Articles

AI överallt: den snygga tillkomsten av djupt lärande i musikbranschen

Musikgenerering

målet för forskare inom detta område är att artificiellt generera människoljudande musik eller något artistspecifikt, till exempel en av Mozarts kompositioner. Några av metoderna inom detta område inkluderar:

Magenta:

ett forskningsprojekt med öppen källkod som utforskar maskininlärningens roll som ett verktyg i den kreativa processen.

detta projekt som utvecklats av Google Brain syftar till att skapa ett nytt verktyg för artister att använda när man arbetar och utvecklar nya låtar. De har utvecklat flera Modeller för att generera musik. I slutet av 2016 publicerade de en LSTM-modell avstämd med Förstärkningsinlärning. Den spännande tanken var att använda Reinforcement Learning för att lära modellen att följa specifika regler, samtidigt som den fortfarande låter den behålla information som lärt sig från data. Magenta Studio finns också som ett plugin i Ableton Live.

Musenet:

Musenet är ett djupt neuralt nätverk som kan generera 4-minuters musikaliska kompositioner med 10 olika instrument och kan kombinera stilar från land till Mozart till Beatles.

Detta är en OpenAI Musik generation modell. Den använder NLP-arkitektur i form av en storskalig transformatormodell för att förutsäga nästa token i en sekvens. Det kan kombinera stilar från olika kända kompositörer samt olika musikgenrer.

Popgun:

Popgun teknik hjälper alla sjunga, spela instrument, komponera låtar och master audio

denna australiska-baserade start använder djupt lärande genom en plattform som kallas ALICE att följa eller förstärka musikaliska kompositioner. ALICE försöker förutsäga vad en musiker kommer att spela, försöker följa med musiker och försöker också improvisera på vad musiker spelar.

Ampermusik:

amper Score gör det möjligt för företagsteam att komponera Anpassad Musik på några sekunder och återta tiden som spenderas genom att söka igenom stockmusik.

Amper är en molnbaserad, AI-driven musikkompositionsplattform. Systemet genererar enligt uppgift unika musikaliska val baserat på humör, stil och varaktighetsparametrar som valts av användaren. När dessa val har gjorts kan användaren göra ytterligare ändringar innan kompositionen är klar.

Musikströmning:

foto av Zarak Khan på Unsplash

införandet av artificiell intelligens inom området för musikströmning har helt förändrat en användares streamingupplevelse. Musikströmmande appföretag som Joox, QQ Music och KuGou har använt AI för att analysera sina lyssnares preferenser och rekommendera speciellt kuraterade spellistor för personlig kundupplevelse. Genom att använda AI-baserade rekommendationsmotorer undersöker musikströmningsapplikationerna lyssnarnas befintliga historia och rekommenderar nya låtar. Spotify är en musikgigant som har varit oerhört framgångsrik på detta område.

den verkliga effekten som AI har gjort är att använda filtreringsmotorer, som skannar igenom tusentals nyuppladdade låtar för att utveckla spellistor och rekommendationer riktade till varje individ, vilket eliminerar behovet av lyssnare att bläddra igenom tusentals låtar för att välja ut favoriter. Dessutom begränsar AI-filtreringsmotorer inte personalisering till enskilda genrer utan ger istället en helt ny definition av ordgenren genom att generera en spellista med förment orelaterade låtar som anses vara bra musik av den individen. Apple Music har optimerat sitt avsnitt för dig regelbundet med ovanstående princip.

Endel är en ljudstart signerad av Warner Music Group. Det är en plattformsoberoende ljud ekosystem som skapar personliga, ljudbaserade, adaptiva miljöer som hjälper människor att fokusera och slappna av. Även om musiken som producerades inte var tillräckligt bra för att toppa listorna eller göra det till Billboards topp 100, skrev Warners ett 20-albumavtal med företaget. Detta är effekten av AI i dagens värld, där användarupplevelse och komfort är av yttersta vikt.

Låt oss titta närmare på en av de största musikströmningsplattformarna som aktivt använder AI i sina produkter.

Spotify

foto av Heidi Fin på Unsplash

Spotify är en digital musiktjänst som ger dig tillgång till miljontals låtar.

Spotify är den mest betydande on-demand musiktjänst ansökan idag. Företaget har ett register över att driva gränser inom teknik genom att använda AI och maskininlärning för att förbättra användarupplevelsen genom nyanserade kunddata insikter. En stor framgång som de hade uppnått ganska tidigt var lanseringen av Discover Weekly-Spellistan, som nådde 40 miljoner människor under det första året den introducerades. Varje måndag presenteras enskilda användare med en anpassad lista med trettio låtar som består av spår som användaren kanske inte har hört tidigare, men rekommendationerna genereras baserat på användarens sökhistorikmönster och potentiella musikpreferenser. Genereringen av denna spellista är möjlig med en kombination av 3 ML-modeller: Samarbetsfiltrering, naturlig språkbehandling och ljudmodeller.

källa: https://blog.galvanize.com/spotify-discover-weekly-data-science/

samarbetsfiltreringsalgoritmen hittar användare som liknar varandra, baserat på deras användning — de gemensamma låtarna de har lyssnat på — och rekommenderar sedan låtarna som bara en person har lyssnat på den andra. Som med alla nya produkter står Spotify också inför kallstartproblemet där man inte har några användardata att agera på. För att ta itu med detta använder Spotify CNN: s (Convolutional Neural Network) och kör dem över akustiken i en låt själv för att analysera låtar med liknande akustiska mönster för rekommendationen.

när det gäller NLP använder den en teknik som heter Word2Vec, som tar ord och kodar dem till en vektor. Så vektorer med liknande form är mer benägna att ha samma betydelse. Det tar spellistor och behandlar dem som ett stycke eller stort textblock och behandlar varje låt i spellistan som ett enskilt ord. Detta resulterar i vektorrepresentationer av låtar som kan användas för att bestämma två musikstycken som liknar varandra. Som sådan kan Spotify bestämma vilka låtar som liknar varandra, vilket gör det möjligt att ta itu med kallstartproblemet och rekommendera låtar med mycket få spelningar.

ljudmodeller används för att analysera data från raw-ljudspår och kategorisera låtar i enlighet därmed. Detta hjälper plattformen att utvärdera alla låtar för att skapa rekommendationer, oavsett täckning online. Till exempel, om det finns en ny låt som släppts av en ny artist på plattformen, kanske NLP-modeller inte fångar den om täckningen online och i sociala medier är låg. Genom att använda sångdata från ljudmodeller kommer dock samarbetsfiltreringsmodellen att kunna analysera spåret och rekommendera det till liknande användare tillsammans med andra mer populära låtar.

Spotify använder också outlier detection för att skilja mellan saker som en användare faktiskt gillar. Till exempel, en låt av en annan genre med 1 eller 2 pjäser kommer sannolikt att betecknas som en outlier och inte ingå i genereringen av spellistor som detta kan bara vara en misclick. Detta gör att min vecko spellista inte kommer att bli fylld med K-pop låtar i stället för Anjunabeats släpper eftersom min syster bestämde sig för att experimentera med mitt konto bisexuell.

Musik intäktsgenerering

foto av Samuel Ramos på Unsplash

ett annat ganska spännande område där AI har lagt sina rötter är musik monetisering. AI hjälper för närvarande många oupptäckta artister att bli signerade till stora skivbolag och vice versa. Detta händer på många sätt som prisvärd Ljudmastering som är en avgörande aspekt inom elektronisk Dansmusikproduktion eller genom en&r (Artist and repertoar) upptäckt där en algoritm används för att granska sociala, Strömmande och turnerande data för att hitta lovande talang.

LANDR är ett av de företag som effektiviserar processen för blandning och mastering för lokala och underjordiska producenter. Den använder ML algoritmer utbildade på standard steg en ljudtekniker använder för att bemästra Musik. Mastering av spår är gratis för MP3-spår upp till 192 kbps i storlek!. En omedelbar förhandsvisning av det mastrade spåret är också tillgängligt efter att låten har laddats upp.