你玩的音遊可能真是 AI 生成的:Love Live! 工作室發了篇論文,用 AI 節省 50% 作譜時間
現在,你打的音遊曲譜,還真有可能是 AI 生成的!像下面這些根據節拍生成音符的操作,也就是譜面(chart),現在 AI 也能搞出來了:
這是發生在著名偶像音遊 Love Live! 系列上的真事兒。開發它的音遊工作室 KLab 聯合九州大學,搞出了一個名叫 GenéLive! 的“AI 譜面協作工具”,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製作譜面大約需要 40 小時,現在能節省大約 50% 的時間。
畢竟對於音遊玩家來說,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 來協助參與的話,究竟能不能提升效率?
增加 AI 對節拍和樂曲的理解
在瞭解譜面 AI 協助工具之前,先簡單看看音遊的譜面都有哪些常見引數。例如,一分鐘節拍數(BPM,Beats per minute)。這是一個樂曲的屬性,數值越大,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;另一個是型別(sym),決定了音符的操作方式(例如點按、長按等)。
在 GenéLive! 出現之前,業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,能夠自動生成音遊譜面。
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:
利用卷積堆疊(conv-stack)進一步提取音訊特徵,加深 AI 對樂曲本身的理解
增加專門用於分析節拍等資訊的 Bi-LSTM,以便於 AI 生成更能表達情緒的譜面
具體來說,改進後的 AI 模型細節如下:
那麼,這樣的效果在評估中的質量如何呢?
已生成 110 首曲子,其他音遊也通用
事實上,據 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 首還是已經發行的。
也就是說,玩《LoveLive!》系列音遊的玩家們,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。
據作者表示,他們在 Utapri 等其他音游上試了試,表現出來的效果也非常不錯:
至於操作上,也比較簡單。作者們給這個工具做了個操作介面,即使製作者不會 AI,也能用它自動生成譜面:
由於 GenéLive! 主要是作為 AI 協助工具,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,綠色是微調過後的):
搞出這個論文的機構之一 KLab,是日本有名的遊戲工作室。即使你沒有聽過偶像遊戲 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,音遊裡一些“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 專案地址:
https://github.com/chrisdonahue/ddc
參考連結:
[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