音乐AI技术发展迅速。在预印平台Arxiv.org上发表的一项研究中，约翰内斯·开普勒大学林茨计算感知研究所和奥地利人工智能研究所的研究人员介绍了一种可以预测乐谱中目标录音匹配的方法。最高职位的系统。在表面上，其对齐精度高于当前基于图像的最新分数跟踪器。分数跟踪技术是许多应用程序的基础。这些应用程序包括自动伴奏，翻页以及将现场表演与视觉图像同步。现有系统要么依赖固定长度的小乐谱图像，要么需要通过光学音乐识别技术提取的计算机可读乐谱。但是这些研究人员的AI系统可以以独特的方式观察整页音乐，以便从头到尾跟踪任何长度的音乐表演。研究小组将分数跟踪视为图像分割任务。根据在特定时间的某种音乐演奏，他们的系统为对应于当前正在播放的音乐的乐谱预测分段的遮罩（即一小段）。研究人员说，仅使用固定大小的音频输入的乐谱追踪器无法区分特定环境以外的重复音符，但他们提出的AI系统在处理长期乐谱方面不会出现问题。在实验过程中，研究人员从多模型乐谱数据集（MSMD）中获得了一些复音钢琴样本，包括巴赫，莫扎特，贝多芬和其他作曲家的作品。在手动识别并纠正了一些对齐错误后，他们用353对乐谱和MIDI音频信息训练了AI系统。人工智能系统的另一位作者说，除了最高阈值（不知道最高阈值是什么）之外，他们的系统还具有比基线更高的性能，并且可以获得时差方面更准确的结果（即，对于更严格的容错率，更高的百分比）。它偶尔会产生一些错误，研究人员将其归因于系统可能会“显着地”跳动这一事实。在图像纸上。但是他们断言，各种测试结果表明该AI系统是“非常准确”的。大多数情况下。 ``未来的工作将需要测试扫描的图像或照片，以评估AI系统在视觉领域的泛化能力。''研究人员写道：“实现更强大系统的下一步是显式或隐式组合某种机制，以处理分数和演奏中的重复音符。尽管我们也怀疑它的性能在很大程度上将取决于音频的隐式编码。例如，在环路网络中可以存储多少听觉环境将成为一个非常重要的因素，但是我们相信，我们提出的方法可以自然地从合适的（经过训练的）数据中获得此功能。 “音乐AI技术正在迅速发展。 OpenAI最近发布了一个名为Jukebox的机器学习框架，该框架可以生成包括基本歌曲在内的音乐，作为各种音乐类型和音乐风格的原始音频。在2018年底，GoogleBrain的“ ProjectMagenta”该项目致力于“探索机器学习在创作过程中的作用”。并提出了一种称为“ MusicalTransformer”的模型。该模型可以生成可识别的重复歌曲。不仅如此，Google于去年3月发布了一种算法“ GoogleDoodle”允许用户创建向巴赫致敬的旋律。