巴赫涂鸦：可实现的大规模机器学习音乐创作
原创巴赫涂鸦：可实现的大规模机器学习音乐创作
原创
原文标题：The Bach Doodle: Approachable music composition with machine learning at scale
摘要：为了使音乐创作更加平易近人，我们设计了第一个人工智能驱动的谷歌涂鸦，巴赫涂鸦，用户可以创造自己的旋律，并通过机器学习模式CoNet(Huang等人，2017)协调巴赫风格。为用户输入旋律，我们设计了一个简化的基于乐谱的界面.为了支持规模上的交互体验，我们重新实现了tensorFlow.js(Smilkov等人，2019年)的cocoNet，使其在浏览器中运行，并通过采用扩展的深度可分卷积和融合操作，将运行时从40年代减少到2s。我们还通过训练后的权重量化，将模型下载大小减少到大约400 KB。我们校准了一个基于部分模型评估时间的速度测试，以确定协调请求是在本地执行还是发送到远程TPU服务器。在三天内，人们花了350年时间玩巴赫涂鸦，CoCoNet收到了超过5500万个查询。用户可以选择对他们的组合进行评分，并将其贡献到公共数据集中，这是我们与本文一起发布的。我们希望该数据集对从民族医学研究、音乐教育到改进机器学习模式的应用都有帮助。
地址： https://arxiv.org/abs/1907.06637
作者： Cheng-Zhi Anna Huang, Curtis Hawthorne, Adam Roberts, Monica Dinculescu, James Wexler, Leon Hong, Jacob Howcroft
原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。
原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。