利用人工智能識(shí)別歌曲風(fēng)格，從而進(jìn)行分類

任何曾經(jīng)編輯過磁帶或SpoTIfy播放列表的人都知道，當(dāng)他們?cè)诟枨袀鬟f出了某種情感時(shí)，他們就會(huì)取得成功。這就是為什么Gracenote的音樂數(shù)據(jù)專家長(zhǎng)期以來一直根據(jù)情緒和情感對(duì)世界萬千繁雜音樂進(jìn)行分類的原因。

而Gracenote團(tuán)隊(duì)實(shí)際上并沒有真正逐首聽過他們數(shù)據(jù)庫(kù)中成千上百的歌曲。取而代之的是，它教會(huì)了電腦去識(shí)別情緒，使用機(jī)器聆聽，借助人工智能（AI）來判斷一首歌曲的風(fēng)格，進(jìn)而判別是夢(mèng)幻、性感，還是純粹的悲傷風(fēng)格。

“機(jī)器學(xué)習(xí)是我們所具有的一個(gè)巨大的戰(zhàn)略優(yōu)勢(shì)，”Gracenote的總經(jīng)理BrianHamilton在最近的一次采訪中說。

據(jù)悉，Gracenote在10年前就開始了它所謂的“聲音情緒分類”工作。隨著時(shí)間的推移，傳統(tǒng)算法越來越多地被先進(jìn)的神經(jīng)網(wǎng)絡(luò)算法所取代，這項(xiàng)工作也隨之進(jìn)化了。這也已經(jīng)成為音樂行業(yè)對(duì)人工智能越來越依賴的最佳例證之一。

舉例來說，電腦是如何得知LadyGaga的Lovegame是一首性感熱曲的呢？

首先，人工智能是不知道你的感受的。“我們不知道音樂作品會(huì)對(duì)個(gè)體聽眾產(chǎn)生了什么影響，”Gracenote的研究副總裁在接受采訪時(shí)表示。相反，它試圖將音樂家的創(chuàng)作意圖作為一種內(nèi)在的情感品質(zhì)，并對(duì)這些品質(zhì)進(jìn)行辨別。換句話說：它想要教電腦識(shí)別哪些歌曲是悲傷的，而不是識(shí)別哪首歌會(huì)讓聽眾感到憂郁，因?yàn)槟愕母惺芸赡苁且驗(yàn)閭€(gè)人的經(jīng)歷而產(chǎn)生不同的情緒。

教電腦識(shí)別音樂中的情緒有點(diǎn)像心理治療

首先，你得說出你的感受。Gracenote的音樂團(tuán)隊(duì)最初開發(fā)了一種分類標(biāo)準(zhǔn)，這包括了超過100種氛圍和情緒，之后又將這個(gè)標(biāo)準(zhǔn)擴(kuò)充到了400多種類別。

其中一些是“性感”和“時(shí)髦”這樣比較經(jīng)典的類別，但也有一些極其具體的類別，比如“夢(mèng)幻感”、“苦樂參半的柔情”和“絕望的瘋狂”。新的類別不斷被添加，而另一些則根據(jù)系統(tǒng)的表現(xiàn)進(jìn)行了微調(diào)。

“這是一個(gè)更新?lián)Q代的過程，”Gracenote的內(nèi)容架構(gòu)和探索主管彼得迪馬利亞解釋說，“分類在不斷進(jìn)化和演進(jìn)。”

除了這一系列情緒之外，Gracenote還使用所謂的“訓(xùn)練集”來進(jìn)行機(jī)器學(xué)習(xí)。該公司的音樂專家挑選了大約4萬首歌曲作為不同類別歌曲的例子。

匯編這種訓(xùn)練集本身就是一門藝術(shù)。迪馬利亞說：“我們需要確保提供了正確的范例。”與此同時(shí)，范例歌曲必須是這些情緒的最佳例證。他說：“有些歌兒風(fēng)格有點(diǎn)模糊。”

目前的培訓(xùn)內(nèi)容包括LadyGaga的Lovegame，這首是性感熱曲的范例；電臺(tái)司令的PyramidSond是哀傷風(fēng)格的范例；而碧昂斯的MeMyself&I則是感性和親密風(fēng)格的范例。

就像情緒本身一樣，訓(xùn)練集需要不斷地被更新以保持新鮮。迪馬利亞說：“藝術(shù)家們一直在創(chuàng)造新的音樂表達(dá)方式。我們需要確保系統(tǒng)已經(jīng)聽到了這些聲音。”尤其是快速發(fā)展的音樂類型，如電子樂和嘻哈音樂，需要頻繁更新。

對(duì)電腦而言，它肯能會(huì)將壓縮過的歌曲識(shí)別為一種音樂風(fēng)格。一旦系統(tǒng)接受了這些歌曲的訓(xùn)練，它就會(huì)被應(yīng)用到數(shù)百萬的音軌上。但電腦不會(huì)一首一首地聽播放列表上的全部歌曲。

相反，Gracenote的系統(tǒng)將每條音軌切割成700毫秒的片段，然后從任何這類片中提取大約170種不同的聲學(xué)值，比如它們的音色。此外，有時(shí)一首歌分辨相似的風(fēng)格須要用到更長(zhǎng)的片段。然后這些值會(huì)與現(xiàn)有數(shù)據(jù)進(jìn)行比較，這樣一來將每首歌曲分類。

這樣的結(jié)果不僅是得到情緒風(fēng)格，而是得到每種情緒風(fēng)格的檔案。在此期間，Gracenote的團(tuán)隊(duì)必須定期確保不會(huì)出錯(cuò)。“混音是一件非常復(fù)雜的事情。”樂器、人聲和各種效果疊加，并且音樂本身會(huì)被針對(duì)在汽車音響播放或在流媒體播放的不同而被優(yōu)化：這樣一來電腦可以聽的東西太多了，這包括了那些不屬于音樂本身東西。“它可以捕捉到很多不同的東西，”他說。

在無人監(jiān)督的情況下，Gracenote的系統(tǒng)可能會(huì)決定關(guān)注被壓縮的部分，并將它們與情緒相匹配，而Cremer則開玩笑說系統(tǒng)可能會(huì)決定：“這些都是96kbps，所以這些歌曲屬于悲傷風(fēng)格。”

被情緒分類的世界音樂

Gracenote將音樂分類按照情緒分類，它之后就會(huì)把數(shù)據(jù)傳遞給客戶，而客戶使用它的方式多種多樣。較小的媒體服務(wù)商通常會(huì)授權(quán)Gracenote獲取他們的音樂數(shù)據(jù)，并進(jìn)行端對(duì)端的音樂整理和推薦。例如，媒體中心應(yīng)用開發(fā)商Plex使用該公司的音樂推薦技術(shù)，為客戶提供個(gè)性化播放列表，以及被該公司稱作“情緒電臺(tái)”的服務(wù)。

Plex的用戶可以選擇“苦樂參半的柔情”這一風(fēng)格，然后等著聽到MazzyStar樂隊(duì)的迷幻之音。

Gracenote還向包括蘋果和SpoTIfy在內(nèi)的一些業(yè)內(nèi)最大的音樂服務(wù)運(yùn)營(yíng)商提供數(shù)據(jù)。這些大公司通常不喜歡公開談?wù)撍麄兪侨绾问褂肎racenote的數(shù)據(jù)的。更大的流媒體服務(wù)公司一般都傾向于使用自己的音樂推薦算法，但他們通常仍會(huì)利用Gracenote的情緒數(shù)據(jù)來訓(xùn)練和改進(jìn)這些算法，或者幫助策展人預(yù)先選擇歌曲，這些歌曲隨后被編輯為播放列表。

這意味著樂迷們可能會(huì)敏銳地意識(shí)到Gracenote在情緒分類上做的工作，而其他人可能無法察覺該公司的人工智能技術(shù)是如何幫助他們提高音樂體驗(yàn)的。

不管怎樣，Gracenote必須確保其數(shù)據(jù)在國(guó)際上得到妥善的轉(zhuǎn)碼，尤其在它即將在別的國(guó)家開展業(yè)務(wù)之際。

該公司宣布將在歐洲和拉丁美洲開始銷售其音樂數(shù)據(jù)產(chǎn)品，其中包括情緒分類標(biāo)準(zhǔn)，以及在分類中使用到的描述性、整潔的元數(shù)據(jù)。

為了確保這種轉(zhuǎn)碼過程中沒有任何損耗，該公司聘請(qǐng)了國(guó)際編輯，他們不僅翻譯了“感傷”一詞，而且還會(huì)聽一些歌曲，以找出在他們的文化背景下哪種表達(dá)最有效。

國(guó)際關(guān)注是雙向的

Gracenote也不斷在全球范圍內(nèi)搜尋新的國(guó)際聲音，以滿足其訓(xùn)練集的需求。“我們的數(shù)據(jù)可以用于所有那些即將消失的聲音，”他說。

像Gracenote這樣的公司不僅依賴人類，而且還依賴人工智能和機(jī)器監(jiān)聽等技術(shù)；最終，我們將會(huì)能夠?qū)θ澜缢幸魳愤M(jìn)行分類。

在很多方面，教計(jì)算機(jī)識(shí)別悲傷的歌曲實(shí)際上可以幫助人類獲得更好、更有意義的音樂體驗(yàn)。

如果僅僅依靠人類進(jìn)行分類，那么會(huì)有上百萬首歌曲無法分類，而人們也無法獲得個(gè)性化的音樂列表。

利用數(shù)據(jù)和技術(shù)來解鎖世界音樂是他工作中最令人興奮的部分之一，Cremer說：“我在這里的原因是要確保每個(gè)人都能接觸到所有被妥善分類的音樂。”