美国音乐产业是一个经济主食产生估计$ 7.7十亿在2016年零售收入据美国唱片业协会(Recording Industry Association of America)称。2016年也是第一次音乐产业的收入主要来自“流媒体音乐platfor女士。”
为了评估人工智能在音乐行业中的新角色，我们深入研究了这个领域，以帮助回答商业领袖今天提出的问题，包括:
- 什么类型的AI应用目前在音乐产业用？
- 市场对这些人工智能应用的反应如何?
- 这些创新努力有什么共同的趋势吗?这些趋势如何可能影响音乐产业的未来
在本文中，我们将分解人工智能在音乐行业中的应用，为商业领袖提供对当前和可能影响其行业的新兴趋势的理解。我们将开始一个概述音频AI应用领域，我们覆盖在这篇文章:
AI音乐应用概述
根据我们对该领域应用的评估，音乐行业的AI用例主要分为三类:
- 作曲：公司正在使用AI创建，增强和/或补充的音乐内容。
- 音乐流媒体:公司正在使用机器学习和深度学习来推荐基于用户活动数据的个性化内容。
- 音乐货币化当前位置人工智能平台正在帮助艺术家们将音乐内容货币化，并产生收入。
在下面的完整的文章中，我们将探讨通过部分每个应用程序的AI应用，并提供有代表性的例子和视频。
作曲
玩具枪
在2017年1月推出，澳大利亚为基础的启动玩具枪据报道，他们通过ALICE平台进行深度学习，为音乐作品伴奏或增加成分。这家初创公司的团队主要由软件工程师组成，他们认为，他们的工作目标是促进合作，而不是“取代人类的能力”。
该公司已经提供了一些演示程序来演示ALICE是如何工作的。例子包括:
- ALICE试图预测什么音乐家演奏会
- ALICE伴随音乐家，因为他们玩
- ALICE试图凑合在什么音乐家戏剧
使用深学习，神经网络进行培训，成千上万首歌曲，跨越多个流派不同。这种训练方法使网络解释给定乐曲的风格，并以类似的节拍或模式“一起玩”旨在补充或完善由人类用户演奏的曲调。
目前，似乎大多数的Popgun当前的应用程序正在接受培训，以电子键盘。据Popgun的网站，在未来，公司的设想是AI将与音乐家合作，教他们怎么玩不同的乐器比目前可能的速度更快，通过提供新的声音，增强音乐制作能力。
看来，该团队目前处于筹款模式，目前没有客户档案或案例研究。
安珀音乐
安珀是一个基于云的AI驱动的音乐创作平台。该系统据称产生由用户选择的基础上，情绪，风格独特的音乐选择，和持续时间参数。一旦这些做出选择，用户可以进行其他修改之前所组成齐全。该公司声称，该平台是建立在来自音乐样本库的数据。
Amper旨在为没有受过音乐训练的个人和专业人士提供快速创作原创音乐的能力。首先，该算法是针对大量音乐曲目的数据进行训练的。然后，该算法可以识别每个音乐作品的关键组成部分，并预测用户想要创建的音频类型。
在下面的简短1:33分钟的视频，公司创始人德鲁·西尔弗斯坦提供了安珀平台用户解释如何生成音乐内容的概述。
与Popgun的团队非常相似，Silverstein也强调他有兴趣利用他的平台与音乐家合作，提高他们创作音乐的能力。风险投资公司Foundry Group是其中三家出资人之一400万美元的种子基金。
音乐流媒体
Spotify
推荐引擎是消费科技领域最常见的人工智能应用之一。领先的音乐流媒体平台依赖底层算法，根据用户历史和活动推荐内容。
Spotify据报道,结合了深学习方法的补充通过一个被称为“协同过滤。”协同过滤是利用他人的推荐对信息进行分类的方法。从一组用户(他们与感兴趣的用户有相似之处)的推荐中收集数据，并计算加权平均值来预测感兴趣的用户。
音乐平台产生了一个预计2016年总收入为33亿美元据报道，这一数字增长了52%比前一年多。不过，要有提成费和销售费支出占公司收入的近85%，盈利能力的规模似乎是一个移动的目标。
有兴趣更深的下潜到推荐引擎读者应参考我们之前的文章商业推荐系统的用例——当前的应用和方法。
潘多拉
自从潘多拉的首次发布回到2000年今天，这个网络电台平台宣称它已经结束了150万首分析歌曲通过它的音乐基因组计划和使用60的建议策略歌曲选择。
根据科学家的说法埃里克•施密特，研究和机器学习仍然是公司商业战略的核心:
“其中一个潘多拉研究最迷人的领域之一是‘机听力’。在里面音乐领域，我们寻求开发能够自动的系统理解音频信号的音乐学内容。这些系统严重依赖在监督的机器学习和Pandora的音乐基因组计划提供了世界上最大和最详细的语料库执行这项工作，跨越1.5百万分析轨道。由于该数据集的结果，我们已经能够开发难以置信的丰富和准确的机器听力表现。”- - - - - -埃里克•施密特2017年2月
潘多拉的创始人蒂姆·威斯特格伦在下面这段采访视频中解释了潘多拉基因组计划的最初设想(以及这个系统在2000年代早期是如何被人类音乐专家精心训练的)。前5分钟是最相关的:
以上(从6分钟左右开始)，Tim还解释了个性化将是使Pandora领先于其竞争对手的差异化因素。不过，他对公司如何实现推荐的描述，似乎与Spotify和其他流媒体服务并没有太大的不同。在过去的两年里，公司的股价从38美元左右跌到了9美元左右，董事会似乎已经把蒂姆从CEO的位置上撤了下来关闭板完全。
2017年6月，潘多拉公布与SiriusXM战略联盟伴有$ 480万美元投资在Pandora和公司的估计19％的市场份额。有人认为，此举是部分潘多拉的努力，以提高其对Spotify的竞争力。
维持盈利模式对一些音乐流媒体服务来说似乎是一个挑战。据报道，该公司的损失有所增加2015年为1.7亿美元，2016年为3.43亿美元。
音乐货币化
LANDR
专业品质的音乐记录并不便宜和某些音乐单独的设备可以达到向上的$ 10,000个。对于一般的独立音乐人来说，音乐制作过程中的许多技术环节成本高昂。这样的公司LANDR试图通过给音乐艺术家的能力掌握到平平台或专业以合理的价格完成他们的歌曲。
根据其网站，LANDR据说使用的培训上的标准步骤音乐工程师跟着音乐大师的机器学习算法。基于Web的平台允许用户拖动和拖放一个粗略的轨道，并得到一个“即时掌握预览”该公司声称可以下载在几分钟内。轨道的掌握是免费的MP3曲目大小可达192kbps的。三种包月套餐为$ 4，$ 9和每月$ 25提供。
该公司声称，其人工智能驱动的母带引擎是基于“数百万首母带的数据”，以及来自音乐工程师的大量知识。这些算法根据生产风格的元素对轨迹进行分类。这一过程也告知后期制作过程，这将是最适合的轨道。
该公司还出现报价分销服务领先的流媒体服务。LANDRclaims artists will keep 100 percent of sales and rights. A private sharing feature was recently launched to help users share their music online more safely.
以下提供36秒的视频LANDR的如何拖放界面功能，并简要的快速概览提到AI的作用：
CloudBounce
CloudBounce据报道，这是一个完全自动化的掌握平台，似乎整合了机器学习部分机听。相比之下，CloudBounce的价格与之相当，但略高于LANDR。似乎一个免费的轨道上传提供了一个介绍的服务。
下面这个2:28分钟的视频演示了如何导航CloudBounce来掌握音频内容。
总结关于音乐人工智能的思考
人工智能的使用正在扩展到推荐引擎之外，并为专业人士和非专业人士提供了一个更容易访问和更民主的行业前景。在旨在帮助自动化开发音频内容过程的平台中，似乎有意强调协作。
这些平台的设计者似乎理解确保音频内容创造者的重要性，即这些创新不会取代他们，而是帮助和改进他们的过程。否则，我们预计这些平台将遭遇巨大的阻力。
通过消除技术培训的需要，我们在本文中讨论的音乐创作平台将自己定位为容易被客户访问的平台。然而，这些平台仍处于早期阶段，收入模式尚不明确。此外，现在就断言这些公司的目标客户是谁还为时过早。这些因素将决定这些音乐创作平台的长期生存能力。
人工智能正在推动Spotify和Pandora等领先音乐流媒体服务背后的推荐引擎。有趣的是，大规模盈利似乎是这些公司面临的主要挑战之一。人工智能是否也能帮助解决收入方面的挑战，这将是一件有趣的事情。
到目前为止，音乐盈利是这个行业最棘手的方面之一。独立音乐艺术家面临着创作、保护和将他们的音乐推向市场的重大挑战。由于缺乏关于客户结果的数据，目前很难预测这些平台的影响。然而，我们可能会看到类似的公司出现在地平线上，进入这个垄断市场。我们将继续监测人工智能如何继续在这个领域出现。
标题图片来源：BlockMusic
