有哪些公司在做AI作曲？

秒杀是一种艺术

有哪些公司在做AI作曲？

第一浪

长春迪声软件有限公司   悠悠虚拟乐队软件10年前就做出来了，自动生成完整歌曲(›´ω`‹ )

绝世双月

功能和工具

• 生成音乐（AI作曲工具汇总）：AI编曲可以生成原创的音乐作品，从简单的旋律和和弦到复杂的音乐结构。通过训练神经网络模型，AI能够分析和模仿大量现有音乐作品的风格、音乐理论和曲风，从而生成具有类似特征的新音乐。这些生成的音乐作品可以应用于电影配乐、广告音乐和游戏音乐等领域。
  
• 音乐协作（Band in a box，Liquid Rhythm，FL studio）：AI编曲还可以与人类音乐家进行协作创作。它可以作为创作工具，根据人类音乐家的创意和指导，快速生成和修改音乐片段。这种协作方式提供了创作过程中的灵感和创造力支持，有助于音乐创作的快速迭代和实验。
  
• 音乐风格迁移：AI编曲还可以进行音乐风格迁移，将一种音乐风格转换为另一种风格。通过学习不同音乐风格的特征和模式，AI模型可以将现有音乐作品转换为具有不同风格的新版本。这为音乐家提供了探索和尝试不同音乐风格的机会。
  

PS: 国产软件如网易天音、和弦派等也在内测中，我在申请和弦派内测资格时发现软件还是倾向给专业人士使用。但是个人觉得音乐生成工具的使用门槛在未来会越来越低，例如Google的MusicLM（给我一个prompt，帮你实现编曲自由-36氪），音乐协作则更适合音乐行业从业者。
原理

• 生成对抗网络（GAN）：GAN是一种由生成器和判别器组成的模型。在音乐编曲中，生成器用于生成新的音乐作品，而判别器用于评估生成的音乐的真实性。通过生成器和判别器之间的对抗训练，GAN模型可以学习生成更加逼真和音乐性的作品。
  
• 序列生成模型：序列生成模型是一类基于统计模型或神经网络的模型，用于生成音乐序列。其中，循环神经网络（RNN）和变种如长短时记忆网络（LSTM）和门控循环单元（GRU）是常用的序列生成模型。这些模型通过学习音乐序列的统计规律和概率分布，生成新的音乐序列。
  
• 隐马尔可夫模型（HMM）：HMM是一种用于建模和生成序列数据的统计模型。在音乐编曲中，HMM可以用于对音乐的节奏、和弦、旋律等元素进行建模，并生成新的音乐序列。
  
• 强化学习：强化学习可以用于音乐生成中的交互式决策过程。通过定义合适的状态、动作和奖励函数，强化学习模型可以学习在给定环境中生成音乐的最优策略。
  
• 音乐理论建模：一些AI编曲系统也利用了音乐理论的建模方法。这些方法基于音乐理论的规则和模式，如和弦进行、音阶、音程等，来生成符合特定音乐风格或规范的音乐作品。
  
• 迁移学习：迁移学习是一种将已学习的知识迁移到新任务上的机器学习方法。在AI编曲中，可以使用迁移学习来利用已有的音乐数据和模型，将其迁移到新的音乐风格或类型上，从而生成具有所需风格的音乐作品。
  

挑战

AI编曲也面临一些技术挑战。其中之一是训练数据的质量和多样性。AI模型需要大量的音乐数据进行训练，以学习音乐的结构、模式和风格。然而，获取高质量、多样性的音乐数据并不容易，这可能限制了AI模型在不同音乐风格和类型上的表现能力。
另一个挑战是音乐知识的建模和表达。尽管AI模型可以通过大规模训练来学习音乐的统计特征，但它们缺乏对音乐理论和情感的深入理解。这使得AI编曲的音乐作品在某些方面可能显得缺乏人类的情感和创造力。
此外，AI编曲还面临一些伦理和法律问题。例如，使用AI编曲生成的音乐作品可能涉及版权问题，特别是在与现有音乐作品的相似性和权益保护方面。此外，将AI模型用于商业用途可能引发伦理问题，例如是否应该将AI编曲作品与人类音乐家的作品区分开来。
（部分内容由chatGPT生成）