谈谈AI在音乐与音响中的应用

　　近几年，AI（ArtificialIntelligence）人工智能（以下简称AI）一词屡屡见诸报端，并入选2017年度中国媒体十大流行语。更重要的是，其发展之所以迅猛是因为它能在很大程度上彻底改变我们的生活与工作，使得生活与工作变得更为精彩与便捷。AI充满潜力的广阔前景诱惑着全球业界纷纷投以重资，并陆续开发出许多不同类别的应用。全球各国政府的高度重视和实质性的大力支持，使得AI在深度渗透与广度拓展上得到推波助澜的促进尤为明显。由于AI的应用在各行各业几乎无孔不入，因而一篇文章无法面面俱到全覆盖介绍，今特从AI百花园中择取音乐与音响两朵奇葩，供与广大读者分享。
　　一、AI在音乐中的应用
　　随着AI在应用广度上的拓展，音乐产业也有缘从中受益。根据全球众多AI公司纷纷开发推出的各种案例大致可以将AI音乐应用分为音乐作曲、音乐流媒体和音乐货币化三大类。其中，音乐作曲类应用主要是通过AI来创作、增强和或补充音乐内容；音乐流媒体类应用借助AI的音乐流媒体能力，以及其机器学习和深度学习功能，根据用户的活动数据向其推荐个性化的内容；而音乐货币化类应用则通过AI平台帮助艺术家将他们的音乐内容货币化，并产生实质性收入。
　　1、ALICE
　　在澳大利亚创业公司Popgun推出的名为ALICE的平台案例中，可以为用户实现：尝试预测音乐家演奏的曲目、与音乐家一起合奏，以及根据音乐家演奏的内容即兴创作等目标。通过深度学习，AI系统的神经网络被训练成可提供数千首不同类型的歌曲，解释特定音乐的作曲风格，并能通过对由人演奏的旋律的补充完善，以类似的节奏或风格进行演奏。在考虑的未来新应用中，还能通过AI与音乐家的合作，实现教他们如何比目前更快地熟练演奏不同乐器，以及通过提供新的声音来增强音乐制作能力的目标。
　　2、AmperMusic
　　在美国初创公司AmperMusic推出的AIMusicComposer平台案列中，用户可以借助AI技术非常轻松地完成一段音乐的谱曲。在这一基于云、采用AI驱动的谱曲平台上，系统可根据用户选择的情绪、风格和持续时间等参数生成独特的音乐曲目。在曲子生成之后，用户还可以通过对风格、乐器、节拍和长度等的重新调整再次生成新的曲目。该平台创建的目标是为没有进行过专业音乐训练的非专业外行人士提供快速创作原创音乐的能力，其算法设计基于大量不同类别音乐曲目的数据，可以确定每首音乐作品的主要曲谱成分，并能预测用户想要创建的音乐类型。有了该平台，不懂五线谱的平常人也能借助AI在数秒之内完成一首准广播级歌曲的谱曲。
　　3、Spotify
　　在瑞典Spotify公司推出的音乐流媒体Spotify平台案例中，提供的特色服务项目之一是为消费者推荐曲目，推荐的曲目非常丰富，几乎涵盖所有的主流欧美流行音乐，而且每个艺人的专辑资料也相当全面，甚至还可以找到非常多的罕见专辑。这一基于AI的音乐流媒体平台依赖底层算法，根据用户平时的聆听习惯和活动来推荐曲目。Spotify结合了一种通过使用其他人的推荐来对信息进行分类，被称为协同过滤的深度学习方法，该方法先根据用户的选择进行曲目推荐的数据收集和加权均值计算，随后对用户感兴趣的曲目进行预测。
　　4、Pandora
　　在美国PandoraMedia公司推出的互联网广播平台的音乐服务案例中，鉴于借助其音乐基因组方案（MusicGenomeProject）对150多万条曲轨的分析，以及便于备选歌曲符合每一消费者欣赏口味的60多个推荐策略，使得曲目推荐服务煞是兴旺。这一成果一方面得益于对机器监听（一项利用软件和硬件从音频信号中提取有意义的信息的技术）卓有成效的研究；另一方面得益于一个能自动理解音频信号所对应音乐内容的系统的成功开发。系统作用的充分发挥很大程度上依赖的是对AI范畴机器学习的监督，而监督得以很好完成归功于音乐基因组方案提供的世界最大、最详细的语料库，正是这一庞大的数据集成就了非常丰富和精确的机器监听效果。
　　5、LANDR
　　在加拿大MixGenius公司推出的LANDR音乐家创作平台案例中，可以让一般的独立艺术家，以可承受的价格，以及LANDR平台赋予的水准来专业地完成他们的歌曲作品创作。借助该平台，所创作的音乐作品的听感更有冲击力，动态感更强烈，声音的诸多特性可以达到出版级水平。LANDR平台所使用的机器学习算法是根据音乐工程师遵循的标准步骤来掌控音乐的，该算法对曲轨的分类基于的是作品风格的诸多元素。这一分类过程也会设法告知后期制作，其对曲轨的分类方法是最合适的。由AI驱动的掌控引擎对音乐颇强的掌控能力则源于数百万个母带曲轨数据和大量音乐工程师的知识与制作经验。
　　二、AI在音响中的应用
　　AI在音响中的应用涵盖AI音频技术更有效地提升声音质量、音频功能更便于使用，以及可以轻而易举地让智能音响成为智能家电控制中枢虽然它在音响领域的应用还不是很多，但全球钟爱AI的企业都在积极研发相关应用，下面几例仅供参考。
　　1、AWSMAiAudio
　　美国BambuTech公司在AI应用的作为上主要是推出了AWSMAiAudio，一项率先拥有自适应智能能力的音频处理技术。作为公认计算分支的自适应智能的概念源于在线应用和云计算不断增长的数据存储。该项技术主要用于对压缩数字音乐音质的改善，彻底消除数字音频数据压缩过程中出现的谐波失真等弊端。虽然之前已有一些用于提高压缩数字音频质量的技术问世，但却都有相同的缺点，即把音频文件或流信号当作一个固定的数据集，以同样的处理方法来对待音频文件中的每个字节，因而总是得不到预想的效果。AWSMAiAudio是智能和响应性的，它依赖于波形和物理建模来适应信号动态的毫秒级变化、细节和声音谐波，按照音频文件的播放方式，借助相应软件对它们进行逐个采样的复原处理，并可通过分析了解到信号中哪些谐波成分被去除，及通过压缩添加了什么垃圾等问题。如此一来，即便是很深的压缩，数字音频的输出音质也能确保更清晰、更鲜活逼真。另外。AWSMAiAudio还能让用户按自己的需求通过一定的配置来定制个性化声音。
　　2、HearingAI
　　HearingAI是微软推出的一项AI应用，通过微软Azure云服务虚拟机的深度学习功能旨在帮助失聪和听力缺失的群体在声音世界与人正常交流，及与常人一样享受声音乐趣。该项用于iOS系统与设备的应用通过图形可视化来体验声音和语音，用户可以直观地看到环境声音的强度，以判断一个物理空间四种不同类型的声音氛围。具体说，助听是通过实时捕获动态语音或环境声随时间变化的音频信号频谱的原理来实现的。在该项应用的视觉化功能中，HearingAI会随时告诉用户周围的实时声音情况、环境声音电平、语境，以及声音响度是否会损伤耳朵等信息。当检测到声音有突然的变化，或有重要的声音，也或是声音可能会对用户的耳朵造成损害时，只要选择了可定制的通知，那么，用户就能随时获知相关情况。此外，HearingAI还可以应用实时的语音到文本技术来转录口头对话，并通过排版实现重点的语音响度可视化。借助该技术，用户不仅能够阅读口语会话，还能看到语音摘要的数量。
　　3、声音预测与逼真模拟
　　麻省理工学院计算机科学和人工智能实验室的研究人员展示了一种运用于AI，能够有效预测和逼真模拟声音的算法，通过该算法的运作可以获知物体形状和材料类型的关键信息。该算法未来版本还包括用于自动为电影和电视节目制作声音效果，帮助机器人更好地理解物体的属性，并能通过一个新的声音识别系统增强自动机器人的态势感知能力，提高理解移动设备上下文的灵敏度，借助深度学习技术，甚至于还会具有通过手指划过酒杯时发出的声响，就能知道它里面有多少酒的能力。为了预测一段视频的声音，该算法会查看视频中每一帧的声音属性，并将其与数据库中最相似的声音进行匹配。一旦系统有了这些音频，就会将它们拼合在一起，形成一个连贯的声音，从而准确模拟出所预测的声音，把不同碰撞产生的不一样的声响模拟得栩栩如生。无论是在岩石上断断续续的敲击声、柔软沙发的低音调重击声还是敲打坚硬木栏杆发出的高亢咔嗒声，都会以假乱真模拟得惟妙惟肖。
　　4、DeepVoic
　　DeepVoice是百度位于硅谷的AI人工智能研究实验室开发的深度语音技术，一项有史以来模拟人类语音最接近的语音合成程序。DeepVoice应用了机器学习方法中最有前途的深度学习技术，该项基于神经网络算法连接输入和输出，迄今最先进的技术在语音合成方面取得的重大突破主要是，它能在很大程度上几近消除该类程序通常所需的后台微调，因此，可以在几乎没有人类的帮助下几个小时内学会如何说话。DeepVoice通过深度学习技术将文本分解成音素（声音中最小感知单位），然后借助语音合成网络再现音素原本代表的声音。由于整个过程的每一阶段都在应用深度学习技术，因而对任何微调的需求都大大减少。
　　DeepVoice系统一改传统文本到语音系统因需借助大型语音记录数据库，因而生成的语音表现不流畅的弊端，而是另辟蹊径抛弃使用预先录制好的样本的做法，将声音的所有音素全部集中在一起，从而最终使发音与真实人类语音听起来几无二致地天衣无缝。相比传统文本到语音系统，DeepVoice系统需要的参数更少，合成的速度更快，而且由于每一组成部分都使用了神经网络，因此，系统也更简单更灵活。
　　三、AI音响设备
　　流媒体技术刚兴起初期，具有流信号传输能力的音响设备也不是一哄而起铺天盖地，而如今随着时间的推移和科技的进步，诸多不同类别的音响设备几乎都可彼此自由传输流信号。同样，AI技术在音响设备中的应用目前还不是很多，相信用不了多久它也会和流媒体技术一样被各种音响设备所融合。下面对目前品类数还非常有限的几款AI音响设备作简单介绍。
　　1、AmazonEcho
　　亚马逊Echo是一款能永远在线的蓝牙无线音箱（兼容IEEE802。11abgn），是一款率先使用AI全新概念的智能扬声器，其外形和一般的蓝牙音箱没什么区别，也没有任何屏幕，有黑白两色。该款360度全向低音反射式扬声器内置1个2英寸高音和1个2。5英寸低音喇叭，设有7麦克风阵列，使用过程中其顶部发出的不同色光代表实时的功能状态。Echo最大的亮点是将智能语音交互技术植入到传统扬声器中，从而赋予了扬声器人工智能的属性。Echo的工作基于亚马逊的云语音服务Alexa语音助手，它相当于Echo的大脑，所有输入输出的信息都经由它处理，当用户说出名字Alexa时被激活。Echo允许通过手机或平板电脑播放音乐，通过蓝牙和WiFi与FirePhone连接，或通过浏览器与iOS、Android及PC设备连接，可以实现多媒体播放，兼容支持物联网和AmazonMusicUnlimited、Pandora、Spotify、TuneIn和iHeartRadio流媒体音乐服务。除Echo外，亚马逊随后又接连推出了铬合金外观的EchoPlus、EchoTap和EchoDot几个新版本加盟其Echo家族。
　　Echo的智能特征表现包括：
　　通过语音这一唯一的交互方式实现音乐、播客、有声读物和新闻播放、网购下单、定外卖、制作待办事项列表、设置闹钟等；
　　可以像朋友一样与你交流，并对交流中的语音询问做出相应回应；
　　可以听到、理解和解决用户提出的任何问题，或在房间任何角落发出的指令：如，告知天气、交通和其他实时信息状况，完成把物品添加到购物清单中等很多日常琐事；
　　充当家庭自动化中心控制其他一些智能设备；
　　在用户使用过程中能通过采集大量数据，不断学习用户的生活习惯，从而成为一款越来越懂主人心思的扬声器。
　　2、YamahaRXA3080
　　RXA3080是日本雅马哈公司开发推出的AventageRXA80新系列AV接收机机型中的一款，该款兼容AmazonAlexa语音控制的9。2声道环绕声AV接收机既适合家庭影院观赏视听效果俱佳的大片；也适合通过蓝牙或苹果的AirPlay进行高品质音乐的流传输。HDR视频显示兼容HDR10、DolbyVision和HybridLogG环绕声格式兼容通过创设虚拟高度声营造更身临其境体验的DolbyAtmos和DTS：X扬声器。RXA3080应用的无线环绕声技术MusicCastSurround可以方便用户将他们的无线音箱用作其家庭影院系统左右声道扬声器。高刚硬结构中采用A。R。T。（AntiResonanceTechnology）抗共振技术，能有效抑制来自电源变压器、功率晶体管和散热器的振动，以及扬声器发出的声音可能引起的震动。为了获得演播室音质和效果的环绕声，该机还应用了随带多点测量，能有效控制R。S。C（ReflectedSoundControl）反射声的YPAOR。S。C技术，该技术先借助YPAO麦克风对房间音响效果进行测量分析，随后通过对系统的调整实施对早反射声的校正与控制。
　　除上述常规的一些技术与功能外，RXA3080最吸引人的地方是融入了当今最时髦的AI，该项内置在DSP中的Surround：AI技术，其突出的好处是能自动实时优化环绕声效果，可以通过对娱乐内容每一场景的即时分析，根据不同的特定场景自动对音频电平进行实时调整，以更好地匹配内容的特定音频特征。调整是建立在对每一场景原有电平的基础上进行的，以在最大程度上与电影场景参考数据库里的数据相匹配，最终无论播放动作大片，还是场景中的静悄悄对话，在声音听感上有一个最佳的平衡。更值得一提的是，该AI能针对对话、背景音乐、环境声和效果音等不同的声音元素自动进行不一样和不同程度的调整与渲染，从而确保最终的声音输出效果均明显好于传统的声场效果。YAMAHARXA3080的额定输出功率为150W（8ohms），参考价为2199。95美元。
　　3、OnkyoVCNX01
　　VCNX01是日本安桥公司开发推出的一款基于AI的可穿戴式扬声器，该扬声器内置4个用于检测、接受语音指令，以及与OnkyoAI平台和服务管理者沟通的麦克风。该扬声器一旦挂在脖子上就会自动激活，并从其嵌入式喇叭获取声音信息。同时，使用过程中还能有效抑制和消除过往车辆产生的环境噪声，以在最大程度上获得扬声器声与环境声的最佳平衡。VCNX01基于几项目前可用的AI技术开发和集成的OnkyoAI系统使本扬声器具有了传统扬声器所没有的许多先进功能。除传统智能扬声器回答问题和播放音乐的核心功能之外，通过与美国SoundHound公司的Houndify语音AI平台和东芝数码解决方案公司进行深入合作，这款具有语音控制能力的颈脖式扬声器还能为用户实现：
　　根据时间、地理位置、收藏和用户特征，结合相关推荐应用程序向用户提供定向服务；
　　为满足消费者的不同个性化需求，提供功能定制；
　　提供多种AI助手语音选项，供用户选择自己喜欢的声音；
　　支持上下文语意跟踪，以处理上下文中可能出现的多个问题。
　　VCNX01的参数、价格与上市时间在截稿时均未公布。
　　4、LGThinQ
　　LGThinQ（LGWK7）是LG公司基于AI新开发推出的首款高端无线（兼容蓝牙和WiFi）智能扬声器，该款经过认证的高分辨率扬声器可以为发烧友播放采用更高取样率和更高比特深度（最高可达96KHz24bit）录制的无损立体声数字音乐，因而能轻松忠实再现演播室品质的声音，呈现以前智能音箱无法给予的音质。LGThinQ应用了几项高端音频所必须拥有的最新声音技术，效果是低音强劲、细节易辨、异常清晰。结合英国MeridianAudio公司先进的信号处理技术和硬件设计，增强了声音的高度感，拓宽了声音的声场感。其可自定义的清晰语音（ClearVocal）技术通过对音频信号的过滤去除了声音的一些瑕疵，使得声乐表现更清晰；而其可预设的低音增强（EnhancedBass）技术则借助一系列数字滤波器的加盟确保了环绕声场的临场感更强。AI在LGThinQ中的应用除常规的放音功能外，借助内置的谷歌助手，用户可以获得和以前传统音箱给予的很不一样的生活体验：
　　通过声音指令即时获取新闻、天气、体育等方面的信息，轻松管理好用户每一天日常事务，包括设置日历备忘录、提醒发送生日贺卡，以及快速寻找自己所需的各种内容；
　　通过高质量的声控功能对与谷歌助手一起工作的智能设备进行控制，如打开关闭灯光、恒温器、智能插头、门相机、空气净化器、冰箱、洗衣机、空调等，并能告知设备的实时状态；
　　通过LG智能设备接口访问用户自己的虚拟个人助理；
　　可以轻松与其他内置Chromecast单元或ChromecastAudio设备、条形声棒和无线扬声器连接，在多个房间无缝享受音乐乐趣。