音乐制作中的 AI 人工智能：工具，术语和实例

出处：https://theproaudiofiles.com/ai-artificial-intelligence-music-production/
作者：Philip Mantione
编译：来福的酸

简介

“人工智能（AI）是对于音乐制作的意义是革命性的，它为创作者提供新的可能性的同时改变了我们日常听歌和的方式，并且开拓了更多元的音乐交互方式。从作词作曲到混音母带，AI都在潜移默化地进入到音乐制作的各个环节之中。本文则将通过一些具体的实例来探讨AI在音乐行业的不同应用场景，以及它带来的机遇和挑战。话不多说，让我们一起看看AI在音乐领域的未来图景吧！”

上面这段话其实是由OpenAI公司开发的聊天机器人 ChatGPT生成的。内容则是ChatGPT根据我的提示“为一篇名为《音乐制作和AI》的文章写一段简介”生成的。随着近期如ChatGPT这样的在产品的发布，AI这个话题变得一发不可收拾。其原本目的是为了优化语言模型，并允许与用户进行对话与交流。而讽刺的是，ChatGPT根据用户指令做出的回应不会被同为人工智能的查重软件识别出来。这便引起了一些教育工作者的警惕，他们担心学生可以通过这项新技术来逃避写作业。可以预见的是，为了尽可能避免AI无法识别AI的情况，人工智能检测技术也会得到进一步的发展，例如GPTZero。

而在视觉艺术领域，像DALL-E 2这样的人工智能可以根据用户提供的文本生成图像。这引发了围绕“人工智能的著作权归属问题”的大量讨论，但同时也提出了未来基于AI的艺术创作的新路径。在这个新的创作模式中，艺术家将创作重心转移到概念、创意和想法中，让AI成为落实它们的工具。

对于这样参数化的创作模式的评价一直褒贬不一。但事实上，这种情况已经持续了一段时间。不仅仅是在艺术领域，我们在任何工作中都在选择各式各样的参数。画家会选择画布的尺寸和形状，作家会选择主题和角度，作曲家会选择速度、调性、配器等等。使用人工智能作为创作工具时不会离用户最初设置的预期参数离得太远——至少现在不会。而艺术家在创作过程中的某一个偶然事件（甚至“错误”事件）会成为最后的作品中的点睛之笔。因此，基于不同“人类”对参数事件的观察以及决策，最后走向了截然不同的方向，这是创造性工作中特别常见的事情。

但“使用人工智能”创作并不意味着人仅仅输入了最初的那个提示。修改、优化提示和编辑AI输出的结果仍然术语艺术家的工作，或者至少艺术家应该去做这些步骤的把关。但艺术创作不该有这些条条框框去限制我们的想象力，就像我们可以从“设置”到“生成”全部交给AI去做，就是一种AI美学的纯粹体现。但或许正是体现了“人的不完美”或者留有“人才会犯的错误”的作品，才是一个有人味的作品。

不管你是否接受这个事实，音乐制作确实会在未来的几年中（甚至几个月）经历巨大的变化。的确，AI音频处理工具和音乐生成软件已经出现了好长一段时间，但随着近期这项技术的异军突起，基于AI的工具和软件的质量也得到了持续的显著提升。所以首先，让我们一起熟悉一下人工智能技术中我们会常用的专业术语。

专业术语

人工智能（AI） - 这个术语是由计算机科学家约翰·麦卡锡于1955年创造的，其指代的是“制造智能机器的科学和工程”。
机器学习（ML） - 指代的是计算机模仿人类学习过程的能力。
深度学习 – 指代的是使用人工神经网络（ANN）来模拟生物学习过程的机器学习（ML）。
监督学习 - 是一种过程中需要人类参与监控和调整的机器学习（ML）。
无监督学习 - 是一种过程中不需要人类参与监控和调整的机器学习（ML）。
控制论 – 一门基于反馈、控制和通信等原理的人机交互科学。它时常与人工智能被混为一谈，但它们仍然有着一些重要的区别。“人工智能是一句现实主义的观点，即机器可以像有着人类一样的工作和行为，而控制论则是基于构建主义的世界观”(原文链接)。
注：“构建主义理论认为学习者不仅仅是被动的在接受信息，而是也在参与构建知识。当人们体验世界并对经验进行反思时，它们会形成自己的判断，并将其中的新信息纳入现有的认知（模式）中。”(原文链接)
算法 - 一组根据用户输入内容产生输出内容的指令或数学公式。聊天机器人 – 通过基于语言模型实现与用户“对话”的人工智能。
图像识别 – 通过机器学习让计算机实现图片当中特定模式的识别。
自然语言处理（NLP） - 一种允许计算机对人类生成的书面或口头表述进行理解和做出反应的技术。
生成对抗网络（GAN） - 是无监督学习的一种，透过两个神经网络互相博弈的方式进行学习。计算机通过这项技术可以生成非常逼真的图像。

混音和效果

或许一些音频处理中最有意思的和最实用的AI实例都可以在混音和各种效果插件中找到。

iZotope的Ozone系列和Neutron系列

在 Ozone 10 和 Ne utron 4 中我们可以找到“AI助手”的选项，它可以分析当前正在处理的音频，并且可以根据乐种设置“AI认为最适合”的效果链。那问题来了，它是否真的能做到完美无缺的？答案是“不”，倒是它肯定会加快你的某些工作流程，比如把那些你可能会用到的插件按照顺序提前打开；又或者是可以给你一些混音过程中从来没有考虑过的全新方向。所以说，很多人对这类工具都有一种误解就是认为人工智能会和工程师一样经验丰富，甚至更加“正确”。这种对待AI的视角固然是不会有好结果的，但如果把AI视作你的合作伙伴的话，或许会有更好的成效。

Sonible 插件

Sonible提供了一系列“智能“插件，例如Smart EQ，Smart Limit，Smart Reverb等等。其中Smart EQ利用AI去除那些听感不愉悦的共振和不需要的频率，最后留下一个干净利索的、预处理过的声音。因此，这非常适合作为处理音频时的初始步骤，为接下来创造性的工作做好铺垫。

Accentize的Chameleon

Chameleon是一个“利用人工神经网络为任何采样进行检测和建模来准确还原采样的空间混响的智能音频插件”。这是一款非常实用的后期工具，可以在录作补充对话录音（ADR）和拟音（Foley）时，准确地还原空间特征。

iZotope的RX10

RX系列长期以来都被奉为后期制作神器，最新的RX10更是一如既往的保持了它们的卓越口碑。在RX10中，有一个被称为“修复助手”的功能，它可以根据输入类型（人声、音乐、打击乐或者音效）生成一系列的去噪音选项。尽管它的输出大多数时候并没有那么完美，但是确实可以做到快速识别问题和成为潜在解决方案，然后根据用户需求进行调整和改进。

在线母带服务

Landr

LANDR是一个提供在线母带服务的网站。相比于传统的母带工程师，它们承诺以更低的价格、更快的速度完成母带的制作。这打破了传统“母带制作”这一领域的固定模式。

eMastered

eMastered是另一个提供同样服务的网站。据称他们的人工智能是由格莱美的奖工程师开发训练的。虽然我不太相信那些预算相对充足的艺术家会在AI和顶级母带工程师中选择AI，但对于那些预算有限的艺术家来说，AI母带觉得是在考虑范畴之内的事情。但这款产品现阶段的局限性在于它是基于特定乐种进行母带的制作，并不一定适合所有类型的音乐。

解混(Demix)和重混(Remix)处理

Hit’n’Mix的RipX

RipX包含了三个基于人工智能的模块，用于分离、替换混音成品中的分轨。整个大礼包有：

DeepRemix – 将已经MP3、WAV等格式的混音成品拆分成人声、吉他、钢琴、鼓、贝斯等其他乐器。
DeepCreate – 在RipX上增加了顶尖MID/MPE、音频的录制，允许用户以更加创新的方式对分轨文件、声音、采样进行创作。
DeepAudio – 该模块让先进的分轨处理和声音调整工具融入用户的工作流程中。用户不仅可以因此最高质量地提取到音频，同时实现对声音高精度的创造和控制。

MIT制作的The Sound of Pixels

这是麻省理工学院正在进行的一项非常有趣的研究，它是一款基于神经网络，实现识别和分离视频中的特定演奏家发出的声音而提出的解决方案。

音乐和采样的生成

人工智能最具争议的领域之一，毋庸置疑是内容创作。许多传统作曲家对此冷嘲热讽和甚至不予认可。这也许是对AI内容创作者创造出低于审美标准或过于平庸的作品的一种正常反应。但也有可能是面对“被AI取代”的潜在恐惧。但不用害怕，AI的内容创作形式多种多样，只要使用方式恰当，都可以让AI成为非常有用的工具。说回平庸，快速浏览Youtube上的教学视频，你会发现即使是人类，也有着数不尽的糟糕创作，那为什么不可以让人工智能也来试试呢～

Output的Arcade

许多人用Arcade只是把它当做一个现成的、无限扩展的采样合成器，你可以快速的在两个八度内进行切片以及各种效果。但同时你也可以通过使用官方提供的Kit Generator来生成自己的采样包。Arcade提供了四种不同的采样切片方式，通过分析声音，它可以生成一个独一无二的、完整的采样包以及声音效果。即便Output并没有提到说整个软件是否运用到人工智能，但这个“一键采样”的过程对于小编来说真的很聪明。

Audialab的Emergent Drums

Emergent Drums运用AI来创建鼓采样，以保证生成每一个鼓采样都是独特的、且完全免费使用的。用户可以随意地改变参数来改变声音，从现有采样的微调到完全随机的再生成。同时，该软件的GUI是我们熟悉的鼓机布局，并附有音调、声相、以及振幅的包络控制。用户可以因此快速上手，开启创作之旅。

Mixed in Key的Pilot系列插件

Mixed In Key公司研发了Pilot Melody、Pilot Bass和Pilot Arpeggio这几款插件。他们会基于和弦进行内容的创作，而和弦则是在插件的GUI中去编辑调整。或者把它们链接到名为Captain Chords的插件上去快速生成和弦。这一套组合拳就基本覆盖了Techno、Future Rave以及House。而用户体验方面，这套设备的上手难度几乎为0，因为所有的参数都可以实时的进行调整并且重新生成，例如密度、切分音、和音符长度等等；甚至用户可以通过拖拽的方式，直接导出想要的MIDI片段或者音频。

Plugin Boutique的Scaler2

Scaler这款插件旨在帮助用户“确定当前的音调和音阶，并根据音乐匹配和弦”。有了它，在作品中添加一个完美的旋律或一段精湛的演奏表达似乎变得尤为轻松，甚至如何做到调性间的转换再也不是一件令人头秃的事情了。它绝对是作曲家的“百宝箱”，涵盖了和弦、乐句、音序、Bassline、旋律、律动、调制路径以及替换和弦…可谓集大成者。

Hexachords的ORB制作人套装

这款软件则是通过AI强大的计算能力获得了无数的音序乐句、旋律和Bassline。在2018年内测阶段，当时它被称为“Orb Composer”，相比于那时，现在这款软件添加了更多的功能，例如复合节奏、Block chaining（不是区块链，是让你写的的不同的音乐片段组成一段更长的音乐），等等…

Shutterstock的Amper Score

与前面提到的本地软件不同，Amper提供AI在线制作音乐的服务。只需要选择想要的乐种和时长，按下按钮，调整一下，最后再点击下载，你就能快速获得完全免费合规的音乐。这对于那些视频创作者和播客主被告知需要获取音乐的商业租赁来说，这无疑解决了他们非常大的一个需求。这种网站的出现，势必会减少传统对音乐的创作需求，就像有人预测的“功能音乐会在AI的出现后变得更加功能化”。音乐制作人则也需要在这个新的环境里找到与AI更好的相处模式，以及在作品中注入“人性”。

以下是一段Amper Score的演示视频：

Aiva

这里有一段由Aiva编曲的作品，这是另外一款AI作曲平台。

艺术家Benoît Carré 表示，下一阶段由AI生成的音乐将涉及探索深度学习技术，而在个人层面，他希望围绕他参与研发的AI进行一场现场表演。“我希望向人们展示，一个艺术项目背后总会一名艺术家。通常人们对于人工智能的一个误解是艺术家只是在背后按按钮而已，人工智能的出现，就可以代替艺术家了。但事实并非如此，艺术家仍然是一个可以继续推动极限的角色，因为就目前而言，人工智能只能做到以前发生过的事情。”(source)

对于小编来说，这句话的关键是最后提到的“当下”，因为当奇点到来时，没有人会真正理解那到底意味着什么。而艺术家，本来就是未知世界里的开荒者。

当Mubert、Ecrett Music以及Songen等应用程序的出现时，创作者可以在短短几个步骤哪就生成免费合规的音乐。有了这样人工智能引擎的辅助，用户就可以根据自己的需求和喜好来定制、完成歌曲的构思（原文链接）。而例如Benoît Carré，Grimes,Kiesza，Ash Koosha，Taryn Southern和Holly Herndon等，这些艺术家都已经将人工智能作为探索未知世界的同路人（原文链接）。

MusicLM：基于文本生成音乐

MusicLM是一种新的AI模型，它能够通过用户的文本提示生成24为比特深度的音乐。通过产品开发者，我们了解到，

“MusicLM将条件音乐生成的任务转换为分层的音序建模任务，它以24kHz的频率生成音乐，并在几分钟内保持一致。根据我们的实验结果表明，MusicLM在音频质量和对文本描述的依从性方面都优于以往的系统。此外，我们还演示了MusicLM可以同时以文本和旋律为条件，因为它可以根据文本提示中描述的风格转换口哨和哼唱的旋律。为了支持未来的研究，我们公开发布了MusicCaps，这是一个由5.5k个音频文本对照组组成的数据集，其中丰富的文本描述是由人类专家提供。”(原文链接)

该模型似乎能够处理带有过渡的复杂结构，例如下面的文本提示:

爵士 (0:00-0:15)
流行 (0:15-0:30)
摇滚 (0:30-0:45)
死亡金属 (0:45-1:00)
说唱 (1:00-1:15)
小提琴四重奏 (1:15-1:30)
恢弘的、带有鼓的电影原声 (1:30-1:45)
由苏格兰传统乐器演奏的苏格兰民谣(1:45-2:00)

*点击这里可以查看这根据上述文本生成的音乐的实例：原文链接

以下则是展示了MusicLM一些具体能够接收的输入类别:

通过复杂的说明文字(基于句子的描述)生成音频，例如: “工业电子音乐，有着重复催眠的节奏。弦乐演奏着重复的旋律，营造出一种诡异、令人不安的氛围。音乐有催眠和恍惚的感觉，很容易迷失在节奏中。弦乐的高音穿透了黑暗，增加了一层紧张和悬念。”
长片段生成(基于类型)
故事模式
基于文本和旋律
基于图像描述
基于乐器的描述
基于乐种的描述

制作人如何实操应用

对于那些想要将人工智能融合进工作流程的人来说，在未来的几个月和几年里，可能性将迅速扩大。如上所述，这些措施包括:

对于那些希望将人工智能融入工作流程的人来说，实现这个目标的可能性会在近几个月或者几年中迅速扩大。正如上文所述，这些环节可能是：

由AI协助的混音、母带插件以及在线服务
Demix和Remix等创意性的工作
由AI协助的音乐、采样生成
由AI协助的和声、旋律生成
由AI协助的后期插件
由AI协助的、基于文本提示的音乐制作软件
由AI协助的歌词生成

结语

我们所知道的世界正处于前所未有的变化的边缘——因为这不再是“如果”，而是“什么时候”计算机将实现自我意识的问题。这一重大事件的前提下推动了当下各种叙事的出现，从人类反乌托邦式的衰败，到人与机器融合的积极乐观。

从人类的角度来看，认为自我意识仅仅是“健康”个体的品质是一种错误的假设。精神病患者和反社会者不是也都有自我意识吗?一台精神变态的电脑能创造或破坏什么呢?

计算机是否有能力在创作过程中根据意想不到的或预料之中的结果而改变方向?这涉及到直觉、巧合以及将“错误”识别为有趣或令人兴奋的事情的能力，而不是简单的“错误”。

我请ChatGPT评论一下“ChatGPT”它自己到底是不是一件好事。它的反应表明它明显缺乏自我意识——至少目前是这样。

著名的计算机科学家和未来学家雷·库兹韦尔观察到，技术正以指数级的速度发展。对一名艺术家来说，至少要意识到即将到来的变化，最好是准备好接受新的工具，并愿意在创作实践中不断探索新的方向，而不仅仅是墨守成规，固步自封。

来自艺术家的一些看法…

为了获得一些关于这个主题的人类(和机器)反馈，我向一些艺术家、同事和ChatGPT提出了以下问题:

你如何看待人工智能在艺术领域的应用，尤其是在你的作品中?

以下是他们未经编辑的回答:

来自Alysse Stepanian：

由人工智能协助的创意工作再一次给我们带来眼花缭乱和无限的可能性时，可能也会让已经不知所措和麻木的人们筋疲力尽。对我来说，重要的是需要一种哲学层面的方法去使用创造性的工具，以便用来寻找艺术创作过程中提出的问题的答案。弗里德里希·尼采认为艺术是我们为了生存而对自己说的谎言:“真理是丑陋的。我们拥有艺术，以免因真理灭亡。”这个简单的概念也许可以解释AI进行创意工作为什么会引发那么大的讨论——那是因为这个时代，任何人都可以创造;每个人都是艺术家。这种创意的货币化是蛋糕上的糖霜，或者是蛋糕本身?在20世纪之交，科技领域发生了翻天覆地的变化，现代主义艺术家开始反抗艺术的商品化。最终，他们的反叛被纳入了商业领域。杜尚(和他的达达主义同伴)用他的签名小便池和留着胡子的蒙娜丽莎嘲笑了“高级艺术”的概念，预见了几十年后的后现代主义时代。

我们现在已经从后现代的解构主义和对现代艺术理想主义的排斥，带着“什么都可以”的态度，进入了21世纪艺术家对艺术商业化的开放拥抱和热情贡献。芭芭拉·克鲁格的《我买故我在》中的讽刺现在是passé（不如过去的）。关于NFT, Brian Eno曾说过一句著名的话:“多么甜蜜啊——现在艺术家也可以变成小资本家混蛋了。”而ChatGPT根据我给出的提示，“写两句话谈谈由人工智能协助的艺术和NFT背景下新艺术运动的历史阻力”，给出了以下的回复：

“从历史上看，新的艺术运动面临着来自传统艺术界的阻力，随着人工智能辅助艺术和NFT的出现，这一趋势仍在继续。尽管存在阻力，但人工智能和NFT有可能挑战艺术界现有的权力结构，并为艺术家和收藏家开辟新的途径。”

80年代兴起的挪用艺术现在是由人工智能协助工作的普遍做法。我是否觉得欣赏高尔基(Arshile Gorky)和罗斯科(Mark Rothko)的作品，比观看“借用”了他们特有的创作语言的作品更吸引人?这两者并不相互排斥。

在某些绝望的时刻，当我感觉未来已死的时候，唯一让我感兴趣的事情就是学习编程。莱因哈特曾说过:“艺术就是艺术，其他一切就是其他一切。”也许代码才是最重要的，其他的都只是其他的。

Alysse Stepanian跨媒体艺术家，独立策展人
http://alyssestepanian.com @alyssestepanian (Instagram)

来自 David Stout:

人工智能图像生成是另一种合成的方法。合成图像制作在音频合成发展的平行道路上有一个传奇的历史。在进入电子音乐和音效领域之前，我是一名画家和图像制作者。最终，我将这两个学科结合在一起，首先是通过视频合成，然后是数字生成技术，包括声音可视化。人工智能图像生成是一种新的合成形式。因为它以模拟的形式，去临摹各种各样的技术，手绘，木版印刷，摄影现实主义，好莱坞电影摄影，任何你能想到的。

在某种意义上，许多人对人工智能生成的作品近似由人类制作的事实感到震惊。其他人则笼统地声称，所有人工智能图像生成都是一种盗窃，因为神经网络不仅训练了过去的历史人物，还包括许多今天仍在工作的在世艺术家。显然，那些当代艺术家应该得到补偿，不管是因为选择不被纳入还是未被选择被纳入到训练集当中。我对所有这些持有更长远的观点，这需要对“艺术”最初来自何处进行审问。它不仅仅是手工艺技能，因为语言在概念过程中起着重要作用，借鉴其他艺术家和音乐家的灵感也是如此。AI图像合成的逼真程度远不止于摄影写实和新巴洛克肖像画。

作为一名“机器的耳语者”，我正在探索通过凝视集体意识的镜子来探索新事物的可能性。我在庆祝肉身的感受，无论是与透过镜头捕捉的图像、溅洒的颜料、刮擦的指画有关的。这些都是在我这一生的艺术创作中，从我身体里自然流露的，就像嘴里回唱起童年的歌曲一样。而人工智能本就没有任何记忆或身体体验可供借鉴。人类与人工智能的共同的经验形成相互的镜像，而图像则是从中以一种有意识但独一无二的方式重新被想象出来。

我想向人工智能图像合成的粉丝和反对者提出挑战，不要再在你们的提示中使用仍然在世的艺术家。去与历史人物、过去的创造灵魂合作，想象新的未来。将迅速发展的模拟艺术推向意料之外的领域，探索传统艺术媒介和艺术材料的各种可能性，花时间思考如何将概念转化到提示，去和原有社交圈意外的人进行艺术创作，保持对新生态、新关系的思想开放，去畅想新世界的存在和到来。培养你的同理心，尽可能让艺术保持多元——任何年龄、性别和种族都是动态的存在——用来庆祝“我们”—— 用来提升“我们”。用到温柔、感性和性感的思考方式去创作，这与色情迥然不同。将你的梦想视为自我探索的一种践行途径。不要害怕——我们（艺术家）“必须以同等规模创造，以其他人会毁灭的规模创造”。无论艺术家走到哪里，艺术都会发生。媒介或工具不是艺术——注入其中的人类意志才是奥妙所在，无论你用一个棍子、一坨大象粪便还是神经网络。

“必须以同等规模创造，以其他人会毁灭的规模创造”是卫星艺术先驱Sherry的一句名言的转述。

Rabinowitz. https://www.instagram.com/iotronik
https://davidstout.net

来自 Jeff Kaiser:

机器学习，就像许多新技术一样，似乎陷入了两个V的二元论：价值化（Valorization）和贬低化（Vilification）。（或者，也许是两个T：技术狂热（Technophilia）与技术恐惧（Technophobia）？）就个人而言，我经常使用它们，尤其是在混音和母带处理的过程中。我倾向于在各种音频软件和插件上运行“AI助手”以获取建议。我基本上不会完全采纳软件提出的所有建议，但它们经常为考虑动态平衡、EQ、混响等提供一个良好的起点。有时，软件还可以给出我未曾考虑但最终喜欢的建议，因此它可以是打破僵化实践和开启新可能性的工具。

我的担忧是机器学习会成为一种永续和同质化的工具，但这些惊喜给了我希望。而将人类保留在这个过程中可以帮助保持创新的存在。当我思考到机器学习时，我的脑海里立刻浮现出我另一个喜爱的事物：国际象棋。象棋大师们会利用软件在游戏开局阶段生成新的变化，提高他们在中盘和残局中的能力，并分析对手的风格。然后，他们会将这些知识应用到人类对弈的情境中。我认为这可以成为音乐家与AI共事的一个合作模型：软件并不会完全代替人类的工作，而是与我们一同在创造音乐这个非常有“人味”的领域中合作。

JeffKaiser.com/links/

来自 Christopher DeLaurenti:

将 “AI 创造音乐“这件事列入过去 100 年中各种节约劳动力、攫取利润、剥夺就业机会的技术之列，似乎简单地有些可疑的。比如广播电台、录音、Muzak（一种背景音乐）、以 16 转每分钟转速的唱片形式出售的制作音乐、自动售货机、扩音器和公共广播系统、唱片厂专门生产片段音乐的唱片、采样 CD-ROM 或数字下载、百老汇剧场使用 MIDI“乐团”以及在线免版税的音乐背景和音轨。人们对人工智能的狂热兴趣是对企业驱动力的追求的一种最新体现，企业想要降低最大的持续开销和主要的反对势力：人力。与上述的技术不同，由人工智能生成的音乐将完全没有人类的制作者。大部分所创造的将类似于人类已经创造的音乐：有些糟糕但“还行”，偶尔有些很棒。然而，音乐家和其他有想法人可以重新构思和引导即将到来的音乐行业的毁灭（或重组）。你能想象一个金钱和音乐不再依存的世界么？音乐家需要做出两个决定。第一个决定很容易：无所作为，或者在基本收入线挣扎。这意味着你可以继续创作而不必担心而重复而又毫无生机的工作。第二种选择则是关系到艺术家身份：我制作音乐是只为了名利和权利，还是因为我热爱创作和分享音乐？想象一下，人们喜欢听你的音乐，并不是因为钱或充当背景音乐时塑造的氛围，而是因为听到了另一个人用声音传达了什么。由AI创造的音乐可能标志着真正人类社区的开始，人们会发现“点赞”、各种商业化以及远程操控友谊的能力都是可憎的，从而更加重视与其他人面对面的存在、存在感和反馈。

Christopher DeLaurenti, 作曲家、演奏家
http://delaurenti.net/

来自 Josh Carney:

AI能够生成音乐，但它往往无法生成我们喜欢的音乐中的有人味的元素（人类缺陷），这就是为什么大多数AI生成的音乐对我来说听起来有些“奇怪”的原因。用来描述GCI角色和面部减龄特效的“恐怖谷”效应也适用于这个情况。对我来说，大多数AI生成的音乐都有点不真实，我无法完全描述它到底是什么，但它听起来就是不像人类演奏的音乐；因此，与由真正的人类作曲家创作的音乐相比，它永远不会像后者那样令人愉悦。就像AI将所有的音乐组合视为同等的，而人类作曲家会被某些音乐组合所感动一样。我不知道这是否是AI可以学习的东西；教人们如何去创造本就是一件难事。

我认为AI不会很快取代音乐家、作曲家或制作人，但我确实认为我们正处于媒体领域的AI革命的边缘。许多人认为AI会“贬低”行业，但我认为那些将AI视为这种光景的人正在想象AI可能做到的极端情况。在短期内，我认为它是一种工具，可能使我们的工作更轻松、工作流更高效。我已经使用ChatGPT来简化YouTube用到的剧本，使用Topaz AI来改善视频的外观，但人类的因素始终存在。如果你告诉1973年的音乐制作人，在50年后他们将能够在一个小型超级计算机上创作、编排、录制、混音、母带处理、分发和推广一首歌曲，并将其随身携带在公文包里，他们可能会认为你疯了。

谁知道AI未来会如何影响音乐制作，但我希望在未来，只需一些关键词，就能让AI合成器为我创造出完美的音乐。这样我就不用再去翻遍预设或是调节旋钮了。我相信未来的 AI会让创作变得更加简洁高效。但是，我们也需要思考如何在这个AI时代中维护版权、数字媒体所有权和劳动标准等问题。毕竟，人类也要跟得上这个时代的步伐嘛。

Joshua D. Carney，Carney Media Group LLC所有者
youtube.com/musictechhelpguy

来自ChatGPT

一个初始回应和两个重新生成的回应：

回应1：作为一个语言模型AI，我没有意见、感受或个人经验。我的回应是中立和公正的。关于在艺术中使用AI，它被广泛看作是一种可以增强人类创造力的工具。AI可以生成新的想法、模式和图像，这可以启发艺术家和音乐家，甚至有助于创造新的艺术形式。然而，需要注意的是，AI并不能替代人类的创造力和情感。由AI生成的艺术缺乏只有人类才能提供的情感和个人化的触感

回应2：作为OpenAI创建的AI语言模型，我没有个人意见或情感。我的目的是根据用户提供的输入帮助生成类似于人类的文本。然而，在最近几年中，AI在艺术中的使用一直是一个讨论和辩论的话题。有些人认为AI是可以增强和提升人类创造力的工具，而其他人则认为它是传统艺术表现形式的威胁。最终，AI在艺术中的影响将取决于它如何被使用和整合到创意过程中。

回应3：作为一个语言模型AI，我没有个人意见或情感。然而，我可以提供关于AI在艺术中使用的信息和见解。AI在艺术中的使用一直是艺术家、技术专家和评论家们感兴趣和辩论的话题。一些人认为AI是扩展创造可能性的工具，使艺术家能够创造出在没有技术的情况下无法实现的新形式的表达。其他人则担心AI可能会削弱创意过程，导致表达形式趋同和公式化。在我的情况下，作为一个语言模型AI，我已经被用于几个涉及艺术的项目，比如诗歌、小说、音乐和其他形式的创意写作。AI可以用于生成新内容、分析现有作品或协助艺术家进行创意过程。然而，需要注意的是，AI不会像人类艺术家那样创作，其结果可能没有同样的意义深度或情感冲击力。最终，AI在艺术中的角色将随着技术的进步和艺术家尝试新形式的表达而不断发展。