谷歌的歌曲创作人工智能(AI)可能不会很快达到莫扎特或李斯特的水平，但它最近取得了令人印象深刻的进步。在一篇博客文章中,accompanyingpaper本周(“音乐变压器”),项目贡献者品红,谷歌大脑项目“探索机器学习作为一种工具的作用在创意过程中,“展示了自己的作品在音乐变压器,一个机器学习模型,能够产生相对一致的曲调arecognizable重复。
该论文的作者写道:“变压器是一种基于自我关注的序列模型，它在许多需要保持长期一致性的发电任务中取得了令人瞩目的成果。”“这表明，自我关注可能也很适合音乐造型。”
正如该团队所解释的，由于其结构的复杂性，制作长篇音乐对人工智能来说仍然是一个挑战;大多数歌曲包含多个主题、短语和重复，神经网络很难识别。尽管之前的研究成功地将一些可以在人类作品中观察到的自我参考信息引导出来，但它依赖于绝对的时间信号，这使得它不太适合追踪基于相对距离和重复间隔的主题。
该团队的解决方案是“音乐转换器”，这是一种“基于注意力”的神经网络，它可以直接创造“表达性”的表演，而不需要先生成乐谱。通过使用基于事件的表示和一种称为相对注意的技术，音乐转换器不仅能够更多地关注关系特性，而且能够泛化所提供的训练样本的长度之外的内容。因为它的记忆强度较低，它也能产生较长的音乐序列。
在测试中，当使用肖邦的黑键练习曲时，“音乐变形者”创作了一首自始至终风格一致的歌曲，其中包含了来自主题的多个短语。相比之下，之前的两种算法——Performance RNN和transformer——提供了相同的引物，要么完全缺乏可识别的结构，要么无法维护结构。
该团队承认，音乐转换器远非完美——它有时会产生重复太多、节奏感太弱、跳音奇怪的歌曲——但他们希望它能成为需要灵感的音乐家的缪斯女神。
“这为用户提供了一种可能性，他们可以指定自己的初级版本，并将该模型作为一种创造性的工具来探索一系列可能的延续，”团队写道。
他们说，用于培训和生成音乐转换器的代码即将发布，同时还会有预先培训过的检查点。