有进展!
乐谱训练数据全到手了,还有作曲信息带元数据,一起装进了漂亮的小份打包 JSON 文件里。数据集的物理体积砍掉了大概 70%,一点信息没丢。
而且现在全都按曲风分门别类放好了——这很关键,如果我们打算做的是训练 LoRA 和填向量。分类归档就是一切!哈哈。
下一步是把它们全部送进 ChatGPT API,让系统写一批相当干净的音乐史和乐理技术短文,生成成清爽快乐的小 markdown 文件,好让 LLAMA 有东西可嚼、可学。
然后,等这些做出来,我打算用 Claude Sonnet 给数据做质检和事实核对。这能压低偏差、幻觉和毛刺。
流程里大概还该加一步:让机器写点笔记,讲讲它看到的每个曲风是怎么运作的,这样 LLAMA 不光能懂曲风是什么、怎么演变,还能有条理、有结构地弄懂更现代的当代曲风的规则。这一步会很棘手,我心里也犯嘀咕。试试看吧。
我在犹豫要不要加进一批合成短文,讲上世纪有名音乐人的技法、音色等等。因为那会让系统有更多东西可嚼。
理想情况是不加,但可能非加不可。就 AI 伦理而言,我不觉得这是问题,因为真正的音乐人就是这么学的,而目标就是教会机器像人一样尊重这个过程(我是说,除了物理和身体的限制——那部分它随脚就能踢翻)。
只是在 IP 和插值讨论了这么多之后(这个案例里其实并没有插值这回事),我就是感觉别扭。
但总之下面的版本,先不放。
这轮干得挺开心。
我去睡了。