当前，AI音乐正以超预期的速度涌入我们的耳朵。研究机构测算，生成式AI音乐市场的年复合增长率已达28.5%，仅在Suno平台上，每天生成的歌曲已超700万首。
但AI唱出来的歌，常出现咬字含糊、发音生硬、节奏不匹配等瑕疵，而这恰恰需要人耳来兜底。
位于武汉市岱家山科创城的尧盛数智，正是专攻这套“听辨”功夫起家。依托全省首个数智场景育新专业平台——武汉传感器大世界育新场景研究院的平台支持，这家今年7月刚刚由一群“00后”成立的新公司，签约合作客户已包括腾讯、阿里巴巴、微软等互联网巨头。
把一首歌拆成AI模型能懂的“零件”
尧盛数智工作人员正在标注一段音乐。
如何教AI“写”出音乐？在尧盛数智，首先要将一首首歌曲按需求打散，并投喂给它们。
“我们先听调性和速度，判断和声走向，再用工具测出节拍，随后把歌曲切成若干段落，逐段听辨配器。”尧盛数智负责人黄彬尧说，“比如这一段是小提琴旋律，那一段是铜管与木管混合音色，背景还配有弦乐。”
标注员详细拆解出的曲风、调性、速度、配器、和声走向等元素，最终提供给AI模型，让模型理解一首歌由哪些“零件”构成。高门槛之下，公司标注员基本都有音乐学科背景，高难度项目需要的高级标注员，还得是音乐制作方向的专业人才。
识别AI合成歌曲的错误，则是公司的另一条业务线。标注员要听出错词、机械声、卡顿等问题。
湖北日报全媒记者现场看到，标注员把一首AI生成的流行歌曲拖进平台音轨。鼠标在波形上缓缓移动，停在一句歌词处反复播放——歌词写的是“任何一个原因”，但AI唱成了“任何的原因”。半拍含糊的咬字，对普通人而言可能一滑而过，标注员却马上按下了暂停键，并通过时间码定位歌词位置和提出修改意见。一条关于AI“唱错词”的标注就此落进数据包，等着回到客户手里去修正模型参数。
黄彬尧表示，头部客户的持续订单，已让公司迅速在AI数据服务赛道站稳脚跟。
场景化接单助推企业高速成长
尧盛数智办公室坐满“00后”。
数据采集业务的进一步拓展，需要更多符合标准的物理空间。
尧盛数智所在园区内，武汉传感器大世界数智场景育新研究院已为尧盛数智等入驻企业搭建了包含地下室、户外停车场等场景的数据采集与验证平台。
依托这一场景，尧盛数智顺利完成了与某本地头部车企合作的车载数据采集订单，参与采集的人员覆盖老人、青年、小孩等群体。其积累的多人对话声音数据，将被客户用于训练AI区分用户指令、闲聊内容。
而研究院的服务不止于提供空间。“我们发布了数智场景育新服务行动方案，建立了场景需求清单、技术供给清单的动态管理机制，常态化组织多方精准对接。”研究院院长邓根福介绍，该订单完成后，研究院还帮其对接了园区内的友商和下游客户，推动业务协作。“对这类AI数据服务企业，研究院还能对接平台算力、数据环境资源，支撑其模型训练与算法调试。”
对一家想从数据服务走向AI研发的年轻公司而言，这种“扶上马、送一程”的陪伴尤为珍贵。尧盛数智已在规划基于自身专业积累开发音乐标注智能体，并推进科技型中小企业认定与软件著作权布局，而更多与它类似的创业公司也在岱家山科创城扎下根来。
文/图 湖北日报全媒记者 马文俊
启远网提示：文章来自网络，不代表本站观点。
