熟悉美国音乐组合Talking Heads核心人物David Byrne的人都知道，他不仅是音乐家，也是作家。在其著作《音乐是如何运作的》中，Byrne探讨了音乐的进化及技术交汇点，并指出声音信息的数字化很大程度上由一家电信公司完成。
作为Bell Telephone Company一部分的贝尔实验室（Bell Laboratories），曾接到指令寻找更高效、更可靠的语音传输方式。
...
1962年，贝尔实验室发现了如何对声音进行数字化——即本质上是对声波进行采样，并将其分解为可以用二进制数字表示的小片段。
由此可见，声音数字化源于其他需求，这体现了技术的迷人之处：在寻找某物时意外发现另一物。从黑胶、磁带到CD和MP3，标志着数字音乐世界的诞生。Spotify及后续平台的普及与替代，便是最显著的例证。
随着数字化进程，我们进入了音乐新阶段。而一个截然不同的时代正等待着我们，其核心技术是曾经仅存在于科幻中的“人工智能”。
如何用人工智能创作音乐？
探讨AI音乐创作无需过于技术化。AI生成视觉内容与音乐的逻辑相同：机器学习模型以数值向量形式使用输入数据。因此，用AI创作音乐需先将音乐转换为数字形式，即将旋律视为一系列数字标记。每个向量除其他特征外，还包含音符、节奏和音色信息。
训练模型可使用MIDI等结构化文件，提供音符、节奏变化和BPM等有序信息。处理原始音频时，算法通常在每个时间步长使用音频的原始表示。输入序列使模型在与自然语言处理（NLP）类似的框架下训练，任务是预测序列中下一个标记。
需强调的是，AI音乐生成平台并非采用完全相同的系统。部分平台使用专为注意力层设计的“Transformer”架构；另一些则利用神经网络配置改变MIDI文件的音高范围。关键在于声音的数字化与训练。对于非开发者而言，如今许多平台仅需几个提示词（prompt），即可生成所需或接近需求的声音。
人工智能音乐创作平台
该领域常用平台包括：
- Amper Music：最简单的AI音乐生成工具之一，通过预录样本构建音乐片段，无需深厚乐理知识。
- AIVA：允许用户为广告、游戏、电影等创作配乐，选择预设风格即可生成多种类型作品。
- Ecrett Music：基于数百小时现有歌曲训练，界面直观，适合业余爱好者及专业人士。
- Soundraw：结合AI与手动工具集，允许用户使用AI生成的乐句对歌曲进行个性化定制。
- Boomy：能在几秒内生成原创歌曲，因独特性而具备收益潜力。
- MuseNet（OpenAI）：可使用多达十种乐器创作乐曲，支持十五种不同风格。
- Amadeus Code：包含世界著名歌曲的和弦进行，帮助用户构建新的音乐结构。
尽管上述平台备受青睐，但此类工具数量惊人且不断增加。用户在平台上的操作十分简单：注册账号后选择音乐类型、用途及情绪模式（如悲伤、快乐等）。系统会从已训练的声音库中挑选并组合最合适的内容。若对乐器不满意，可添加或删除乐器、调整速度并进行尝试，直至满意为止。
虽然不确定AI生成的音乐是否能像真人创作般令人愉悦，但其优势在于可即时修改，实现“瞬间”生成与“个性化定制”。
根据阿多诺的观点，艺术依赖于个体的主观创造性
核心问题在于：“人工智能能否取代音乐家？”个人认为不会。Önder Kulak在博士论文中指出：“Adorno认为，乐器与演奏者的关系对作品价值至关重要。若乐器主导演奏者，作品便无艺术价值，也不应期望其超越庸俗状态。主要原因在于，艺术依赖于‘个体的主观创造性’。”
此观点准确表达了AI音乐的局限：若乐器主导人类，艺术价值便会消失。因此，AI生成的音乐更多扮演消费品角色（如社交媒体背景音乐、广告配乐），而非触动心灵之作。这类作品影响力短暂，难以引发强烈共鸣。然而，“流行文化”正在介入，近年来流行的无歌词音乐类型更适合计算机生成。
最后需强调：只要AI处于辅助而非对立地位，便能带来益处。音乐家和艺术家若能利用技术而非拒绝它，将获得便利。未来，得益于人脑与AI的结合，我们或许会听到前所未有的歌曲格式。