AI技术在音乐类产品中的应用场景!

自动标注、平滑过渡、音乐鉴权、AI创作，当AI技术应用于音乐行业为人类的精神文化与娱乐生活带来便利和更多选择时，也是一件让人激动不已的事情。

随着深度学习算法的出现、大数据和5G技术的成熟，AI人工智能已逐渐融入我们的生产生活中，在教育、医疗、政务办公、城市管理等多个方面发挥作用。

随着AI技术在音乐行业研究及应用的深入，音乐人工智能已经不新鲜，很多新的应用和产品已经惊艳亮相。

基于对于音乐技术及产品的了解，简单梳理一下目前AI技术在音乐类产品的各类应用场景。

一、自动标注

当平台曲库量达到⼀定量级时，如果再依赖传统的⼈为打标签模式就会花费⼤量成本且受到主观影响较⼤。⾳频⾃动标注相关技术就受到⼴泛关注，⾃动标注的作⽤不仅仅只是能替代⼈⼯标注以达到节省成本，同时可以客观评价⾳乐内容，因此还可以拓展到流媒体播放的⾳乐推荐⽅⾯。

例如：Spodify、KKBOX都有利⽤深度学习做推荐，其中KKBOX采⽤⾳频⽂件、歌词以及⽤户相关标注和评论等数据作为输⼊从曲⻛、场景及情绪等多个维度来判断⾳乐是否满⾜推荐的条件。⼀般的⾃动标注功能也和KKBOX的推荐维度类似，从曲⻛、应⽤场景、器乐和情绪等维度来进⾏标注。

（示例：笔者所在公司旗下平台曲多多，关于音乐标注的标签）

对于⾃动标注，笔者也在⽹上听到过一些不太专业的吐槽，比如之前有看到说音频自动标注可能会出现将一首歌曲的情绪同时标注为“欢乐”和“悲伤”两种情绪。

在解释这⼀原因之前，可以简单普及⼀下机器学习中分类器、单标签多分类任务和多标签多分类任务。

简单来说，分类器就是利⽤已知的输⼊和输出数据来训练，然后该分类器就会对未知的输⼊数据进⾏分类或输出⼀个值。对于⼀个分类器模型，它预测的结果是2个或⼤于2个以上的（结果只有1个代表结果确定就不需要分类模型了）。如果可能的结果数为2称之为⼆分类任务⼤于2就是