2024
减少用边缘化音乐流派进行AI音乐创作的障碍
这个为期四个月的项目旨在减少在英国和中国，用边缘化音乐流派进行人工智能音乐创作的障碍。英国和中国的创意产业与非物质文化遗产为创意产业中的AI研究提供了一个丰富的生态系统，同时也拥有超越主流形式的大量文化遗产，但这些文化遗产在当前的AI音乐研究中很少被使用。目前的深度学习音乐生成方法通常依赖于极其庞大的音乐数据集来训练AI模型，这导致了在主流音乐流派数据集（如西方古典音乐或流行音乐）之外生成音乐的障碍。例如，这些模型无法在众多少数民族文化流派（如中国的琴类音乐）或当代亚文化流派（如故障音乐或算法音乐）上进行训练。
作为项目团队的一员，我制作了项目中的指导视频，展示了如何使用边缘化音乐数据集训练AI模型（RAVE 2.3），以及如何使用该模型进行音乐创作。此外，我还创作了我们项目文档中的演示音乐，将传统元素与创新的AI技术相结合。
作为项目团队的一员，我制作了项目中的指导视频，展示了如何使用边缘化音乐数据集训练AI模型（RAVE 2.3），以及如何使用该模型进行音乐创作。此外，我还创作了我们项目文档中的演示音乐，将传统元素与创新的AI技术相结合。
AI音乐作曲
我们委约创作了一部全新的音乐作品，该作品由人工智能模型（RAVE 2.3）生成，模型基于“中国乐器数据库”中的传统中国民族乐器数据集训练而成。在这一过程中，我们提取了数据集中长达36小时的音频素材，并借助 A100 GPU 对 RAVE 模型进行了 108 小时的深度训练。视频指南：如何结合“中国乐器数据库”的传统乐器数据集使用 RAVE 2.3 模型。
负责人
Prof. Nick Bryan-Kinns | 伦敦艺术大学，英国
Prof. Zijin Li | 中央音乐学院，中国
音乐与视频
周洲
由AHRC“中英创意产业研究与创新枢纽”研究基金资助。