生成式AI与音乐创作：当大模型学会作曲与即兴

MIDI Tokenization与音乐语言模型

核心挑战：如何将连续的音乐表达转化为Transformer可处理的离散token？MusicLM采用SoundStream音频编码器，MusicGen使用EnCodec神经音频编码器实现高效音乐表征。

从MusicLM到Suno的演进

• MusicLM（Google 2023）：文本条件生成，24kHz
• Suno（2024）：端到端歌词+旋律，秒级生成
• Udio：高保真，支持渐进式生成

AiDA：人机协作即兴

MIT开发的AiDA框架实现钢琴与人实时即兴：基于Transformer预测模型，分析演奏和声走向并生成对位旋律。

算力民主化与音乐未来

GPU成本从数万美元降至数百美元，音乐制作进入算力民主化时代。AI不取代创作者，而是成为新型的乐器。