未来作曲编曲会因为AI智能编曲的壮大而彻底失业吗? 第1页

这个问题已经提过了，怎么又提了一遍，应该可以合并的：

转一下我的回答内容，包括爵士鼓点自动生成算法的训练思路，以后闲得蛋疼可能会实现出来：

看怎么个标准了。

标准低的话：

实际上如果你手上有iPhone，打开GarageBand，然后使用新建项目并添加一个实时循环乐段，你就可以像皇上选妃子一样自有选择鼓贝斯吉他合声器loop了，然后瞎JB组合在一起就能产生一个听起来特他妈像回事儿的乐段：

说实话有时候我干小活儿不耐烦，就用这个东西打发客户，而且成功率还挺高的。尤其蒙最近那帮喜欢中国有嘻哈的孙子不在话下。所以只要实现一个大概的算法来调用和组合这个工具，替代不成问题。

再标准高点儿，旋律我不大行，但我曾经胡扯过如何训练计算机自动生成爵士鼓节奏型，个人觉得还算贴谱：

鼓赵：Logic Pro X中的Drummer是怎么生成的？

内容给你们贴过来：

谢邀，首先我批评一下题主，咱们工程师不是售前，不要最近流行什么词儿都往上扯，就像DSP的广告平台一样，今天是“大数据”明天又是“人工智能”，最近又吹“深度学习”，十年不迭代的玩意儿，见天儿的改名号，不好。
而且说到机器学习，我真的（假装）思考了一下。众所周知，如果我们想让计算机学习一位鼓手打鼓，我们就要设计目标函数，且学习样例能够无限贴近目标函数并使其收敛。
任务T：演奏节奏型；
性能标准P：即兴演奏目标鼓手风格的节奏型；
训练经验E：听取真实鼓手的演奏。
首先幸运的是，训练样例E是存在的，就是在DAW里的各位鼓手所输出的节奏型：

且为各个鼓手进行了风格化分类，这样我们的训练样例可以很好的表示实例分布。在实际操作中，我们可以让这些鼓手通过MIDI触发器（也就是电鼓）将演奏转换为MIDI信号，MIDI信号根据轨道和力度可以将拍号内最小时值抽象为三维向量。这样我们就可以以Loop为单位（如四小节）发送三维向量序列作为训练样例作为输入；
其次，设计目标函数。目标函数是此次建模的核心内容，而且鼓这个东西有高容错性，很多东西即兴打出来和上次不一样但也不算错误。这样在制定目标函数的性能标准P的时候模棱两可，直接导致我们在对特定样例进行评分的时候缺乏统一的标准，而不是像下围棋一样有胜率的精确要求。所以我们只能简化模型，幸运的是，我们可以通过爵士鼓通用的知识体系先抽象出一些基础样例。比如经典摇滚节奏型动次大次，我们把它抽象为底鼓演奏一三重拍、军鼓演奏二四重拍、踩镲演奏均匀的八分音符的一段Loop，再例如bossa nova风格的重音在Loop的1、3、7、11上，再又比如Funk风格经常用到军鼓和丁丁镲的paradiddle，都可以抽象成底鼓、军鼓、踩镲三轨的音符排列组合。那么这样我简单抽象一下，我们用来评价一个节奏型是否贴合选择的目标鼓手的目标函数可以抽象为：
V(b) = x1 + x2(Wtb平方-Wbb平方) + x3（Wts平方-Wbs平方）+x4（Wth平方-Wbh平方）；
这样一个多项式。
x2 x3 x4 是相对底鼓、军鼓、踩镲的权重，在括号内是基本演奏风格和目标鼓手演奏计算值的方差，以体现鼓手和基本节奏的差值，最后算出此鼓手与多种基础风格的多组值，就能对此鼓手的演奏风格做出唯一评价。
最后，我们只要输入足够多的学习样例，随时调整权值，将我们的权值全部计算出来即可获得最佳拟合的目标函数。
然后我们在DAW中进行操作时，计算机随机挑选出多个节奏型，并根据你调整权值后的目标函数V1（b），就能产生符合你选中鼓手的随机节奏型。
（以上皆为脑洞胡逼，不可作为正经建议使用）
说这么多，其实也就是想告诉题主你想多了。机器学习的本质是一门方法论，对任何特定问题都要进行目标函数的建模，而不是一个即插即用的万能软件。你说的Magente和Tensorflow、Torch都是些机器学习的框架而已，不能通用性地解决爵士鼓的节奏型输出问题。而且其实Drummer功能很简单，你看随机定义节奏型的面板总共就横竖俩坐标轴，一个轻重、一个多少。多少可以对鼓手演奏出的三轨音符进行随机增减即可（右边的小打同理），轻重更简单，随着坐标值调整力度就行了。爵士鼓即兴本来就没那么严谨，甚至你都可以试着自己实现一下，根据我使用Drummer的经验，它们也就做到了这种程度而已。
不过你这么一说，我觉得这事儿真的可以用机器学习来实现不过机器学习在音乐领域还有更多实用的功能，比如现场调音，我们可以对全世界各种演出场所的声场进行采样学习，并让鼓手选择以自己平日练习环境的声场为目标进行评价，这样我们就可以通过一部设备进行自动调音了。（哎呀想想就很屌）

而且人工智能的作品也已经有了嘛，替代基层编曲人员就是个时间问题。么么哒~

补充一下，楼下其他答案别跑偏了，人家题主说的就是基层编曲工作，也不是什么需要开宗立派的活儿，怎么就不能替代了。而且一次性的快销商品音乐产业链你们没接触过吧？跟你们说就是他妈这么不走心，我现在一分钟音乐报价5000给客户，作品就是不走心的，走心可以啊，一分钟十万。妈的要都走心我这一个月赚个房贷都要累死了。

而且现有人工智能算法就是用来对现有数据分析并抽象出后再套用的一个过程，不存在创造过程。所以人工智能作曲无法替代具有创造和前瞻性的作曲编曲工作。

必然会有人失业，但不会所有人都失业。

我推荐你试试这几个工具：Liquid Rhythm、Band in a box、Scaler 2、Orb Composer Pro

你说我不会乐理，不会和弦，什么都不懂，没关系，鼠标点几下，完事了。

人家给你自动生成旋律，自动配上和弦。

有人已经用Band in a box做活卖钱了，水平高低咱们放到一边不谈，反正东西是出来了。

在这个问题上我非常推崇朱青生先生的观点，我认为他的观点在很多领域都适用：

中国古文献全文数据库完成后，一个普通的研究生的文献功底可以接近乾嘉学派高邮二王以及段玉裁的水平以进行进入研究；而教授可以更集中精力去发现历史上从未发现的问题，解决有史以来不能解决的课题。……但是，如果以为有了中文古文献全文数据库就一定能提高研究的质量，那就大错而特错。……数据库对中国人文科学的最根本的质量改变在于解脱了呆板记问之学，突显出分析、求证和解释的追求。……有了数据库，学人不是不要读原文，而是更要通读原文。利用数据库，一边读，一边可以周密地反复温习，杨树达先生的以经训经，人皆可达，而且演化为读书常法。没有数据库时，常常记得少则无从复查，记得多则拖累创思。——十九札：一个北大教授给学生的信

所以说AI编曲工具的出现也是一个道理，这些工具终究无法完全代替人类，但能够大大减少重复性的低级劳动，让人把更多的精力放到真正有意义、有价值的工作上来。这意味着什么？这意味着两点，第一是水平不行的人会被大量挤出这个行业；第二是真正NB的人会因为编曲工具的进一步发展，尽情地释放他们的创造力。

好事儿。