OpenAI被曝研发AI音乐生成工具，用文本音频即可创作

    近日，据TheInformation报道，OpenAI正在开发一款新的音乐生成工具，能够根据文本和音频提示自动创作音乐。

    用户未来或可用其为视频添加配乐，或为已有的声乐曲目添加吉他伴奏等器乐伴奏。

    这标志着OpenAI在ChatGPT之后，正将其AI能力扩展到文本、图像和视频之外的音乐创作领域。目前尚不清楚该工具将作为独立产品发布，还是整合进ChatGPT或视频生成模型Sora中。

    获取高质量训练数据

    为提升模型对音乐的理解与生成质量，OpenAI正在与音乐教育领域顶尖机构合作。

    OpenAI已经与茱莉亚学院的学生展开合作，这些学生正在为音乐乐谱进行标注，以作为AI模型的训练数据。

    茱莉亚学院是全球最著名的表演艺术教育机构之一，其学生的专业知识和艺术素养将为OpenAI的模型提供高质量的学习素材。

    这一合作模式反映了OpenAI将人类艺术与机器学习相结合的更广泛目标。

    该公司强调，此类创新旨在增强人类创造力，而非取代它。

    多种创意应用场景

    根据报道，OpenAI内部已经讨论了这款音乐模型的具体应用场景。

    该工具将支持文本和音频双提示输入，用户可通过输入一段描述，要求AI为现有的声乐曲目添加吉他伴奏。

    这一功能可帮助用户为短视频添加配乐，使视频完全由AI生成。

    内容创作者可以先用Sora生成一段视频，然后通过音乐AI即时配上背景音乐，大幅降低内容创作的门槛。

    广告公司也可使用OpenAI的音乐模型来为广告创作歌词和旋律，开拓商业应用场景。

    从MuseNet到Jukebox

    OpenAI对音乐生成领域的探索并非首次。

    2019年，OpenAI便推出了音乐生成模型MuseNet。它可以结合最多10种不同乐器的音色，生成古典、摇滚、乡村等多种不同风格、长达4分钟的乐曲，但不能进行歌唱。

    随后，OpenAI又在2020年发布了会“唱歌”的Jukebox模型。

    由于技术和计算成本的限制，它们生成的音乐与人类创作的仍有较大差距，且均未被整合进ChatGPT和Sora中。

    在ChatGPT发布前，OpenAI曾探索过生成音乐模型，但近年来公司主要专注于文本转语音和语音转文本技术。

    全球科技公司逐鹿AI音乐

    随着算力和模型架构进步，音乐生成技术正迎来实用化可能，成为继文本与视频之后的新一轮AI技术竞赛焦点。

    谷歌今年5月推出了第二代音乐制作模型Lyria。谷歌特别强调，Lyria可为广告制作配乐，这与OpenAI音乐模型的潜在商业化方向高度重合。

    初创公司Suno和Udio的AI音乐生成产品已成功实现商业化。Suno作为成立仅三年的企业，其年经常性收入已达1.5亿美元，比一年前增长近四倍。

    中国AI音乐模型也在迅速崛起，字节跳动的Seed-Music、阿里巴巴的InspireMusic、昆仑万维的MurekaO1、腾讯的SongGeneration以及MiniMax的Music1.5等模型纷纷亮相。

    目前，OpenAI已拥有超过8亿活跃用户，音乐模型将帮助其构建更完整的AI生态系统，进一步提升用户黏性。

    从OpenAI的技术迭代到全球厂商的争相投入，AI音乐正从实验走向应用，预计将掀起新一輪技术与商业的深度竞逐。