaleista yksin on melkein yhtä epätodennäköistä kuin rakastuminen ensisilmäyksellä. Mutta suositusalgoritmien ansiosta täydellisiä osumia ei tapahdu kovin usein. Ensin tekoäly etsii ihmisiä, joilla on samanlainen maku, ja sitten yhdistetään tilastolliset kaavat: tietyn sävellyksen tykkäyksiä, ei-tykkäyksiä, leikkejä ja ohituksia.
Anatoli Starostin
Kappalesuositus toimii yksinkertaisen kaavan mukaan: jos Vasya piti kappaleesta X, ja sitten Petya myös arvioi sen, niin kun Vasya tykkää Y: stä, Petyan tulisi suositella myös kappaletta Y. Kun algoritmin on löydettävä seuraava kappale, kaavaa sovelletaan joukkoon mahdollisia kappaleita. Sopivin kelluu huipulle.
"Kylmä" sisältö, jota ei näy massakuuntelijan soittolistoilla, leviää hitaammin. Mutta hermoverkkojen ansiosta tuntemattomilla artisteilla ja niche-musiikilla on vielä pieni mahdollisuus välkkyä suositusvirrassa. Jos yksinkertaistamme kaikki tekniset vivahteet, voimme sanoa, että tällaisissa tapauksissa tekoäly selvittää, kuinka usein tietty käyttäjä kuuntelee kappaleita samanlaisilla spektrogrammeilla ja kutsuu häntä ajoittain tutustumaan uusiin kappaleita.
Mary Gu
Laulaja.
Joskus etsin inspiraatiota suosituksista. Uskon sävellyksen valinnan musiikkipalveluun, kuuntelen melodioita, etsin mielenkiintoisia ääniä tai tekstejä. Voit siis todella spontaanisti rakastua tuntemattoman artistin kappaleeseen. Ja toinen vahingossa kuulemani rivi voi saada minut luomaan omia runojani.
Neuroverkot auttavat myös luomaan musiikkivalintoja kuntoilua, kävelyä tai nukkumista varten. Sisältöeditorit valitsevat algoritmeille viiteraitoja, ja tekoäly laajentaa heidän spektrogrammiensa perusteella temaattisia suosituksia.
tuottaa musiikkia
Aikaisemmin vain säveltäjät pystyivät luomaan melodioita. Nyt se on mahdollista ilman muusikoiden osallistumista. Vuonna 2020 Alankomaat isännöi ensimmäistä neuroverkkojen Eurovision laulukilpailua - AI Song Contest. Australialainen voitti yhteistyötä tekoäly koalojen, kuningaskalastajien ja tasmanian paholaisten kanssa. Laulu oli omistettu mantereella riehuville metsäpaloille. Eläinten äänet tallennettiin lyhyiksi näytteiksi - 1-2 sekunnin pituisiksi fragmenteiksi. Algoritmi yhdisti ne kaikkien aiempien Euroviisujen voittajien hitteihin, minkä jälkeen he kokosivat näytteitä omaksi melodiaksi.
Tämä ei ole ainoa esimerkki onnistuneesta ohjelmoijien ja hermoverkkojen luovasta liitosta. Vuonna 2019 Winter International Arts Festivalin päätteeksi Sotshissa valtionorkesteri esitti 8 minuutin teoksen. Sen on säveltänyt säveltäjä Kuzma Bodrov erillisistä hermoverkkojen tuottamista melodioiden katkelmista. Nykyään musiikin luominen on lupaavin alue tekoälyn kehittämiselle.
Anatoli Starostin
Tekoäly voi luoda musiikkia kolmella tavalla. Ensimmäinen liittyy valmiiden ääni "tiilien" - näytteiden - rakentamiseen. Tässä tapauksessa algoritmi yksinkertaisesti järjestää ne oikeaan järjestykseen useiden ääniraitojen yli, ja elektroninen sovittaja sekoittaa valmiin raidan. Toinen tapa on luoda nuotteja. Se on kuin kirjoittaisi ohjeita muusikolle soittaakseen valmiin teoksen. Ja kolmas tapa on tallentaa "raaka" äänisignaali. Tässä tapauksessa hermoverkko itse luo ääniaaltoja, jotka ovat samanlaisia kuin esimerkiksi Mozart tai Beatles.
Muuten, hermoverkot voivat myös kirjoittaa runoutta kappaleille. Toistaiseksi tällaiset kappaleet kuulostavat melko oudolta, joten lauluntekijöiden ei pitäisi huolehtia työttömyydestä. Lisäksi "tietokonemielessä" ei ole tunteita. Hän ei voi tunkeutua tunnekontekstiin ja välittää kokemuksia, jotka pakottivat teosten tekijät luomaan.
Mary Gu
Runous ja musiikki käsittelevät ensisijaisesti ihmisten sielua, sisäistä maailmaa, kokemuksia, tunteita ja tunteita. Esimerkiksi uusi kappale ”Don't Burn Out” on henkilökohtainen tarinani, mutta se kertoo myös jokaisesta, joka hakee unelmaa ja yrittää ymmärtää itseään. En usko, että tekoäly koskaan korvaa elävää ihmistä musiikkiteollisuudessa. Mutta täältä voit saada mielenkiintoisen tandemin "ihminen - hermoverkko". Tiedämme jo kymmeniä esimerkkejä, kun tekoäly auttoi säveltäjiä luomaan ainutlaatuisia melodioita. Itse asiassa tämä on uusi suunta musiikkimaailmassa, jolla on varmasti oma kuuntelijansa ja yleisönsä tulevaisuudessa.
Tekoäly tuo luovuuden kaikkien ulottuville ja musiikki auttaa sitä kehittymään. Ymmärtääksesi kuinka nämä kaksi napaa lähentyvät ja vaikuttavat toisiinsa, voit "Oppituntien numerot” Yandexistä - ”Digitaalinen taide: musiikki ja IT”. Yhdessä sarjakuvien sankarien kanssa osallistujat oppivat kuinka hermoverkot tunnistavat ja synnyttävät raitoja ja mitkä tekniikat auttavat tuntemiemme musiikkipalvelujen työssä. Oppitunnilla opiskelijat yrittävät itse arvata sävelmän spektrogrammin perusteella ja laatia suositusten sisältävän soittolistan.
Haluan "Oppituntinumerot"
Peite: Willyam Bradberry / Shutterstock / Eric Isselee / Shutterstock / Ljupco Smokovski / Shutterstock / FOTOSPLASH / Shutterstock / Olga Selepina / Lifehacker