所以今晚,我又开始了一轮走火入魔的编码狂欢,这次一头扎进去的,是 AI 生成音乐那片怪物数据集的奇趣世界。
我正准备去玩那个庞大的 Suno 语料——将近七十万首曲子,纯粹的嘈杂 AI 生成之作,香得很。
当然,数据集这么大,数据质量的坑自然也跟着来。曲子噪声重,分析起来能把人逼疯。
但不是不可能。
借鉴 Udio 的训练方法,第一步是先把数据清理干净,再拆分。
RipXDAW 会把基础活干掉。
等曲子去完噪,我们就能提取声谱图供日后分析。而且如果运气好,说不定连拆分那一步都免了。具体机制我还没百分百吃透。
不过,先假设我们仍要拆分曲目、把它们码进一个个井井有条的小文件夹,再程序化地解析成记谱。
记谱肯定会很怪(从来都怪)——回头再收拾。
眼下我们主要盯着梯度和更大的趋势,不是那团漫射的静电噪声。
好戏这才开场:
我会把 AI 生成的乐谱对照海量的人工创作音乐数据集。共三套。一套作控制组,一套作时间参照,这样我们才能看懂过去一个世纪左右的大图景。
然后剔除会搅乱输出的通用进行,把所有东西掰碎成漂亮的小块,就能跑对比了:找出 AI 生成音乐的独特特征,也大规模找出多首互不相干的传统作曲之间的共性。
下一步是与人工数据集再比对一遍,消除偏差。
有一堆火烧眉毛的问题等着探:
AI 音乐里有哪些模式,是「真」音乐里没有的?
Suno 2 和 Suno 3 的曲子有多独特?
哪些特征在这些集合里常见,哪些罕见?
最要紧的是……我的歌是不是最怪的 AI 曲子?
让数据领路
然后就该动真格了,去找那些对这个品类要么是雪洗冤屈、要么是当庭定罪的东西。
AI 音乐里潜在的过拟合问题,以及它和人类音乐的对照。过拟合的范围与相似度,如果它存在的话。但为了公允,要把同一套分析不偏不倚地跑在其他两套数据集上。
我认为,要讨论 AI 伦理问题,唯一合乎伦理的方式,是先评估数据,再看它把我们带向哪里。眼下,我们可以为任何一方争到脸红脖子粗,但说到底,这里头未知的东西太多了。
这道题不该靠情绪化讨论。
我们需要硬核的数据科学。
然后我们再从中弄明白自己相信什么。