當說到“AI音樂”時，你能想到什么畫面？機器人唱歌？自動生成歌曲？
事實上，AI音樂已經不算新鮮事。用人工智能創作音樂，最早可以追溯到上個世紀50年代。1951年，“人工智能之父”阿蘭·圖靈就嘗試過用電腦生成音樂并錄制下來。2016 年，索尼計算機科學實驗推出的大型歌曲和風格數據庫 Flow Machines，創作出了“披頭士”風格的旋律。
如果說早些年，AI音樂創作主要集中在純樂曲和氛圍音樂。那么近兩年，AI在作詞、編曲、伴奏、演唱方面一條龍的“音樂才華”無不讓人大開眼界。
從國內第一代虛擬歌手“洛天依”開始，人工智能在音樂領域興起了越來越多的浪潮：音樂家Taryn Southern與人工智能合作創作專輯、微軟打造了會編曲、作詞、唱歌的“智能少女”小冰、韓國SM公司推出含AI概念的女團aespa、網易發布AI原創單曲……“AI+音樂”的熱度持續升溫。
AI歌曲合成
隨著AI音樂應用的不斷突破，其背后歌聲合成技術，也越來越受到關注。歌聲合成與語音合成相比，既有相似性，也有其特殊性。
歌唱合成技術是將樂譜信息和歌詞轉換為歌唱語音的技術。相較于語音合成（TTS），音樂是流媒體，對作品的流暢度要求更高。因此，歌曲合成需要輸入更多維度的音樂標注信息（音高、音符的時值），同時要求輸出的歌聲更有感情的起伏，聲音展現還要有連續性，技術實現上來說更為復雜。
像人的學習一樣，AI歌曲合成系統也需要通過語料庫學習海量的歌曲內容，才能“創作”出新的音樂作品。普通學生學習一首曲子需要至少一周時間，但是有了AI技術的加持，將優質的歌曲數據輸入到算法中進行模型訓練，只需要很短時間即可完成一首歌的創作。
高質量數據庫 化解AI歌曲合成難點
盡管技術在不斷進步，但歌曲合成仍然存在兩大難點。
一是音域的限制。由于每個歌手都有適合自己的音域范圍，對于超出音域范圍的歌曲，AI歌唱合成效果就會受到一定的影響。
其次，就是對高質量數據的需求。在對聲音數據的處理上，歌聲比語音所包含的專業因素更多。歌聲的音高、音強、音長等變化組合繁復，需要標注人員對音樂有較深的理解，才能根據錄制的人聲演唱中所包含的音高、旋律節奏、演唱技巧、歌詞等內容進行精細標注。
合成歌聲的質量在很大程度上取決于數據庫的質量。如何用更少的數據，讓歌曲合成效果更真實、自然，獲取更穩定的體驗效果，是 AI歌曲合成技術突破的重點。
標貝科技深耕AI能數據服務領域多年，在語音數據生產方面沉淀了先進的技術能力以及大量音樂人才儲備。面對復雜度更高的歌聲合成需求，標貝科技設計了一套專業化的數據處理流程，能夠實現快速產出高質量的不同音色、不同風格的歌聲數據。
目前，標貝科技擁有近5000首不同風格類型的中文歌曲數據庫。均由經過訓練的專業歌手完成的整個數據的采集，并且標貝科技全程進行監督和指導，以確保數據質量。
在音頻標注的標注格式方面，標貝科技采用了兼容性強、記錄音樂信息精確性高的 MusicXML格式，對時值、升降號、節拍、譜號等樂譜屬性進行記錄。
同時，為了減少標注的錯誤率，標貝在重音、頓音、假聲、連音等音符的相關信息的區分和記錄上做了大量工作。甚至在對較難把握的顫音的處理上，也有專門的識別和標注記號。
如上圖示意，標貝科技在標注過程中給出了旋律音符對應的音高節奏、轉音、氣口、休止符、歌詞信息以及對應的拼音信息。
歡迎對以上歌曲合成數據感興趣的行業伙伴聯系我們~
