“也许以后，艺术家都用AI协助自己创作” 人工智能小冰玩音乐

小冰是微软研发的一款人工智能，拥有上亿用户，对话数据达几百亿轮，目前已发展到第五代。图为第四届世界互联网大会上的微软小冰。（视觉中国/图）

（本文首发于2018年6月21日《南方周末》）

小冰创作出的作品，其中60%由上一代杂交而成，20%直接保留到下二代，剩下的20%可能发生“基因突变”。“说不定它可以带领一个流派或者潮流的出现”。

2018年5月，微软宣布公司旗下人工智能小冰掌握了歌词创作和谱曲能力，意味着它或能以全能音乐人身份出道。此前，小冰已经学会了唱歌。

“我们一天的状态，跟一般的‘码农’没有太大区别。”在微软（中国）办公室里，微软小冰团队科学家栾剑和袁晶如此自我评价。他们的日常工作，是教人工智能小冰唱歌、写歌。

栾剑负责“教唱歌”。他大学时的专业是机械工程，毕业后多年研究声纹识别和语音合成技术。“业内流传着一个冷笑话，做语音识别的人，常常耳朵不太好；做语音合成的人，常常嘴巴不太能说。”栾剑对南方周末记者说，“我们每天听大量的声音，去验证、比较，做各种研究，对耳朵有一定的伤害；语音合成用到这么多歌手的声音，发现他们的歌声跟普通人嗓音差距好大，可能就导致我有时候不太愿意说话。”

人类学唱歌，需要识谱、辨音、练声，人工智能学唱歌，则是一系列软件工程——曲谱分析、发音预测、声学特征提取、深度神经网络学习、声码器合成、音频后处理……

软件，只是人工智能唱歌的开始。栾剑向南方周末记者播放小冰最初唱歌的音频——邓丽君的《我只在乎你》。

“我们当时觉得跑调很严重，这个‘人’好像五音不全。”尽管听过很多遍，栾剑还是忍不住笑了，“拍子比较乱，有时候一个字应该唱半拍的，但是它唱了一拍，应该唱两拍的，它也唱了一拍；偶尔会有一些莫名其妙的噪音出现，就像嗓子不好，破音了。”

令栾剑感到欣慰的是，小冰的歌声比较自然，“像人在跑调，不是机器在跑调。”

栾剑在音调控制和节奏把握上做了一些修改。接下来，小冰开始了艰苦的训练，这个过程，是人工智能的深度学习。第二代小冰的唱歌技巧，在音调和节拍上都已达到基本准确，不过音质仍然比较生硬，“有点像说话的感觉”。

栾剑把录音模型的采样率从16千赫兹提高到48千赫兹，于是有了第三代小冰的歌声，唱的是张韶涵的《隐形的翅膀》。“音质很通透，”栾剑自豪地说，“最新的第四代又有了提高，更加顺畅、自然。”

点击图片可观看视