OpenAI 发布 MuseNet：一个深度神经网络，能生成 4 分钟、用到 10 种乐器的乐曲，风格从乡村到莫扎特再到披头士都能混合；它没有被显式编程进音乐知识，而是靠在上数十万个 MIDI 文件上学习预测下一个 token，自行发现了和声、节奏与风格中的模式
MuseNet
评分 51
导读
OpenAI 创建了 MuseNet——一个能生成 4 分钟乐曲、涉及 10 种乐器、并能把从乡村到莫扎特再到披头士的风格结合起来的深度神经网络。MuseNet 并未被显式地编入人类对音乐的理解，而是通过预测数十万个 MIDI 文件里的下一个 token，自行发现了和声、节奏与风格中的规律。它使用与 GPT-2 相同的通用无监督技术：一个大尺度 Transformer 模型，被训练去预测一个序列（无论是音频还是文本）里的下一个 token。
推荐理由
GPT 式无监督技术跨到音频模态的早期展示，说明这条通用路线的可迁移性。
主体与标签
OpenAI#模型发布#音频/音乐
正文
We’ve created MuseNet, a deep neural network that can generate 4-minute musical compositions with 10 different instruments, and can combine styles from country to Mozart to the Beatles. MuseNet was not explicitly programmed with our understanding of music, but instead discovered patterns of harmony, rhythm, and style by learning to predict the next token in hundreds of thousands of MIDI files. MuseNet uses the same general-purpose unsupervised technology as GPT-2, a large-scale transformer model trained to predict the next token in a sequence, whether audio or text.