現(xiàn)在，你打的音游曲譜，還真有可能是 AI 生成的！像下面這些根據(jù)節(jié)拍生成音符的操作，也就是譜面 （chart），現(xiàn)在 AI 也能搞出來了：
這是發(fā)生在著名偶像音游 Love Live! 系列上的真事兒。開發(fā)它的音游工作室 KLab 聯(lián)合九州大學，搞出了一個名叫 GenéLive! 的“AI 譜面協(xié)作工具”，已經生成了 110 首曲子。
作者之一高田敦史（Atsushi Takada）對此表示：
原本我們給一首曲子制作譜面大約需要 40 小時，現(xiàn)在能節(jié)省大約 50% 的時間。
畢竟對于音游玩家來說，譜面確實非常影響體驗。即使是音樂團隊，一不留神也會做出非常卡手的譜面，也就是玩家們調侃的“糞譜”。
讓 AI 來協(xié)助參與的話，究竟能不能提升效率？
增加 AI 對節(jié)拍和樂曲的理解
在了解譜面 AI 協(xié)助工具之前，先簡單看看音游的譜面都有哪些常見參數(shù)。例如，一分鐘節(jié)拍數(shù) （BPM，Beats per minute）。這是一個樂曲的屬性，數(shù)值越大，代表這首樂曲的速度越快。又例如，音符 （Note），包括各種不同種類的音符。
更具體來說，音符又分為兩個屬性，一個是起點（onset），決定音符生成的速度；另一個是類型（sym），決定了音符的操作方式（例如點按、長按等）。
在 GenéLive! 出現(xiàn)之前，業(yè)內其實已經有一個叫做 DDC（Dance Dance Convolution）的譜面 AI 模型。這個模型結合了 RNN 和 CNN 架構，能夠自動生成音游譜面。
然而 DDC 存在一個問題，也就是當譜面難度增加的時候，AI 就容易生成低質量的譜面。針對這一問題，GenéLive! 做了兩方面的改進：
利用卷積堆棧（conv-stack）進一步提取音頻特征，加深 AI 對樂曲本身的理解
增加專門用于分析節(jié)拍等信息的 Bi-LSTM，以便于 AI 生成更能表達情緒的譜面
具體來說，改進后的 AI 模型細節(jié)如下：
那么，這樣的效果在評估中的質量如何呢？
已生成 110 首曲子，其他音游也通用
事實上，據(jù) KLab 透露，從 2020 年 7 月開始，團隊就已經在用這個 AI 工具生成譜面了。截至 2022 年 1 月，他們一共用 AI 生成了 110 首曲目！其中的 82 首還是已經發(fā)行的。
也就是說，玩《LoveLive！》系列音游的玩家們，很可能已經玩過 AI 生成的作品了，尤其是低難度的關卡。
具體到生成質量上，作者們先是將 GenéLive! 和 DDC 進行了對比。結果顯示，無論是低難度還是專家難度上，GenéLive 譜面的評分都要比 DDC 更高。
據(jù)作者表示，他們在 Utapri 等其他音游上試了試，表現(xiàn)出來的效果也非常不錯：
至于操作上，也比較簡單。作者們給這個工具做了個操作界面，即使制作者不會 AI，也能用它自動生成譜面：
由于 GenéLive! 主要是作為 AI 協(xié)助工具，因此音樂團隊也會在 AI 生成的基礎上進行微調。目前，從難度較高的曲目來看，需要微調的地方已經很少了（紅色是 AI 生成，綠色是微調過后的）：
搞出這個論文的機構之一 KLab，是日本有名的游戲工作室。即使你沒有聽過偶像游戲 Love Live! 系列，也可能見過這個家喻戶曉的鬼畜偶像角色矢澤妮可：
△“妮可妮可妮”
這樣看來，音游里一些“反人類”的關卡，說不定真是用 AI 做的……（手動狗頭）
論文地址：
https://arxiv.org/abs/2202.12823
DDC 項目地址：
https://github.com/chrisdonahue/ddc
參考鏈接：
[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
廣告聲明：文內含有的對外跳轉鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時間，結果僅供參考，IT之家所有文章均包含本聲明。