你玩的音游可能真是AI生成的，Love Live!工作室发了篇论文，用AI节省50%作谱时间

萧箫 发自 凹非寺
量子位 | 公众号 QbitAI

现在，你打的音游曲谱，还真有可能是AI生成的！

像下面这些根据节拍生成音符的操作，也就是谱面 （chart），现在AI也能搞出来了：

这是发生在著名偶像音游Love Live!系列上的真事儿。

开发它的音游工作室KLab联合九州大学，搞出了一个名叫GenéLive!的“AI谱面协作工具”，已经生成了110首曲子。

作者之一高田敦史（Atsushi Takada）对此表示：

原本我们给一首曲子制作谱面大约需要40小时，现在能节省大约50%的时间。

毕竟对于音游玩家来说，谱面确实非常影响体验。

即使是音乐团队，一不留神也会做出非常卡手的谱面，也就是玩家们调侃的“粪谱”。

△图源TapTap社区@coook

让AI来协助参与的话，究竟能不能提升效率？

增加AI对节拍和乐曲的理解

在了解谱面AI协助工具之前，先简单看看音游的谱面都有哪些常见参数。

例如，一分钟节拍数 （BPM，Beats per minute）。这是一个乐曲的属性，数值越大，代表这首乐曲的速度越快。

又例如，音符 （Note），包括各种不同种类的音符。

更具体来说，音符又分为两个属性，一个是起点（onset），决定音符生成的速度；另一个是类型（sym），决定了音符的操作方式（例如点按、长按等）。

在GenéLive!出现之前，业内其实已经有一个叫做DDC（Dance Dance Convolution）的谱面AI模型。

这个模型结合了RNN和CNN架构，能够自动生成音游谱面。

然而DDC存在一个问题，也就是当谱面难度增加的时候，AI就容易生成低质量的谱面。

针对这一问题，GenéLive!做了两方面的改进：

• 利用卷积堆栈（conv-stack）进一步提取音频特征，加深AI对乐曲本身的理解

• 增加专门用于分析节拍等信息的Bi-LSTM，以便于AI生成更能表达情绪的谱面

具体来说，改进后的AI模型细节如下：

那么，这样的效果在评估中的质量如何呢？

已生成110首曲子，其他音游也通用

事实上，据KLab透露，从2020年7月开始，团队就已经在用这个AI工具生成谱面了。

截至2022年1月，他们一共用AI生成了110首曲目！其中的82首还是已经发行的。

也就是说，玩《LoveLive！》系列音游的玩家们，很可能已经玩过AI生成的作品了，尤其是低难度的关卡。

具体到生成质量上，作者们先是将GenéLive!和DDC进行了对比。

结果显示，无论是低难度还是专家难度上，GenéLive谱面的评分都要比DDC更高。

据作者表示，他们在Utapri等其他音游上试了试，表现出来的效果也非常不错：

至于操作上，也比较简单。

作者们给这个工具做了个操作界面，即使制作者不会AI，也能用它自动生成谱面：

由于GenéLive!主要是作为AI协助工具，因此音乐团队也会在AI生成的基础上进行微调。

目前，从难度较高的曲目来看，需要微调的地方已经很少了（红色是AI生成，绿色是微调过后的）：

搞出这个论文的机构之一KLab，是日本有名的游戏工作室。

即使你没有听过偶像游戏Love Live!系列，也可能见过这个家喻户晓的鬼畜偶像角色矢泽妮可：

△“妮可妮可妮”

这样看来，音游里一些“反人类”的关卡，说不定真是用AI做的……（手动狗头）

论文地址：
https://arxiv.org/abs/2202.12823

DDC项目地址：
https://github.com/chrisdonahue/ddc

参考链接：
[1]https://www.itmedia.co.jp/news/articles/2108/30/news088.html
[2]https://www.taptap.com/topic/14437458
[3]https://arxiv.org/pdf/1703.06891.pdf

— 完 —

本文系网易新闻•网易号特色内容激励计划签约账号【量子位】原创内容，未经账号授权，禁止随意转载。

直播报名 | AI+边缘计算赋能传统企业

在信息化浪潮下，传统企业如何综合利用人工智能、边缘计算等技术勇立潮头，智慧发展？

3月8日19:30，「量子位·视点」CEO/CTO系列分享活动邀请了江行智能CTO樊小毅博士，将围绕AI+边缘计算如何助力碳中和目标、典型应用和未来展望等内容，直播分享个人见解。扫码可报名：

量子位 QbitAI · 头条号签约作者

վ'ᴗ' ի 追踪AI技术和产品新动态

一键三连「分享」「点赞」和「在看」

科技前沿进展日日相见 ~