7月6日至8日，2023世界人工智能大會（WAIC 2023）于上海舉辦。在大會中，騰訊多媒體實驗室首次發布自研AI通用作曲框架XMusic，并獲選本屆世界人工智能大會“鎮館之寶”，成為大會關注的焦點。
WAIC 2023“鎮館之寶”今年進一步提升評選能級，從更專業的行業視角出發，評選出極具科技含量、商業前景、通用性與社會經濟效益的展品。此次入選“鎮館之寶”的XMusic生成式通用作曲框架，基于AIGC技術，用戶只需上傳視頻、圖片、文字、標簽、哼唱等任意內容，即可生成情緒、曲風、節奏可控的高質量音樂，能夠大幅降低音樂創作的門檻。
2023世界人工智能大會鎮館之寶-騰訊XMusic
隨時隨地實現AI輔助創作，打造專屬“行走的音樂庫”
在日常生活中，用戶對使用音樂有著多種多樣的需求。比如在視頻剪輯時，需要應用多樣的配樂來讓畫面更加生動，但音樂搜索一般只能用歌曲名字、歌手名字等指向性強的信息來搜索，需要耗費大量的時間精力；亦或在商超、會場等場所布置時，傳統的環境音樂選擇容易受到版權限制，很難獲得多樣且合法的音樂素材。
面對這些難題，騰訊多媒體實驗室自研AI通用作曲框架XMusic可以隨時隨地利用AI輔助實現音樂創作，打造個人專屬的“行走的音樂庫”。一張圖片、一段文字、一個視頻，甚至是一段哼唱，XMusic都能夠對應生成出樂曲優美連貫、旋律起伏明顯、節奏強弱交替的高質量音樂。比如輸入“逗趣橫生，讓人捧腹大笑”的描述，XMusic就會生成一段節奏俏皮、旋律歡快的音樂。
對于視頻創作者而言，XMusic無疑是解決配樂難題的一大利器。除此之外，針對互動娛樂、輔助創作、音樂教育、互動娛樂、音樂治療等諸多場景，XMusic也有著很高的實用價值。
以場景音樂生成為例，XMusic的商用級音樂生成能力可以有效解決線下展廳、體驗展、餐廳商超等場景中的環境音樂版權問題，為展廳提供多樣化的公播音樂，并在體驗展中融入多種智能音樂方案，提升展廳的科技感和體驗感。
此外，XMusic也可以發揮重要的教學輔助能力，推進線上音樂教育的發展。比如在智慧音樂課堂中，教師可以用XMusic生成多樣的節拍、節奏、音高練習曲目，結合實際教學場景，發揮AI生成音樂的教學輔助能力，為學生在演奏、練耳等多種場景中提供個性化的指導和訓練，幫助學生更快地提升音樂技能。
全面AIGC能力矩陣支撐，實現音樂高效精準創作
作為WAIC 2023展區中的亮點之一，XMusic背后的騰訊多媒體實驗室也受到了廣泛關注，一位熱愛音樂的科學家，帶領一群同樣熱愛音樂的工程師們從零到一落地了XMusic項目。2019年，騰訊云副總裁、騰訊多媒體實驗室負責人、騰訊杰出科學家、IEEE Fellow 劉杉博士帶領實驗室開展“基于多模態融合的智能內容生產”相關技術能力研發并逐步完善AIGC能力矩陣。
此次獲選2023WAIC“鎮館之寶”的騰訊多媒體實驗室自研AI通用作曲框架XMusic，是基于自研的多模態和序列建模技術，可以將提示詞內容解析至符號音樂要素空間，并以此為控制條件引導模型生成豐富、精準、動聽的音樂，達到商用級的音樂生成能力要求。
騰訊多媒體實驗室負責人、騰訊杰出科學家、IEEE Fellow劉杉博士表示，人工智能技術的飛速發展對多媒體和相關領域產生深遠影響。“騰訊多媒體實驗室將繼續代表騰訊公司推動人工智能和多媒體及相關領域的國際和國家標準制定，打造音視頻、互動沉浸和智能媒體核心能力矩陣，通過騰訊云、騰訊視頻、騰訊游戲等業務平臺服務全球海量用戶并助力各行業發展并踐行科技向善。”
多媒體實驗室還在展區展出前沿技術方面的三個項目：“全景'云'游東北虎豹國家公園”通過自研技術智能影像處理和自研VR360解決方案供所有人在“云端”走進這片山林秘境；“虛實融合技術”產品，可將傳統虛擬制片的成本與難度大幅降低，無需傳感器，只通過一臺相機或手機，就可將自己植入到虛擬世界中；“騰訊水墨畫”產品融合了視覺、音樂、文字等多種模態，結合山水畫創作、智能作詩、音樂生成等多種技術能力，形成了多模態融合且能互動娛樂的完整技術方案。
騰訊多媒體實驗室專注于多媒體和相關領域的前沿技術探索、產品研發和應用落地，其行業領先的視頻圖片壓縮和處理引擎、沉浸式VR系統和智能媒體能力矩陣，通過騰訊云、騰訊視頻、騰訊游戲等業務平臺服務全球海量用戶并助力傳媒、文化、旅游等行業的發展。同時代表騰訊參與多個國際及國家標準制定，數十人次擔任聯合主席、主編等核心職務，數百項技術提案被國際標準采納，榮獲工程艾美獎、技術盧米埃獎、ISO/IEC杰出貢獻獎等，享有國際盛譽。
未來，騰訊多媒體實驗室將以創新的視角和前瞻的思維，不斷探索多媒體技術與AIGC能力的融合，拓展多領域的應用場景，為用戶提供更加智能、便捷和豐富的多媒體體驗。
