这家初创公司利用人工智能帮助音乐制作人创作完美的歌曲

DJ Wika Szmyt controls the sound mixer as she plays music at a club in Warsaw January 4, 2012. Szmyt, 73, spends her retirement days behind a DJ console watching people dance to her rhythms. She plays disco, rumba or samba for a mostly elderly audience because she feels she is giving them a new take at life. DJ Wika plays in a Warsaw club three days a week but has also been involved in other musical projects, including parties where she plays for a younger and more demanding audience. REUTERS/Kacper Pempel (POLAND - Tags: SOCIETY ENTERTAINMENT) - GM1E8150LMR01
'Called Samply, Swaney’s visual sample-library explorer combines music and machine learning into a new technology for producers.'Image: REUTERS/Kacper Pempel
本内容由人工智能自动翻译。

麻省理工学院研究生初创公司Samply运用算法,帮助音乐制作人找到完美的声音。

电脑屏幕上闪烁的节奏光影照亮了昏暗的房间,声音充满了整个空间。军鼓采样单独播放时清脆干净,但一旦混入整体,无论如何调节音量,它都会变得浑浊不清。欢迎来到现代音乐创作的世界——以及它的种种烦恼。

当今的数字音乐制作人面临一个共同的难题:如何将那些单独听来可能很出色、但未必能契合整首歌曲的采样素材融合在一起,使其符合最初的构想。一种解决办法是寻找并审查数十种不同的采样,这是一个繁琐的过程,且需要花费时间进行精细打磨。

“要获得正确的音乐效果,需要大量的人工搜索,这既分散注意力又耗费时间。”麻省理工学院化学工程系博士生、音乐制作人、同时也是一款新工具联合创建者的贾斯汀·斯瓦尼(Justin Swaney)说道,该工具利用机器学习,帮助制作人找到恰到好处的声音。

斯瓦尼的可视化采样库浏览工具名为Samply,它将音乐与机器学习结合,为制作人带来了一项新技术。在去年冬天Hello World庆祝活动中的麻省理工学院斯蒂芬·A·施瓦茨曼计算学院“跨学科机器学习挑战赛”中,该工具荣获第一名,它利用卷积神经网络分析音频波形。

Image: Lillie Paquette

“Samply根据采样的声音特征对其进行分类,”斯瓦尼解释道,“结果是一张交互式图表,相似的声音彼此更靠近,不同的声音则相距更远。Samply还允许同时可视化多个采样库,缩短了你在脑海中想象一种声音与找到它之间的时间差。”

对斯瓦尼而言,Samply的开发既得益于他的研究专长,也源于他的个人经历。在来到麻省理工学院之前,他曾与独立音乐人合作制作专辑,其中包括该工具的联合创建者、鼓手埃里克·希尔茨因格(Eric Schirtzinger)。两人曾在地下室录制鼓声,并尝试用廉价的硬件和各种土办法即兴创作,例如把地毯挂在天花板上以减弱混响。“条件的限制促使我们发挥创造力,”现就读于威斯康星大学麦迪逊分校、主修计算机科学的希尔茨因格说道。

在斯瓦尼完成6.862课程(应用机器学习)之后,这种创造力得到了进一步磨砺。他看到了一个机会,可以将从这门以项目为基础的课程中所学的知识,运用到他重拾的音乐制作爱好中,并设计出一种方法,在制作新歌时自动搜索合适的采样。

“我想,电脑听采样的速度肯定比我快得多,”他说。除了巧妙地运用机器学习之外,Samply真正的神奇之处在于,从概念上讲,它建立在对音乐创作所需条件的深刻理解之上。“我们不仅仅是将机器学习应用于音乐的人工智能爱好者,”希尔茨因格说道,“我们是希望拥有更好创作工具的音乐人。”

事实证明,在麻省理工学院,并非只有他们心怀音乐。去年冬天,在施瓦茨曼计算学院的展览上展示Samply时,数十名教职员工和学生围聚在斯瓦尼的海报和现场演示周围,交流想法。一些人拥有多年使用专业软件制作音乐的经验,而另一些人则只是欣赏演示中的可视化效果和声音。

受到展览上人们对Samply的关注所激励,斯瓦尼和希尔茨因格正在着手将他们的项目发展为一家初创公司。作为第一步,两人联系了技术许可办公室(TLO)寻求建议,该办公室将他们转介至风险创业指导服务(VMS)。

Samply于四月加入VMS,并与两位与麻省理工学院有关联的导师兼创业者斯蒂芬·贝尔(Stephen Bayle)和约翰·斯特姆佩克(John Stempeck)结对。在向导师介绍Samply之后,斯瓦尼获得了关于制定商业计划和销售策略的宝贵建议,随后开始与其他对音乐科技商业化感兴趣的人建立联系。

此后,Samply已获准加入ELEVATE加速器项目,该项目由本地数字营销公司HubSpot赞助,而斯瓦尼正通过麻省理工学院沙盒创新基金申请种子资金。

“作为学生创办公司可能令人望而生畏,但麻省理工学院的社群给了我们信心,”他说,“如果我们在麻省理工学院都做不到,那还能在哪里做到呢?”

事实上,他在Samply上投入的时间和精力,对他作为研究生的学术生活产生了一种“几乎自相矛盾”的益处。“我过去把所有时间都花在实验室里,”他说,“当我退后一步去做Samply时,反而能在研究中看清全局。”

斯瓦尼发现,专注于自己热爱的音乐起到了“情感宣泄”的作用,有助于缓解智力上的倦怠。尽管Samply可能让他离开了实验台,但它最终也为他的研究提供了启发。他表示,采样可视化的最初构想源于“我在单细胞分析方面的工作”。将这一方法应用于该工具,使他在生物学领域的思路更加清晰,进而形成了一种能够更好地进行聚类的新方法,即一种更好地分类、识别和可视化细胞群的方式。“这有点像音乐中的主题与变奏,只不过变奏的是我的研究,”斯瓦尼说。

至于Samply,应用程序的免费测试版将于九月推出,同时明年还将开展一项Kickstarter众筹活动,以推动未来的开发工作。

“我们希望将Samply交到更多制作人和内容创作者手中,以便建立一个反馈循环,指导我们的工作重点,”他说,“我们的技术也可能应用于现场音乐表演、乐器制作以及电影和视频制作领域。我们很期待探索这些可能性。”

授权与转载
世界经济论坛发布的文章,可依据《知识共享署名-非商业性使用-禁止演绎4.0国际公共许可协议》以及我方《使用条款》进行转载。 本文所表达的观点仅代表作者个人立场,并不代表世界经济论坛的观点。