AI 制作音乐的水平和人类相比到底怎么样？——编曲能力与风格表现
本文是AI音乐系列第二篇，以Suno 5.0为例，对比AI与人类编曲的能力差异。文章讲解AI对各类音乐风格的把控能力、亮眼的爵士即兴Solo表现，区分风格融合和原创风格创新，介绍WEIRDNESS奇怪度参数的原理，剖析AI编曲的长处与创作上的固有边界。
- 讲完了 AI 在旋律创作方面的情况，再来说说音乐 AI 在编曲方面的能力，同样还是以 Suno 为例。
首先对于音乐风格的掌握层面，AI 肯定是要胜出人类的。在听觉上感受到的不同的音乐风格，实际上都可以用音乐本体的各种特征去进行拆分和描述。比如不同的音乐风格定位，它本来是基于不同的文化背景和音乐使用场景来形成的，但是可以通过音乐的本体结构，比如节奏型的设计、调式的运用、和声的配置等这一系列的方面去描述不同的风格。
这些都是可以量化成具体的参数让 AI 去掌握的，所以只要 AI 的大模型在训练的时候，它的语料库和数据集里面含有这些相应的音乐风格，它做过足量的训练，就可以很好的掌握相应的这些风格的特征，从而根据提示词去制作出相应风格的音乐，而且风格的把控往往也比较精准。
- 但是作为人类的音乐工作者来说，虽然存在专业领域的编曲老师能够一个人制作不同风格的这种情况，但是在业内往往每个老师都有自己最擅长的一两种风格。因为要全面细致的掌握一种音乐风格的精髓，学习时长往往是比较久的。
如果要把这种能力量化一下去比较，来打个分。
- 人类的专业编曲人在他自己擅长的一两种风格当中，可以制作出 90 分甚至 95 分以上的作品。但是对于他不擅长的风格，可能大概就是 60 分、70 分的水平。对于他不熟悉的风格，可能就完全做不了，可能连 60、70 分也没有。
- 对于 AI 来说，可能很难制作出 90 分以上的编曲作品。但是在众多的不同的风格当中，可以快速的不断的产出 70、80 分的这样的一些制作。也就是在某一种特定的风格上，它的能力上限没有人强。
它的特点就是风格全面、速度快、量还大。但是无论哪一种风格，AI 在制作的本质上还是要先跟人类的优秀作品进行学习，学习完了之后才能够知道怎么去编。这就导致了同一款音乐 AI 的大模型在编不同的风格的时候，自身的能力也存在差异。
比如在某一种风格上训练的时间比较长，训练的数据集和语料库量大，或者数据集和语料库里面用到的都是非常高级的人类的顶级音乐家的作品，这样就会导致这款大模型在这种音乐制作的风格上就特别突出。
对于 Suno 来说，在爵士乐以及一些偏现代的音乐风格上编曲能力就非常的强。我尝试用 Suno 制作了很多不同类型的爵士乐，整体的表现都非常的好。而且可能想不到的是这款音乐 AI 居然会 SOLO，就是会即兴演奏，而它的水平真的可以堪称是大师级。甚至可以根据整个作品情绪的流动和和声的走向去设计富有变化的并且是非常丝滑的即兴的乐句。
其实这一点从侧面上也反映出，爵士虽然是作为一种非常复杂并且是产生年代比较新的这样的一种音乐形式，无论是调式转换和弦的配置，还有节奏的变化，做到多么复杂，依然是可以用数学的语言去做精准的定位和描述。
说完了不同的音乐风格定位，再来说说在不同风格的融合与创新的层面，AI 和人类的差别。
- 首先说风格的融合，这一点上 AI 又胜出了。因为如果要让人类来做这件事，一是速度会很慢。另外一个很大的问题，肯定会考虑不同的音乐风格之间文化背景会不会存在冲突的这种情况。
要在做风格融合的时候，肯定要把不同的音乐风格之间的特征做提炼和筛选。因为一方面要考虑音乐在结构的层面逻辑通不通畅。 还有一点就是在制作者本人的内心当中，不同音乐风格之间的文化表达在感受层面会不会产生冲突。在制作者的感受层面一旦觉得两种风格存在一些冲突，内心就先尬住了，这个时候效率就会变得特别的慢，可能很难往下推进这件事。
- 但是如果让 AI 来做这件事，它才不会考虑感受层面的问题，会直接从逻辑的角度去把音乐的风格用数学的语言直接给你融合出来。这样可能会有两种结果，一种就是非常尬，听起来很奇怪。但是在实践的过程当中觉得这种情况出现的真的还比较少，大部分的情况反而是一些非常有借鉴意义的尝试。
说完了风格融合，再来说说风格的创新。在这方面 AI 就完全不具备任何的能力了。因为对于人类而言，如果要创作具有一定影响力，并且能够在社会层面形成传播的这样的一种全新的音乐形式和音乐风格，必然是需要一个音乐创作者把自身的音乐创作能力和一个地区的文化属性结合起来才能够达成。
相对于目前基于大语言模型训练出的 AI 相比，人类的最大优势就是去学习和创造全新的事物。AI 的表现是仅能够存在于它训练的范围内，让它在训练的范围之外去做创新和尝试，它完全不具备这样的能力。
基于这样的情况，人类的科学家和工程师们在很多的 AI 操作界面都做了这样的设置。为了弥补 AI 在创新层面的劣势，看到 SUMO 在操作界面上有这样的一个参数设置，叫做 WEIRDNESS，直译过来就是奇怪的、不可思议的。
这个参数设置有什么意义？知道大语言模型在内容生成的底层逻辑上是概率的连接，因此 AI 的音乐制作容易出现它在训练时期语料库和数据集里面出现概率最高的旋律与和声走向。为了避免它生成的内容过于套路化和范式化，算法工程师们就在这里设置了这样的一个参数调整。默认一般是调整到 50%，把这个参数调小，产生的内容就会趋于保守。
如果想做一些相对更新鲜的尝试，可以试着把这个参数调高一些。当然最终产生的结果是否可用也是一个概率问题，可能需要多试几次才会得到一些对你有价值的内容。
在某种程度上说，这个 WEIRDNESS 参数设置就有点像是遗传学当中的基因突变。在碳基生物每一代之间的基因传递过程当中，总会发生一些微小的突变。通过自然选择把不适应环境的突变筛选掉，并且把更适应环境的突变留存住并且传递下去。这样不同的物种就一代一代的形成了自己的生存优势。
很多不同的 AI 操作界面都有类似于这样的功能，可以把这个功能看作是 AI 产品的突变指数。这个突变的参数由你来控制，并且最终你来充当自然选择的角色，对产出的结果是否可用、是否有价值来进行筛选。
这里做一个小的总结，在风格的融合层面 AI 胜出，在创新层面人类完胜。所以各个领域里有创新能力的人才将会越来越有价值。