AI音乐：打通技术新路径，大模型时代加速发展.docxVIP

一、生产要素分析 AI 音乐生产要素包括底层硬件、数据集、技术范式，其中硬件有成熟的解决方案，国内外大型云服务商均已推出了针对 AI 模型训练的 GPU 云服务；优质训练数据获取成本高，音乐类数据成品和标注工具商还在发展早期，而关键的 MIDI 数据归属于版权方，难以从互联网获取，市面上可用的音乐数据集相比文本和图片数量较少；技术理论加速发展，谷歌等科技公司入局，在算力加持下探索新的解决方案。应用方面，目前已有的 AI 音乐产品包括端到端产品，例如 AIVA，网易天音等；部分公司开发 AI 音乐应用主要用于内部降本增效，降低配乐成本，比如抖音，微软等。 图 1: AI 音乐产业细分 各公司官网， 证券 技术路线：百花齐放，算力升级使暴力求解成为可能 传统路线：基于音符逻辑的算法音乐 基于音符逻辑的算法音乐长期存在，但并非严格意义的 AI 工具。AI 生成音乐的概念早在 80 年代就已出现，从辅助创作、帮助生成的角度出发，早期计算机音乐大多基于音符逻辑，学习乐谱、通过马尔科夫链等生成音符内容，已广泛应用于业界，产品包括 YAMAH 等推出的编曲键盘，Band-in-a-Box 软件等。这类技术的特点是生成逻辑更接近音乐家的思维方式，主体是计算程序，输出的是不具有混音效果的纯音谱，并非是真正意义上的 AI 产物。 AI 时代：神经网络架构的音乐生成诞生多流派 2015 年后深度学习学