7月6日至8日，2023世界人工智能大會（WAIC 2023）于上海舉辦。在大會中，騰訊多媒體實驗室首次發(fā)布自研AI通用作曲框架XMusic，并獲選本屆世界人工智能大會“鎮(zhèn)館之寶”，成為大會關(guān)注的焦點。
WAIC 2023“鎮(zhèn)館之寶”今年進一步提升評選能級，從更專業(yè)的行業(yè)視角出發(fā)，評選出極具科技含量、商業(yè)前景、通用性與社會經(jīng)濟效益的展品。此次入選“鎮(zhèn)館之寶”的XMusic生成式通用作曲框架，基于AIGC技術(shù)，用戶只需上傳視頻、圖片、文字、標(biāo)簽、哼唱等任意內(nèi)容，即可生成情緒、曲風(fēng)、節(jié)奏可控的高質(zhì)量音樂，能夠大幅降低音樂創(chuàng)作的門檻。
2023世界人工智能大會鎮(zhèn)館之寶-騰訊XMusic
隨時隨地實現(xiàn)AI輔助創(chuàng)作，打造專屬“行走的音樂庫”
在日常生活中，用戶對使用音樂有著多種多樣的需求。比如在視頻剪輯時，需要應(yīng)用多樣的配樂來讓畫面更加生動，但音樂搜索一般只能用歌曲名字、歌手名字等指向性強的信息來搜索，需要耗費大量的時間精力；亦或在商超、會場等場所布置時，傳統(tǒng)的環(huán)境音樂選擇容易受到版權(quán)限制，很難獲得多樣且合法的音樂素材。
面對這些難題，騰訊多媒體實驗室自研AI通用作曲框架XMusic可以隨時隨地利用AI輔助實現(xiàn)音樂創(chuàng)作，打造個人專屬的“行走的音樂庫”。一張圖片、一段文字、一個視頻，甚至是一段哼唱，XMusic都能夠?qū)?yīng)生成出樂曲優(yōu)美連貫、旋律起伏明顯、節(jié)奏強弱交替的高質(zhì)量音樂。比如輸入“逗趣橫生，讓人捧腹大笑”的描述，XMusic就會生成一段節(jié)奏俏皮、旋律歡快的音樂。
對于視頻創(chuàng)作者而言，XMusic無疑是解決配樂難題的一大利器。除此之外，針對互動娛樂、輔助創(chuàng)作、音樂教育、互動娛樂、音樂治療等諸多場景，XMusic也有著很高的實用價值。
以場景音樂生成為例，XMusic的商用級音樂生成能力可以有效解決線下展廳、體驗展、餐廳商超等場景中的環(huán)境音樂版權(quán)問題，為展廳提供多樣化的公播音樂，并在體驗展中融入多種智能音樂方案，提升展廳的科技感和體驗感。
此外，XMusic也可以發(fā)揮重要的教學(xué)輔助能力，推進線上音樂教育的發(fā)展。比如在智慧音樂課堂中，教師可以用XMusic生成多樣的節(jié)拍、節(jié)奏、音高練習(xí)曲目，結(jié)合實際教學(xué)場景，發(fā)揮AI生成音樂的教學(xué)輔助能力，為學(xué)生在演奏、練耳等多種場景中提供個性化的指導(dǎo)和訓(xùn)練，幫助學(xué)生更快地提升音樂技能。
全面AIGC能力矩陣支撐，實現(xiàn)音樂高效精準(zhǔn)創(chuàng)作
作為WAIC 2023展區(qū)中的亮點之一，XMusic背后的騰訊多媒體實驗室也受到了廣泛關(guān)注，一位熱愛音樂的科學(xué)家，帶領(lǐng)一群同樣熱愛音樂的工程師們從零到一落地了XMusic項目。2019年，騰訊云副總裁、騰訊多媒體實驗室負(fù)責(zé)人、騰訊杰出科學(xué)家、IEEE Fellow 劉杉博士帶領(lǐng)實驗室開展“基于多模態(tài)融合的智能內(nèi)容生產(chǎn)”相關(guān)技術(shù)能力研發(fā)并逐步完善AIGC能力矩陣。
此次獲選2023WAIC“鎮(zhèn)館之寶”的騰訊多媒體實驗室自研AI通用作曲框架XMusic，是基于自研的多模態(tài)和序列建模技術(shù)，可以將提示詞內(nèi)容解析至符號音樂要素空間，并以此為控制條件引導(dǎo)模型生成豐富、精準(zhǔn)、動聽的音樂，達到商用級的音樂生成能力要求。
騰訊多媒體實驗室負(fù)責(zé)人、騰訊杰出科學(xué)家、IEEE Fellow劉杉博士表示，人工智能技術(shù)的飛速發(fā)展對多媒體和相關(guān)領(lǐng)域產(chǎn)生深遠(yuǎn)影響。“騰訊多媒體實驗室將繼續(xù)代表騰訊公司推動人工智能和多媒體及相關(guān)領(lǐng)域的國際和國家標(biāo)準(zhǔn)制定，打造音視頻、互動沉浸和智能媒體核心能力矩陣，通過騰訊云、騰訊視頻、騰訊游戲等業(yè)務(wù)平臺服務(wù)全球海量用戶并助力各行業(yè)發(fā)展并踐行科技向善。”
多媒體實驗室還在展區(qū)展出前沿技術(shù)方面的三個項目：“全景'云'游東北虎豹國家公園”通過自研技術(shù)智能影像處理和自研VR360解決方案供所有人在“云端”走進這片山林秘境；“虛實融合技術(shù)”產(chǎn)品，可將傳統(tǒng)虛擬制片的成本與難度大幅降低，無需傳感器，只通過一臺相機或手機，就可將自己植入到虛擬世界中；“騰訊水墨畫”產(chǎn)品融合了視覺、音樂、文字等多種模態(tài)，結(jié)合山水畫創(chuàng)作、智能作詩、音樂生成等多種技術(shù)能力，形成了多模態(tài)融合且能互動娛樂的完整技術(shù)方案。
騰訊多媒體實驗室專注于多媒體和相關(guān)領(lǐng)域的前沿技術(shù)探索、產(chǎn)品研發(fā)和應(yīng)用落地，其行業(yè)領(lǐng)先的視頻圖片壓縮和處理引擎、沉浸式VR系統(tǒng)和智能媒體能力矩陣，通過騰訊云、騰訊視頻、騰訊游戲等業(yè)務(wù)平臺服務(wù)全球海量用戶并助力傳媒、文化、旅游等行業(yè)的發(fā)展。同時代表騰訊參與多個國際及國家標(biāo)準(zhǔn)制定，數(shù)十人次擔(dān)任聯(lián)合主席、主編等核心職務(wù)，數(shù)百項技術(shù)提案被國際標(biāo)準(zhǔn)采納，榮獲工程艾美獎、技術(shù)盧米埃獎、ISO/IEC杰出貢獻獎等，享有國際盛譽。
未來，騰訊多媒體實驗室將以創(chuàng)新的視角和前瞻的思維，不斷探索多媒體技術(shù)與AIGC能力的融合，拓展多領(lǐng)域的應(yīng)用場景，為用戶提供更加智能、便捷和豐富的多媒體體驗。
