谷歌的音樂變換器可以產生聽起來不錯的鋼琴旋律

谷歌的歌曲創作人工智能(AI)可能不會很快適應莫扎特或李斯特，但它最近取得了令人印象深刻的進展。在本周的博客文章和隨附的論文(“ 音樂變形金剛 ”)中，Google Brain項目“探索機器學習作為創作過程中的工具的角色”項目Magenta的貢獻者介紹了他們在Musical Transformer，一臺機器上的工作。學習模型能夠以可識別的重復產生相對連貫的曲調。

“Transformer是一種基于自我關注的序列模型，在需要保持長程一致性的許多代任務中取得了令人矚目的成果，”該論文的作者寫道。“這表明自我關注也可能非常適合音樂建模。”

正如團隊解釋的那樣，由于其結構復雜性，制作長篇音樂仍然是人工智能的挑戰; 大多數歌曲包含多個主題，短語和重復，神經網絡很難接受。雖然以前的工作設法引導了 一些由人類組成的作品中的自我參考可觀測量，但它依賴于絕對定時信號，使其不適合跟蹤基于相對距離和重復間隔的主題。

該團隊的解決方案是Music Transformer，一種“基于注意力”的神經網絡，可直接創建“富有表現力”的表演而無需先生成分數。通過使用基于事件的表示和稱為相對關注的技術，音樂變換器不僅能夠更多地關注關系特征，而且能夠超出其提供的訓練樣本的長度。而且由于它的內存密集程度較低，因此它還能夠生成更長的音樂序列。

在測試中，當使用肖邦的Black Key Etude進行準備時，Music Transformer制作了一首風格一致的歌曲，其中包含來自該主題的多個短語。相比之下，兩種先前的算法 - 性能RNN和變壓器 - 提供了完全缺乏可辨別結構或未能保持結構的相同引物。

該團隊承認音樂變形金剛遠非完美 - 它有時會產生重復次數過多，部分稀疏，跳躍奇怪的歌曲 - 但他們希望它能成為需要靈感的音樂家的繆斯。

“這開啟了用戶指定他們自己的入門的潛力，并使用該模型作為一種創造性工具來探索一系列可能的延續，”該團隊寫道。

他們說，訓練和生成音樂變換器的代碼即將出現，還有預先訓練好的檢查站。