微軟的音樂細胞

“音樂導(dǎo)航”技術(shù)作為微軟亞洲研究院眾多的創(chuàng)新的細胞之一，正被植入微軟的未來。

一杯茶、一本書，Allan坐在陽臺上的藤椅上，iPod里小野麗莎在低吟淺唱，一曲過后，傳來諾拉·瓊斯慵懶的聲音，Allan在柔和的歌曲中過了一個愜意的下午。健身時，充滿朋克風(fēng)格的搖滾樂最適合Allan揮灑汗水……微軟亞洲研究院的技術(shù)正在讓機器變得如此聰明，你欣賞的音樂風(fēng)格可能是RB或藍調(diào)、你也許在開車或是在慢跑，微軟音樂導(dǎo)航技術(shù)會為你挑出最適合當(dāng)下情景的音樂，在與機器的交互中，科技與人產(chǎn)生了共鳴。

“我工作的大部分時間都在跟聲音打交道。”微軟亞洲研究院語音組蘆烈博士用一曲情歌代替了開場白。他拿著手機，把嘴湊到手機聲筒邊，瞇著眼睛唱“你問我愛你有多深，我愛你有幾分”，幾秒鐘后，儲存在手機里的鄧麗君的《月亮代表我的心》就被自動搜索出來。

用人哼唱出的曲調(diào)來找歌的技術(shù)，只是蘆烈和他的研究團隊眾多語音、音樂研究課題中的一個。

從2002年起，微軟亞洲研究院就開始了關(guān)于節(jié)奏分析、音樂分類、音樂情緒檢測一類的基礎(chǔ)性研究。有了一定的積累后，2005年左右開始考慮怎么把這些功能集成起來，從而做成一個方便的應(yīng)用。整個過程中，蘆烈和同事們不斷搜集用戶的反饋，分析人們聽歌的習(xí)慣。為了讓用戶體驗更酷、更方便，蘆烈已經(jīng)記不清有多少次與研究院的設(shè)計師們討論界面設(shè)計細節(jié)了。

音樂是突破了國界和語言的，與人們產(chǎn)生的是情緒上的共鳴，現(xiàn)在，蘆烈和同事們愈發(fā)偏執(zhí)地為他們的音樂夢想努力，他們希望做“讀懂”音樂的人，再讓音樂“讀懂”人們的心。于是，就有了開頭的一幕。

心有靈犀的播放器

人們常常遇到Allan的情況——當(dāng)你有幾千首歌儲存在音樂播放器中(比如Zune，iPod，和智能手機)，如何選擇想要聽的音樂便成了一個問題。“你可能沒有時間從中選擇所有想聽的音樂；而且在不同的時候也想聽不同的音樂。目前音樂播放器提供的‘shuffle’功能，基本上是隨機播放音樂，只能滿足用戶最基本的需求。”于是，蘆烈和同事們想到了用“音樂導(dǎo)航”技術(shù)來解決這個問題。

“音樂導(dǎo)航提供給用戶一種‘smartshuffle’功能，用一種便捷的方式來選擇和欣賞音樂。”蘆烈對記者介紹，通過“音樂導(dǎo)航”，用戶可以只選擇一首音樂，系統(tǒng)就會自動生成一個“音樂電臺”，推薦給用戶一些相似的音樂。用戶還可以通過音樂篩選來選擇適合不同場景下聽的音樂，比如在閱讀時聽柔和的音樂。這個過程就好像機器會先猜測你的喜好，列出一個初步的菜單。用戶可以欣賞推薦的歌曲，也可以作進一步篩選，選擇喜歡或刪除不喜歡的歌曲。機器會基于用戶對于音樂的移除等行為反饋，進一步分析用戶的音樂偏好，自動調(diào)整組合歌曲推薦列表(電臺中的音樂)，使推薦的音樂越來越接近于用戶的“口味”。通過音樂內(nèi)容分析、推薦和篩選，交互式生成音樂列表，用戶就可以方便地找到想聽的歌曲。

一首簡單的歌

在蘆烈和他的同事們看來，即使是很簡單的一首歌，也包含著多重音樂要素，包括風(fēng)格、樂器、音調(diào)、旋律和節(jié)奏等。這樣看來，所有曲子都并不簡單。 一種做研究的慣性使得蘆烈在聽歌時，耳朵自然而然變成一把鋒利的解剖刀，把每首歌的情緒、節(jié)奏、樂器、音色等重新解構(gòu)。 “現(xiàn)在，我們會選擇十種要素來表征音樂的特性。把這些因素量化、檢測和分類之后，形成一個大體的框架，基本上就可以實現(xiàn)對音樂的描述。比如音樂風(fēng)格，會分為流行、鄉(xiāng)村、搖滾、藍調(diào)等十幾種；樂器也會區(qū)分十幾種；音樂情感會有正面積極的感情、負面悲傷的感情和自然的中性表情三種；節(jié)奏的強弱和速度的快慢也量化為三種等等。”

在分析音樂的時候，最困難的就是多種樂器，多重旋律都混合在一起，很難把它們分離開來。不同的風(fēng)格會用不同的樂器，每首歌里的起承轉(zhuǎn)臺又非常復(fù)雜。而且，在學(xué)術(shù)界甚至沒有對音色的一個標(biāo)準(zhǔn)的定義。所以只能不斷嘗試提取特征來表征不同的音樂要素。

蘆烈進一步向記者介紹道，作為一種算法，希望它能學(xué)習(xí)哪些要素在音樂中更加重要，這樣就能更準(zhǔn)確的分析用戶偏好，現(xiàn)在就有算法正在做這個事情。另外，有時用戶對想要聽的歌只有一個粗略的概念，比如說想要聽一些優(yōu)雅的歌，這時，mood filter(音樂篩選器)就可以幫助用戶設(shè)置選擇。同時，用戶還可以通過一些預(yù)先設(shè)定的場景，比如在睡覺前，運動時，和閱讀時，來找到符合自己場景的歌曲。這些，有的還是概念性的想法，正在蘆烈和同事們的不斷努力下越來越接近現(xiàn)實。

微軟創(chuàng)新之音

“剛加入微軟的時候，就開始做語音、音頻方面的處理，慢慢的我才能做到檢測一些精細的特性。現(xiàn)在自動音樂標(biāo)注準(zhǔn)確率其實也只有60％左右，但用戶還是比較能接受的。”而伴隨著蘆烈在微軟亞洲研究院成長的軌跡，音樂導(dǎo)航技術(shù)也在隨之完善。

“我們要更完善這些東西，希望能有更多的屬性，比如現(xiàn)在大部分的屬性都是針對歐美的一些流行音樂，對古典音樂現(xiàn)在還沒有涉及，對中文或日韓音樂的一些專有屬性也不能精確的表達。另外，因為我們是非專業(yè)的音樂人士，意味著我們標(biāo)注的一些訓(xùn)練數(shù)據(jù)質(zhì)量不一定很高，所以，我們希望跟一些公司合作，用他們專業(yè)人員標(biāo)好的數(shù)據(jù)來訓(xùn)練模型，在這個的基礎(chǔ)上把自動音樂分析做得更加準(zhǔn)確、完整。”

音樂導(dǎo)航技術(shù)可以用在手持設(shè)備、音樂播放器里，還可以用在電腦上。不過，現(xiàn)在自動音樂分析的計算強度很高，蘆烈和他的團隊正在想怎么在保證精度的情況下提高速度、應(yīng)用、完整性、準(zhǔn)確性。

把技術(shù)成果放進微軟產(chǎn)品里去是蘆烈和同事們一直以來引以為傲的事情和希望，現(xiàn)在，微軟的產(chǎn)品組非常喜歡“音樂導(dǎo)航”，蘆烈正在跟不同的團隊頻繁溝通，也在對產(chǎn)品集成作一些測試。這個過程，就像把一個個創(chuàng)新的細胞植入到微軟充滿活力的未來。