【数字赋能 · 第368期】标贝科技AI歌曲合成数据库开启高效智能音乐创作

北京软协

当说到“AI音乐”时，你能想到什么画面？机器人唱歌？自动生成歌曲？

事实上，AI音乐已经不算新鲜事。用人工智能创作音乐，最早可以追溯到上个世纪50年代。1951年，“人工智能之父”阿兰·图灵就尝试过用电脑生成音乐并录制下来。2016 年，索尼计算机科学实验推出的大型歌曲和风格数据库 Flow Machines，创作出了“披头士”风格的旋律。

如果说早些年，AI音乐创作主要集中在纯乐曲和氛围音乐。那么近两年，AI在作词、编曲、伴奏、演唱方面一条龙的“音乐才华”无不让人大开眼界。

从国内第一代虚拟歌手“洛天依”开始，人工智能在音乐领域兴起了越来越多的浪潮：音乐家Taryn Southern与人工智能合作创作专辑、微软打造了会编曲、作词、唱歌的“智能少女”小冰、韩国SM公司推出含AI概念的女团aespa、网易发布AI原创单曲……“AI+音乐”的热度持续升温。

AI歌曲合成

随着AI音乐应用的不断突破，其背后歌声合成技术，也越来越受到关注。歌声合成与语音合成相比，既有相似性，也有其特殊性。

歌唱合成技术是将乐谱信息和歌词转换为歌唱语音的技术。相较于语音合成（TTS），音乐是流媒体，对作品的流畅度要求更高。因此，歌曲合成需要输入更多维度的音乐标注信息（音高、音符的时值），同时要求输出的歌声更有感情的起伏，声音展现还要有连续性，技术实现上来说更为复杂。

像人的学习一样，AI歌曲合成系统也需要通过语料库学习海量的歌曲内容，才能“创作”出新的音乐作品。普通学生学习一首曲子需要至少一周时间，但是有了AI技术的加持，将优质的歌曲数据输入到算法中进行模型训练，只需要很短时间即可完成一首歌的创作。

高质量数据库

化解AI歌曲合成难点

尽管技术在不断进步，但歌曲合成仍然存在两大难点。

一是音域的限制。由于每个歌手都有适合自己的音域范围，对于超出音域范围的歌曲，AI歌唱合成效果就会受到一定的影响。

其次，就是对高质量数据的需求。在对声音数据的处理上，歌声比语音所包含的专业因素更多。歌声的音高、音强、音长等变化组合繁复，需要标注人员对音乐有较深的理解，才能根据录制的人声演唱中所包含的音高、旋律节奏、演唱技巧、歌词等内容进行精细标注。

合成歌声的质量在很大程度上取决于数据库的质量。如何用更少的数据，让歌曲合成效果更真实、自然，获取更稳定的体验效果，是 AI歌曲合成技术突破的重点。

标贝科技深耕AI能数据服务领域多年，在语音数据生产方面沉淀了先进的技术能力以及大量音乐人才储备。面对复杂度更高的歌声合成需求，标贝科技设计了一套专业化的数据处理流程，能够实现快速产出高质量的不同音色、不同风格的歌声数据。

目前，标贝科技拥有近5000首不同风格类型的中文歌曲数据库。均由经过训练的专业歌手完成的整个数据的采集，并且标贝科技全程进行监督和指导，以确保数据质量。

在音频标注的标注格式方面，标贝科技采用了兼容性强、记录音乐信息精确性高的MusicXML格式，对时值、升降号、节拍、谱号等乐谱属性进行记录。

同时，为了减少标注的错误率，标贝在重音、顿音、假声、连音等音符的相关信息的区分和记录上做了大量工作。甚至在对较难把握的颤音的处理上，也有专门的识别和标注记号。

如上图示意，标贝科技在标注过程中给出了旋律音符对应的音高节奏、转音、气口、休止符、歌词信息以及对应的拼音信息。

END

【数字赋能 · 第368期】标贝科技AI歌曲合成数据库 开启高效智能音乐创作