騰訊多媒體實(shí)驗(yàn)室自研AI作曲框架XMusic，亮相2023中國新媒體大會

　　7月11日，2023中國新媒體技術(shù)展在湖南國際會展中心舉行。本屆技術(shù)展以“智慧促深融”為主題，重點(diǎn)聚焦人工智能新技術(shù)新應(yīng)用、智慧媒體服務(wù)社會治理新場景等，呈現(xiàn)新技術(shù)賦能融合發(fā)展新生態(tài)。

　　會上，騰訊多媒體實(shí)驗(yàn)室展出了自研AI通用作曲框架XMusic，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。該產(chǎn)品前幾日首度亮相2023年世界人工智能大會，并被評為“鎮(zhèn)館之寶”，引發(fā)廣泛關(guān)注。

　　隨時隨地實(shí)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(qiáng)的信息來搜索，需要耗費(fèi)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(shí)驗(yàn)室自研AI通用作曲框架XMusic可以隨時隨地利用AI輔助實(shí)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(qiáng)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(shí)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(yàn)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(yàn)展中融入多種智能音樂方案，提升展廳的科技感和體驗(yàn)感。

　　此外，XMusic也可以發(fā)揮重要的教學(xué)輔助能力，推進(jìn)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(shí)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(shí)現(xiàn)音樂高效精準(zhǔn)創(chuàng)作

　　作為本次技術(shù)展中的亮點(diǎn)之一，XMusic背后的騰訊多媒體實(shí)驗(yàn)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(xiàng)目。2019年，騰訊多媒體實(shí)驗(yàn)室負(fù)責(zé)人、騰訊杰出科學(xué)家、IEEE Fellow 劉杉博士帶領(lǐng)實(shí)驗(yàn)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。

　　騰訊多媒體實(shí)驗(yàn)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(dá)到商用級的音樂生成能力要求。

　　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(shí)驗(yàn)室)將繼續(xù)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)全球用戶、助力各行業(yè)發(fā)展并踐行科技向善。”

　　騰訊多媒體實(shí)驗(yàn)室還在展區(qū)展出前沿技術(shù)方面的三個項(xiàng)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(jìn)這片山林秘境;“虛實(shí)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(jī)或手機(jī)，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(shí)驗(yàn)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(xiàng)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(xiàn)獎等，享有國際盛譽(yù)。

　　未來，騰訊多媒體實(shí)驗(yàn)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(yàn)。