“来自歌词的旋律天生一贯是人工智能和音乐领域的一个具有寻衅性的研究问题，它能够学习和创造有趣的歌词和伴奏旋律之间的潜在关系。
”该论文的共同作者写道，“随着现有歌词和旋律数据集的发展以及AI，歌词和旋律之间的音乐知识挖掘逐渐成为可能。
”

正如研究职员阐明的那样，音符有两个音乐属性：音高和持续韶光。
音高是声音的感知属性，其在频率干系音阶上通过高度或低度来组织音乐;而持续韶光表示腔调或腔调被发声的韶光长度。

研究职员的AI系统利用对齐数据与是非期影象(LSTM)网络结。
LSTM网络是一种能够学习长期依赖性的递归神经网络，经由演习，可以在音节和单词级别学习联合嵌入数学表示来捕捉歌词的突出构造，随着韶光的推移就能学会在给出歌词的同时预测旋律，同时考虑到歌词和旋律之间的关系。

为了演习它，该团队体例了又12,197个MIDI文件组成的数据集，每个文件都配有歌词和旋律对齐。
在将语料库分成演习、验证和测试并将它们嵌入模型之后，研究者进行了一系列测试以确定它预测的旋律与歌词、MIDI、音符持续韶光和安歇持续韶光顺序对齐的程度。
他们报告称，他们所用的人工智能系统不仅“在各个方面”都超越了基线模型，而且与人类音乐的分布非常靠近。

研究职员写道：“音乐和人工智能中歌词的旋律天生仍旧未得到很好的探索。
利用深度学习技能制作旋律是一个非常有趣的研究领域，旨在理解和赞助人类的音乐创作活动。
”

如果该研究未来能够有所进展，人工智能可能很快就会成为音乐家们的宝贵工具。
今年7月，总部位于蒙特利尔的创业公司Landr筹集2600万美元用于开拓剖析音乐风格的产品，以创建定制的音频处理器，而今年早些时候，OpenAI和谷歌推出了利用音乐天生算法的在线创尴尬刁难象。
最近，索尼的研究职员研究了特定条件下的kick-drum轨道天生的机器学习模型。
让AI从事作曲乃至更广泛的音乐工作，彷佛很快就不属于天方夜谭。