在AI面前，Rapper要率先失業了？

隨著 AI 在日常生活中的逐漸普及與應用，在“網際網路+”以及“工業製造4.0”的新時代背景下，具備通訊、網路與人機互動功能的AI作曲覆蓋到教育科普、藝術表演和娛樂服務等領域已是大勢所趨。那麼這種 AI 音樂背後藏著怎樣的奧秘呢？它又會對音樂行業造成怎樣的影響呢？

近期，美國數字研究機構Space150進行了一項有趣的試驗：基於人工智慧（Artificial Intelligence，簡稱AI）技術，模仿知名說唱歌手Travis Scott的人聲和音樂風格，做出了一個說唱機器人“Travis Bott”。

這個試驗的目的是為了看AI到底能夠持續創造出什麼。事實上，“Travis Bott”真的創作了一首歌《Jack Park Canny Dope Man》，且歌詞和旋律均由自己完成。同時，Space150還使用基於AI的人體影像合成技術 “Deepfake“，為這首歌拍攝了MV。

說實話，與以往的AI歌曲不同，這首AI歌曲在對真人繼續學習後，近乎到底了真人的聽感。國外網友在MV下面留言道。“better than real trvis（比真人還好）”“Pretty amazing, this is only the beginning（太棒了，這僅僅是個開始）”，甚至開始擔心AI會奴役人類，但自己還是會買票去看。

原理上，Space150採用附加神經網路技術（Additional Neural Network）創造出旋律和打擊樂伴奏，再將Travis Scott的歌詞輸入“文字生成器模型（Text Generator Model）”，兩週後，AI“Travis Bott”開始建立了歌詞的韻腳（rhymes）。

從效果來看，Travis Bott模仿Travis Scott幾乎達到了以假亂真的地步，完全融匯了Travis Scott作品以及人物魅力的最主要的外顯特徵，以至於被調侃可以加入Spotify的說唱熱門歌單《Rap Caviar》。與此同時，該專案也進一步驗證了人工神經網路技術（Artificial Neural Networks）的進步，有助於探索未來AI在音樂中的應用價值。

不可否認的是，AI已經漸漸地嵌入到我們的日常生活中。在“網際網路+”以及“工業製造4.0”的新時代背景下，具備通訊、網路與人機互動功能的AI作曲覆蓋到教育科普、藝術表演和娛樂服務等領域已是大勢所趨。而面對AI音樂的優異表現，也讓我們思考： 音樂人在與AI音樂的共生中，是否會遭遇到AlphaGo式的碾壓？

01 如何克隆Travis Scott？

事實上，AI作曲（Algorithmic Composition，也稱“演算法作曲”）並不稀奇，複製Travis Scott也並非難事。

早在2016 年，索尼旗下的電腦科學實驗室（Computer Science Laboratories ，簡稱Sony CSL）研究人員哈傑里斯和帕切特就曾開發了一個名為“DeepBach (深度巴赫) ”的神經網路。他們利用巴赫創作的 352 部作品目來訓練DeepBach，創作出了2503首讚美詩。

而第一個正式獲得世界地位的AI虛擬作曲家則是由2016年誕生的初創公司Aiva Technologies推出的AIVA（Artificial Intelligence Virtual Artist）。

它的創作方向主要是古典音樂、影視配樂，發展到現在也逐漸有了其他型別的作品，例如搖滾樂、流行樂等。

作為虛擬音樂人，它透過了法國和盧森堡作者權利協會（SACEM）的合法註冊，並擁有自己的署名版權。在AI領域而言，複製一位或多位音樂人的音樂風格的工作也許早已在進行中。

目前來看，無論是DeepBach、AIVA抑或是Travis Bott，AI作曲背後都是一種基於人工神經網路的深度學習（Deep Learning）技術。在這種深度學習中，程式設計師必須搭建一個多層“神經網路”，並在多層的結構中分別加以程式設計，從而可以處理各種輸入和輸出點之間的資訊。

來源於：2017·菠蘿科學獎，人工智慧主題解讀

譬如說，DeepBach被輸入的是巴赫的362部作品，AIVA被輸入的資訊是以巴赫、貝多芬、莫扎特等為代表的古典作曲家作品的大資料庫，而Travis Bott被輸入的則是Travis Scott的作品、人聲以及音效。

在資料輸入後，人工神經網路會找到眾多被輸入作品之間存在的規律，繼而形成對音樂風格的理解。

但這個音樂風格並不是最終的產物，其主要目的是用來預測，AI程式會帶著它對音樂風格的預測繼續執行，而在前方將會遇到下一個驗證資料集。

這個資料集 會告訴它預測的正確與否，正確與錯誤的回饋都將被AI記住，在不斷的高速學習中，AI的預測能力就會越來越強，最終掌握程式設計師大資料中歸總後的曲風，進而能編寫出自己的曲子。

而AI創作者“Travis Bott”的突破，則在於其不止是輸入了Travis Scott的作品，更輸入了人聲及音效，文字與聲音的輸入與輸出在深度學習上又更上了一個臺階。

來源於《I am AI 》系列短紀錄片

這種深度學習，看似只是基於人類大腦的神經結構簡單模式，但在某種程度上已經可以像人類一般“思考”了。

這也使得AI能夠在資料中理解並塑造高度抽象化的模型，例如旋律中的模型，或者人臉的特徵。

但從人工智慧音樂的發展沿革而言，人工神經網路只是AI作曲的主要技術之一，與其他演算法相比，有其優點也有其劣勢。

就優勢而言，具有自學能力、聯想儲存功能、高速尋找最佳化解的能力是人工神經網路較其他演算法最卓越的地方。

來源於：2017·菠蘿科學獎，人工智慧主題解讀

但其劣勢也較為明顯：

1. 著名的“黑匣子”問題，意味著你不知道神經網路將會如何產出結果，更不知道為什麼會產生這種結果；
2. 與認知不同，作曲是更高層次的智慧活動；
3. 耗時耗力；
4. 資料饕餮，相較於傳統的機器學習演算法，需要更多的資料；

5. 算力成本較為昂貴。

在實踐中，即便是最先進的深度學習演算法，要實現真正深度神經網路的成功訓練，仍需要數週才能完全訓練完畢。而目前AI作曲在主要技術上尚不存在最優解，大多采用混合型演算法（Hybrid Algorithm）。

02 如何避免AI作曲的版權風險？

與此同時，AI作曲的整體不足也較為顯化。正如前文所言，AI作曲本質上就是大資料和雲端計算，AI音樂產生的過程就是機器根據程式設計師輸入的要素或者是模式，在龐大的資料庫中總結提取與之相匹配的特徵，而後根據這些特徵提取各種資料元素進行新的組合或者是延展。

這裡面必然存在一個問題是：這個巨大的資料庫如何區分哪些資料是有版權保護的？哪些是公共資料？資料庫的搭建者如何保障具有版權資料的權益？使用資料庫的主體如何做到不侵權？

很顯然，目前的AI作曲在某種程度上仍舊無法完成或者說無法自主完成這一任務，版權的規避大多來自於程式設計師的有意為之。

2017年，Aiva Technologies對AIVA選擇專注古典音樂的解釋也正好回應了程式設計師對於AI作曲版權的刻意設計：“用來訓練Aiva的古典音樂資料庫不涉及版權問題，因為版權都過期了。”

對於開頭的Travis Bott而言，其對於Travis Scott的學習中，作品庫、人物形象的取樣必然也要先取得Travis Scott的授權，但其學習後生產出的作品又如何避免對Travis Scott形成抄襲呢？

這一情況，也是造成目前市場上AI作曲質量參差不齊的原因之一，某種程度上來說，抄襲或許很難避免。

查重工具 (Plagiarism Checker)以及查重的尺度在這裡就顯得尤為重要了，但就目前的實踐來看，人類音樂人歌曲抄襲判斷標準都還在尋求統一化中，何論AI作曲？

而即便AI作曲經歷千辛萬苦後終於生產出一個純原創、不涉及任何侵權的作品，他（她）又將面臨到版權認證的問題。

根據我國《著作權法》對於著作權的定義：“著作權是著作權法賦予民事主體對作品及相關客體所享有的權利。”其中，民事主體指公民、法人或非法人組織。AI在主體身份上就無法獲得認可，權利的獲得與放棄都變得尤為複雜。如果產生侵權糾紛，將難以解決。

比如，微軟小冰獨立創作的詩集《陽光失了玻璃窗》，作品一經發布後就出現了很多的盜版以及很多不規範引用。這種通常意義上的侵權，卻因為缺失法律規定的缺失，版權的歸屬也就誰都說不清，侵權也就聽之任之了。

但值得一提的是，相較於國內的空白，國外對於AI作品的放寬與認可已然成為一種常態，英國、南非、紐西蘭屬於第一批明確認可AI版權的國家。而美國、日本、澳大利亞雖然在成文法上並未有明確規定，但在司法實踐中都進行了不同程度的嘗試。這也是為什麼美國在成文法上未對AI作品進行認可，但在司法實踐中卻有勝訴的案例。

但中國因為是成文法國家，判例法並不是法的正式淵源，無法與普通法系（或英美法系）形成法官造法的司法實踐，所以從制度上明確AI作品才是最根本的。

不可否認的是，受制於多國在AI領域以及法律操作上的水平差異，要獲得大範圍的認可或許仍有待時日。當然，在其中取巧也較為簡單，在AI生成的作品加入人類藝術家的名字就可以突破這一桎梏。

2018年9月7日，AIVA的純音樂專輯《艾媧（Vol.3 from artificial composer Aiva）》的做法是：專輯還是AIVA的，但每首曲子都會標註“feat. Aiva Sinfonietta Orchestra, Brad Frey”，表明那位音樂監督在“演奏”中的貢獻，團隊成員就可以將作品進行商用。

總的來說，複製Travis Scott對於AI來說並非難事，但要處理其中的版權糾紛以及進一步將AI技術提升卻並非一日之功。

03 AI音樂的商業探索

AI音樂無疑是一個歷時已久，但在這幾年蓬勃發展的朝陽產業。

1974年，Rader系統的出現是帶有AI作曲系統真正的開始。與現在意義上的AI有所不同，其運用了AI中可運用規則的部分，使得機器根據旋律、和聲生成的規則進行權衡，並且對音符與和聲搭配的合適比重進行選擇。此後隨著對音樂生成系統研究的不斷深入，出現了可完成自動低音和聲生成的Snobol系統，以及可用來生成巴赫風格和聲的Choral系統（Ebciogln產品，專家系統）。

1993年，出現了運用人工神經網路學習模式進行和聲生成的Musact系統，以及基於人工神經網路和“限制滿意度技術”相結合方式，可根據旋律進行巴洛克風格和聲生成的Harmonet系統。這些都是現代AI作曲系統的鼻祖，具有里程碑意義。

當代AI作曲系統的開發，大多從Google的Magenta開始萌芽。Magenta是Google於2015年底開源，並用TensorFlow機器引擎學習的一種人工智慧技術，該專案旨在開發AI技術創作出音樂以及其他藝術形式，主要子專案有NSynth Super、Onsets and Frames以及MusicVAE。

此後，各類AI系統、產品開始迅速發展。其中，較為有代表性的程式開發有：2017年Taryn Southern專輯《I Am AI》採用的Amper Music應用、2018年Skygge錄製發行《Hello World》使用的Flow Machines（Sony旗下產品）工具，以及2019年OpenAI開發的一種用於生成音樂作品的深層神經網路MuseNet。

目前，國外較為成熟的AI音樂公司，除了Google、Sony、Amper Music外，還包括洛杉磯的Popgun、倫敦的Jukedeck和AI Musical、舊金山的Humtap、柏林的Melodrive、Google總部山景城的Groov.A、盧森堡的AIVA、非盈利性研究公司OpenAI以及自稱為 “首個建立在人工智慧音樂發現基礎上的全方位服務唱片公司”Snafu Records等。其中，Jukedeck已於2019年7月被位元組跳動收購。

而在國內，AI音樂也有不少的行業實踐。

除了百度、騰訊、阿里、網易雲等音樂平臺都在不同程度上對AI音樂有佈局外，高校以及大中型企業也逐漸加入到AI音樂的教育、研發中。

例如，貌似和音樂搭不上邊的平安科技有限公司，接連與中央民族大學、四川音樂學院等高校展開了合作，並在2018年EPFL瑞士聯邦理工學院舉辦的AI作曲國際挑戰賽中，贏得了智慧作曲領域內首次的AI世界作曲大賽冠軍。

而由微軟(亞洲)網際網路工程院人工智慧創造力團隊負責研發的AI音樂技術，已經能夠基於和絃、節奏、旋律交叉等多項音樂元素進行內容創作，集作曲、作詞、編曲、演唱等多項音樂創作力於一體，相當於一支完整樂隊。

如今，此項技術已在央視及各省市綜藝節目中多次驗證，併成功實現了商業化與產業化輸出。2018年5月，微軟宣佈公司旗下人工智慧小冰已經掌握了歌詞創作和譜曲能力。

另外，2018年4月，嗨翻屋釋出的音樂AI創作助手“小嗨”在目前已經創作了數張專輯，除了作詞作曲，還具備“識曲”功能。

而2019 年2月、3 月分別在 IOS 和安卓上線的“鯨鳴”APP，則是一款可以讓普通人的“線上合唱”變為可能的音樂類應用。“鯨鳴”APP使用的是 AI 歌聲合成技術，使用者只需要錄入自己的聲音，APP便可自動修音，並利用 AI 技術將錄音者的聲音與原唱或者是其他使用者的音色相結合，最終達成合唱效果。

不難發現，AI在音樂領域的運用已經是各文化產業的一大重點。在快速發展的同時雖然也存在一定的困境。當然，主要還是圍繞演算法、版權兩個方面。但隨著AI整體技術水平的提升，使用者對作曲系統智慧化程度要求的提高，AI在音樂領域的運用正逐步走出困境，國內發展的趨勢也逐漸與國際接軌。

首先，在演算法技術層面，混合型演算法以及個性化智慧音樂定製依然是主流。一方面，由於各種演算法在人工智慧作曲的使用中都有其自身的優勢和不足，目前人工智慧作曲的音樂作品風格和體裁比較單一，且可聽性不強。在混合型的演算法作曲中，各種演算法將揚長避短，這些問題能夠得到有效解決。

另一方面，由於AI作曲從大資料中抽取規則，多產但很容易造成歌曲同質性較高的問題。但個性化智慧音樂定製以聽眾的私人喜好為前提，透過大資料和演算法運作後生產出的作品也因個體的差異，更具有原創性。

其次，在版權方面，受制於無法破除的法律困境，AI技術轉向與人類音樂人合作將是短期內突破版權的最直接手段；同時，人類音樂人也會在其中獲利，AI技術對於人類創造力以及音樂人靈感的激發作用會越發凸顯。

有報導稱，人機配合的創作方式是人類音樂家創作速度的20倍。某種程度來說，在提升音樂人的工作效率、降低音樂人與製作方的溝通成本方面，AI作曲都有著人類協作難以企及的優勢。

2018年9月，阿里音樂首席科學家堯問（花名）曾在阿里音樂專場論壇上說道：

“我覺得任何一個藝術家，總有創意枯竭的時候，他們需要靈感。AI創作的音樂可能不是整段歌都好聽，但中間恰好有一小段和這些藝術家的情緒相符，藝術家就能參考借鑑，作為靈感的迸發點，把這個啟發轉化到自己的作品裡面去，我覺得這對於他們是非常好的幫助。”

隨著AI技術在深度學習的逐漸深化，對於人類情緒掌握的逐漸熟練，以及法律逐漸完善對計算機作品以及主體的定義，AI作為人類音樂家的輔助工具這一現狀或許也不會持續太久，畢竟技術以及法律都並非是一塵不變的。

04 結語

從流媒體利用AI進行智慧推薦去引導聽眾音樂品味，到科學家基於AI打造出AI作曲家再一次顛覆音樂行業，人們對於AI的發展有些喜憂參半。

一方面，AI的加入能夠讓音樂行業更加完善，讓這個行業的運作更加有效率；另一方面，作為人類製造出來的機器，AI作曲的銷量和品質也許會讓很多音樂人汗顏。

長遠來看，AI與人類的音樂人、電臺DJ的關係或許也不是非此即彼，就像現在的數字音樂與黑膠的對決一樣，黑膠的沒落是有目共睹，但其價值仍然被大眾認可，甚至被小部分人追捧。

換句話說，技術的進步以及行業的綜合性推進，最大可能會使得AI音樂成為音樂創作的一種標準配置。當然，人們對人類音樂人在音樂上的原創性、審美性要求也會越高。

但無論是AI音樂或者是人類創作的音樂，從音樂誕生到現在花樣百出的音樂產品，其最核心的仍然是提供服務，這個核心不改變，人和音樂的關係也不會被改變。

歸根結底，人工智慧仍來源於人類智慧，與其說讓音樂人失業或者是被遭遇到AlphaGo式的碾壓，不如說是技術帶來的行業變遷，而在作品或音樂服務的選擇上，聽眾也有了更多元化的選擇。

參考資料

1. 《ARTIFICIAL INTELLIGENCE MADE A SONG IN THE STYLE OF TRAVIS SCOTT. IT SOUNDS UNNERVINGLY LIKE TRAVIS SCOTT.》，《Music Business Worldwide》，2020年2月16日
2. 《藝術家們是如何看待虛擬現實這一未來大勢的？》，《SIZE潮流生活》，2020年2月16日
3. 《第一個世界正式的AI作曲家AIVA是怎樣創作音樂的？》，《雷克世界》，2017年3月17日
4. 《什麼是人工神經網路（ANN）》，《知乎專欄：人工智慧影像識別技術與計算機視覺(CV)》，釋出於2018年8月30日
5. 李景平：《人工智慧深度介入文化產業的問題及風險防範》，《深圳大學學報（人文社會科學版）》，2019年9月第5期
6. 貳叄叄 ：《AI寫的歌，應該受到版權保護嗎？》，《音樂先聲》，2019年6月14日
7. 肖欣：《人工智慧生成內容版權問題的國際比較研究》，華東政法大學碩士論文，2019年
8. 《神經網路最大的優點，以及最嚴重的缺陷》，《csdn人工智慧頭條》，2018年10月12日
9. 王鉉、雷沁穎：《人工智慧對中國音樂產業鏈的滲透與革新》，《現代傳播(中國傳媒大學學報)》，2019年12期
10. 《博覽會 | AI音樂家會像阿法狗那樣碾壓人類嗎？》，《中國音樂財經網》，2018年4月24日
11. 田梅、黃智興、張友剛：《演算法作曲中的人工智慧技術》，《四川教育學院學報》，2006年12月