AI 谱曲

更新：这篇文章其实是好几个月前就基本准备好的，但是因为默认是midi格式的音频，传不上去，最近突然脑洞大开直接google “midi to mp3 online”解决了，就现在放出来了。

提到AI（Artificial Intelligence，人工智能）和语音忍不住多说几句。大家或许都知道AI（此处一般指的是深度学习，深度学习属于AI的一种方法）应用的方面大概可以分为图像、语音、文本、推荐等，其实AI最先突破的就是在语音方面。人们对于语音识别系统的研究从上世纪中期便已开始，之后1998年李开复在CMU担任assistant professor期间，其开创性地开发出世界上第一个“非特定人连续语音识别系统”，他运用的也只是统计学习方法，这被《商业周刊》授予了当年“最重要科学创新奖”。一般而言，用于衡量语音识别系统性能的常用指标是误字率（WER），从下图可以看到，一直到2010年，采用传统方法的语音识别系统的最好结果一直稳定在23.6%，但在2011年由于深度学习的进入，语音识别的性能得到了极大的突破，在2017年已经达到了5.5%。至于大家可能平时接触的比较多的图像方面，2012年才引入深度学习，将图像top5错误率从传统方法的26%直降到16%，2015年已经突破人类5%的错误率，2017年达到了2.25%。另外，这两次突破都包含有一个人的功劳，这个神一般的人物叫做Geoffrey Hinton，嘿嘿。

由于最近一段时间在学习Andrew Ng在Coursera上的deeplearning.ai课程，作业刚好做到了和music generate相关的内容，也通过代码生成了一些自己的曲目，和大家分享在这里。

点开之前先打个预防针，质量不要有太高的期待，听个响就行了，手动尴尬。

另外曲目定位的是Jazz风格。

这里曲目质量水平不尽人意（也请大家也多担待，不过最起码也不是噪音哈哈），有很大一部分原因是因为代码并没有进行太多的优化。你肯定也猜到了，我还是从好几个demo中选出较好的，也没有选出较长的片段，因为程序还比较容易陷入某几个音的不断循环，特别是后期，术语可以叫做梯度消散吧。

但不要因此小而看AI，优秀的案例可以参考https://deepj.ai/这个网站，在GitHub上搜deepJ可以查看具体实现。在其网站首页，可以选择巴洛克、经典、罗曼、现代四种风格及其混合，而且是实时切换的。其生成的曲子普通人已经基本很难辨别是否是真人所作了。

（图片来自deepj官网）

说到这个，其实去年就有了一个想法，就是希望在今年能通过AI训练我在过去推送的200+曲目，自动生成一些相应风格的曲目，看起来距离这个目标已经近了，其实还有很长的路要走。

希望某一天能为大家带来一个惊喜，加油！

更新：最后，前段时间刚好看了《中国新歌声》，看过的相信对清华博士生宿涵一定都记得，有一集展示了他们实验室的AI作曲能力，周董还特意去了他们实验室参观体验，真的感觉超级溜。希望有一天我也可以学到皮毛吧，哈哈！