根据美国唱片业协会的数据，美国音乐产业是经济的主要产品，2016年的零售收入估计为77亿美元。 为了衡量人工智能在音乐行业中的新兴作用，我们深入研究了这一领域，以帮助回答商界领袖今天提出的问题，包括： 目前音乐行业使用哪些类型的AI应用程序？ 市场如何回应这些AI应用程序？ 这些创新努力之间是否存在共同趋势 - 这些趋势如何可能影响音乐行业的未来 我们分解了人工智能在音乐行业中的应用，为商业领袖提供了解可能影响其行业的当前和新兴趋势。 AI音乐应用概述 根据我们对该领域应用的评估，大多数音乐行业人工智能用例似乎分为三大类： 音乐创作：公司正在使用AI来创作，增强和/或补充音乐内容。 音乐流媒体：公司正在使用机器学习和深度学习来根据用户活动的数据推荐个性化内容。 音乐货币化：人工智能平台正在帮助艺术家通过音乐内容获利并创造收入。 音乐作曲 Popgun 据报道，澳大利亚创业公司推出的Popgun，通过一个名为ALICE的平台进行深度学习，以配合或增强音乐作品。这家初创公司的团队主要由软件工程师组成，他们认为，他们的工作目标是促进合作，“不能取代人类的能力”。 该公司提供了ALICE的演示功能。 ALICE试图预测一位音乐家会演出什么 ALICE陪伴着一位音乐家演奏 ALICE试图扮演以为即兴发挥音乐家 使用深度学习，神经网络训练成千种不同类型的歌曲。该训练方法允许给音乐作品的风格解释，并且以类似的节拍或模式“播放”以用于补充或完成由人类用户演奏的旋律。目前，似乎Popgun目前的大多数应用都是使用电子键盘进行培训。据Popgun的网站称，未来该公司预计人工智能将与音乐家合作，教他们如何以比现在更快的速度演奏不同的乐器，并通过提供新的声音来提高音乐制作能力。 看来团队目前处于筹款模式，目前没有客户档案或案例研究。 Amper music Amper是一个基于云的AI驱动的音乐创作平台。据报道，该系统基于用户选择的习惯，风格和持续时间参数产生独特的音乐选择。完成这些选择后，用户可以在合成完成之前进行其他编辑。该公司声称该平台建立在音乐样本库的数据基础之上。 Amper旨在为个人提供没有经过音乐训练的人变成专业人士的能力，能够快速创作原创音乐。首先，该算法是针对来自各种类型的大量音乐曲目的数据进行训练的。然后，该算法可以识别每个音乐作品的关键组件并预测用户想要创建的音频类型。 音乐流媒体 Spotify的 推荐引擎是消费者技术最常见的AI应用之一。领先的音乐流媒体平台依靠底层算法根据用户历史和活动推荐内容。 据报道， Spotify 结合了深度学习方法，并辅以称为“ 协同过滤 ”的过程。“ 协作过滤是一种使用其他人的建议对信息进行分类的方法。收集来自选择的用户（与感兴趣的用户共享相似性）的推荐的数据，并计算加权平均值以对感兴趣的用户进行预测。 潘多拉 自从Pandora最初于2000年推出以来，互联网广播平台声称它通过其音乐基因组项目分析了超过150万首歌曲，并使用了60多种推荐策略进行歌曲选择。 根据Staff Scientist Erik Schmidt的说法，研究和机器学习仍然是公司业务战略的核心： “潘多拉最迷人的研究领域之一是'机器听力'。在音乐领域，我们寻求开发能够自动理解音频信号的音乐内容的系统。潘多拉的音乐基因组计划提供世界上最大和最详细的语料库，用于执行这项工作，涵盖超过150 万个分析的轨道。根据该数据库的结果，我们能够开发出令人难以置信的丰富和准确的机器听力。“ - Erik Schmidt， 2017年2月 2017年6月，潘多拉宣布与SiriusXM建立战略联盟，SiriusXM将4.8亿美元投资Pandora，并占19％的份额。有人建议此举是潘多拉努力提高其对Spotify的竞争力的一部分。 音乐货币化 LANDR 专业品质的音乐录音并不便宜，仅某些音乐设备就可以达到10,000美元以上。对于普通的独立艺术家来说，音乐制作过程中的许多技术组件都是成本过高的。像LANDR这样的公司正在试图通过让音乐艺术家能够以合理的价格掌握或专业地完成他们的歌曲。 据其网站报道，LANDR使用机器学习算法，这些算法是按照音乐工程师遵循的标准步骤进行训练的。基于网络平台允许用户拖放粗略的轨道，并获得公司在几分钟内下载的“即时预览”。 该公司似乎还为领先的流媒体服务提供分发服务，LANDR声称艺术家将保持100％的销售和权利。最近推出了一项私人共享功能，以帮助用户更安全地在线分享他们的音乐。 关于音乐人工智能的总结思考 人工智能的使用正在扩展到推荐引擎之外，并为专业人士和非专业人士提供更易于访问和民主化的行业。旨在帮助自动化开发音频内容的平台，似乎有意强调合作。 这些平台的设计者为了确保音频内容创作者的重要性，智能创新不会取代他们，而是帮助和改进他们的过程。 人工智能正在推动Spotify和Pandora等领先音乐流媒体服务背后的推荐引擎。有趣的是，规模盈利似乎是这些公司面临的主要挑战之一。看看人工智能是否有助于解决盈利挑战。 音乐货币化是迄今为止该行业最棘手的方面之一。独立的音乐艺术家面临着制作，保护和将音乐带入市场的重大挑战。尽管如此，我们依然会看到类似的公司出现在这个专属市场中。我们也将继续监测人工智能如何完美融入该领域。 |
