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
牛津大学提出PHYSIFORMER,一种扩散变换器模型,通过三维网格顶点轨迹直接在世界坐标空间预测刚性与弹性物体的物理运动,一次性生成全序列轨迹,超越自回归基线。
随着医疗数据数字化与互操作性的进步,跨机构纵向患者数据的研究应用成为可能。本研究通过对20位领域专家的访谈,识别出8种数据收集方法,涵盖智能手机应用、结构化数据导出、区域/全国研究查询及聚合数据源等。研究发现,各方法均有其优缺点,无单一最优方案。参与者中介交换方式可绕过复杂治理安排,但存在数据缺口;全国性网络尚不支持研究查询。公共政策的持续推进将对该领域发展起关键作用。
研究发现主流奖励模型对同等质量答案给出差异悬殊的分数,并提出"奖励聚类"算法通过蒙特卡洛随机失活将连续分数离散化,在不重训模型的前提下有效减少AI训练中的奖励作弊现象。