即时焦点：文字生成音乐！Meta 刚刚发布了“音乐界的 ChatGPT ”，还是“开源的”！

从 AI 孙燕姿到 MusicGen，从演唱到创作，AI 已经全面入侵音乐领域。

近日，Meta 在 Github 上开源了 AI 模型 MusicGen，引发外界关注。

顾名思义，MusicGen 是有一个音乐生成 AI 模型，可以根据文本和旋律提示创作音乐。

(资料图片)

该模型基于谷歌 2017 年推出的 Transformer 模型，并采用 Meta 的 EnCodec 编译器将音频数据分解为小单元处理。

上周晚些时候，Meta 人工智能研究工程师 Felix Kreuk 在 Twitter 上展示了 MusicGen 的功能。

在视频演示中，MusicGen 分别将两个古典音乐片段改编成 80 年代的流行音乐和现代嘻哈音乐，它还根据提示加入了乐器、电子音等元素。

根据 Meta 的介绍，MusicGen 接受了 20000 小时的音乐训练，相当于人不吃不喝不睡觉训练 833 天。

该模型还使用了来自媒体内容服务商 ShutterStock 和 Pond5 10000 首 " 高质量 " 授权音乐和 390000 首纯音乐。

那么，练习时长两年半的 MusicGen，够格出道吗？

Meta 自己将 MusicGen 与市面上已有的音乐创作软件 MusicLM（谷歌旗下）、Riffusion 以及 Mousai 进行了比较。

对此，华尔街见闻挑选了其中三个例子：

提示 1. 创作一首流行舞曲，要求旋律朗朗上口，加入热带打击乐因素，节奏欢快，适合沙滩场景。

MusicGen

MusicLM

RiffusionMousai

提示 2. 编一首气势宏伟的管线交响乐曲，加入雷鸣般的打击乐器、有史诗感的铜管乐和高昂的弦乐，创造一个适合英雄战斗的电影背景音乐。

提示 3. 创作一首经典雷鬼音乐，加入电吉他独奏。不难听出，MusicGen 的表现似乎更加惊艳。

据 Meta 称，无论在与文本的匹配度上，还是在作曲的可信度上，MusicGen 在四者之间的表现都更胜一筹。

为了验证 MusicGen 是不是真有那么好，科技媒体 Techcrunch 记者 Kyle Wiggers 亲身试用了 MusicGen 和 MusicLM，对比两位 AI 音乐家的作品。

先说他的结论：

我得说，（MusicGen ）还不至于让人类音乐家丢了工作，但它创作的音乐相当优美，至少对于 " 环境音乐 " 这样的基本提示语来说是这样，而且在我听来，它与谷歌的 AI 音乐生成器 MusicLM 相比，不分伯仲（如果不是稍微好一点的话）。

Wiggers 先是抛出了一个简单的提示语：爵士、电梯音乐。

MusicGen 和 MusicLM 拿出了以下作品：

然后，Wiggers 增加考试难度，让 AI 创作一首低保真、慢节奏的 Electro Chill（一种融合了电子音乐和放松氛围的音乐风格）音乐，要求使用自然、真实的声音。

两大模型作品如下：

对于第二个提示，Wiggers 发现，MusicGen 在音乐连贯性方面出人意料地胜过 MusicLM，其作品很容易在 YouTube 上的一个音乐全天直播频道 Lofi Girl 上找到来源。

最后，Wiggers 尝试让 MusicGen 和 MusicLM 创作具有知名作曲家 George Gershwin 风格的钢琴小曲。

他发现，谷歌在 MusicLM 的公开版本中嵌入了一个过滤器，阻止用户提示特定艺术家，以保护作者版权。

相比之下，MusicGen 就没有这样的过滤器，最终创作出了所谓 George Gershwin 风格的钢琴曲。

但在 Wiggers 看来，这首曲子并没有那么好。

值得一提的是，目前市面上存在许多文本、语音、图片甚至是视频生成模型，但优质的音乐生成模型少之又少。

根据在线科学预印本存储库 arXiv 中找到的研究文件，音乐生成的主要挑战之一是需要运行全频谱，这需要更密集的采样，更不用说复刻音乐的复杂结构和乐器的配合了。

MusicGen 能否成为一款优秀的音乐生成模型，还有待更多用户的验证。

用户可以通过 Hugging Face 的 API 体验 MusicGen，但生成音乐可能需要一些时间，具体取决于同时在线的用户数量。

目前，Meta 尚未提供用于训练模型的代码，但提供了预训练模型。

标签：