一家名为Songscription的小公司于上周发布了AI驱动的音乐转录模型,能够在几分钟内将歌曲音频文件转换为乐谱。该产品采用免费增值模式,面向专业和业余音乐家群体。
"我们希望让音乐演奏变得更加愉快,"Songscription首席执行官、斯坦福大学MBA/教育硕士项目学生Andrew Carlins告诉TechCrunch。"我们设想未来内布拉斯加州乡村高中的乐队老师能够为学生们想演奏的歌曲获取乐谱,这些乐谱将专门为乐队中的乐器进行编排,并根据每个学生的演奏水平提供个性化版本。"
目前,Songscription可以为多种不同乐器转录音乐,其中钢琴模型最为可靠。未来,公司希望增加不同的转录输出格式(如吉他谱),以及针对整个乐队而非单一乐器的编排。
这类产品对音乐家很有用,他们可以录制正在创作的歌曲,然后上传获取乐谱,从而跳过手动转录的步骤。对于不会读写乐谱的用户,Songscription还会生成钢琴卷帘,显示虚拟钢琴上演奏音乐的数字表示。
用户还可以直接通过YouTube链接自动进行音乐转录。上传文件时需要用户勾选确认框,确认拥有转录该文件的权利,但用户很容易简单勾选后获取受版权保护歌曲的免费乐谱。
"对于音乐学习者而言...既然你被允许听歌曲、用耳朵记下音符并在家中钢琴上演奏(只要不收费表演),使用技术平台来获得先机是否跨越法律界限并不完全明确,尽管我们理解这个领域在不断发展,我们的应用可能进入灰色地带,"Carlins表示。
围绕创意AI工具使用的合法性问题存在争议,尽管最近的法院判决似乎更倾向于科技公司而非艺术家。然而,Songscription并非创造新的AI生成音乐,而是为音乐家提供工具来加速制作吉他谱或乐谱的过程。
"由于我们的平台允许用户编辑乐谱,我们将自己定位为增强型音乐记谱软件,帮助人们加速转录过程,"Carlins说。
Songscription AI模型的底层架构基于联合创始人Tim Beyer与研究员Angela Dai共同发表的论文。
为了获得创建此类AI模型所需的训练数据,Songscription与一些愿意分享或出售钢琴演奏和乐谱的音乐家合作。公司还使用了公共领域乐谱,尽管大部分训练数据是合成的,Carlins表示。在这种情况下,Songscription会将乐谱转换为音频,然后修改文件以模拟带有背景噪音或混响的真实世界条件。
成立仅七个月后,Songscription已从Reach Capital获得种子前融资,并将参与斯坦福StartX加速器项目。
好文章,需要你的鼓励
苏州大学研究团队提出"语境降噪训练"新方法,通过"综合梯度分数"识别长文本中的关键信息,在训练时强化重要内容、抑制干扰噪音。该技术让80亿参数的开源模型在长文本任务上达到GPT-4o水平,训练效率比传统方法高出40多倍。研究解决了AI处理长文档时容易被无关信息干扰的核心问题,为文档分析、法律研究等应用提供重要突破。
在Cloudera的“价值观”中,企业智能化的根基可以被概括为两个字:“源”与“治”——让数据有源,智能可治。
清华大学团队首次揭示了困扰AI训练领域超过两年的"幽灵故障"根本原因:Flash Attention在BF16精度下训练时会因数字舍入偏差与低秩矩阵结构的交互作用导致训练崩溃。研究团队通过深入分析发现问题源于注意力权重为1时的系统性舍入误差累积,并提出了动态最大值调整的解决方案,成功稳定了训练过程。这项研究不仅解决了实际工程问题,更为分析类似数值稳定性挑战提供了重要方法论。