程序员拒绝单曲循环：曲子只有5分钟，也得不重样播放450多天

乾明 发自 凹非寺 
量子位 报道 | 公众号 QbitAI

程序员要是喜欢上一个东西，指不定会搞出什么“疯狂”事情来。

今天要说的，是特别喜欢一首曲子的程序员贝特（Alex Bainter）。

这首曲子，名为aisatsana，来自电子乐大师Aphex Twin，只有5分多钟。

让他很苦恼的是，单曲循环听着容易腻歪，他想让这个曲子能一直不重样地播放下去。

然后，他选择了马尔可夫链……

现在这首曲子已经能够不间断播放451天不重样……（听歌地址在文末）

贝特把完成这一“壮举”的过程写成了文章，分享了出来，而且，代码已经开源。

在Hacker News很快就获得了400多热度，200多条评论。

不少人评论称，这样听歌真的很爽， 实现起来很简单，但效果很好！

它到底是怎么做的呢？我们一起来看看。

从算法的角度理解一首曲子

想要曲子不重样地播放下去，首要的任务就是要理解曲子的结构。

一般情况下，播放曲子的速度可以BPM（beats per minute）来衡量。

aisatsana这首曲子很简单，共有102BPM。如果从第一个音符开始计数的，每16个节拍包含一系列音符，他称之为乐句（phrase），整首曲子中，一共有32个乐句。

想要创建一个能够不间断、不重复播放aisatsana的系统，算法需要满足以下两个要求：

• 知道一个乐句什么时候结束。

• 播放不重样的乐句。

第一个要求，相对来说非常简单，只是计时。第二个要求，是最棘手的部分。

让曲子一直播放下去

一种简单的策略是，编写一个程序，粗暴地把32个乐句拆分开，一个乐句之后，随机播放另一个。

这种方式，虽然相互衔接上没有问题，听起来也比单曲循环更加灵活有趣，但本质上也是重复的。

只要熟悉了这32个乐句，曲子依旧会无聊。

怎么办？答案只有一个：

创造一个系统，来生成听起很与原来乐句很相似的新乐句。

最直接的方法，就是深度学习技术了。但只有32个乐句的样本……很显然不太现实。

最后，贝特就把目光转向了马尔可夫链这个“老方法”。

马尔可夫链，能够记录一组状态中，从一个状态转移到另一个状态的概率。

举例来说，你生活中只去3个地方：家、公司和商店，也就是说，你要么在家里，要么在公司，要么在商店。

想要的知道你接下来要去哪？首先就是记录你一段时间内去这三个地方情况，根据记录数据来分析相关的可能性。

比如说，当你在家的时候，你有80%的可能性去公司，你在公司的时候，回家和去商店概率都是50%，如果你在商店，接下来回家的可能性就有95%。

以上，就是创建一个马尔可夫链的所需要的一切：状态，以及从一个状态到另一个状态的概率。

如果把它应用到音乐上，该怎么做？

马尔可夫链生成新乐句

先来看一张图：

图中展示的是两个乐句，每个有4个节拍，每个音符旁边，是音符的名字，最上面是节拍。播放这些乐句的顺序，是从左到右依次进行。

然后，把两个乐句放到马尔可夫链中，状态命名为节拍与音符的组合，比如1A就是在第一个节拍的时候演奏A音符。

除了这些，还需要有开始和结束的状态，来表示乐句的开始和结束。用箭头来表示一个状态到另一个状态的转变。

在上图中，第一个乐句就是开始→1A→2F→3A→4F→结束。第二个乐句是开始→1E→2C→3A→4C→结束。

这里面，一共有9个状态，分别是开始、1A、1E、2F、2C、3A、4F、4C和结束。从一个状态到另一个状态的概率是：

开始→1A：50%

开始→1E：50%

1A→2F：100%

1E→2C：100%

2F→3A：100%

2C→3A：100%

3A→4F：50%

3A→4C：50%

4F→结束：100%

4C→结束：100%

这样，就建立了一个马尔可夫链。从开始到结束，所有可能的路径，可以生成4个乐句：

开始→1A→2F→3A→4F→结束（原始乐句1）

开始→1A→2F→3A→4C→结束（新乐句）

开始→1E→2C→3A→4C→结束（原始乐句2）

开始→1E→2C→3A→4F→结束（新乐句）

就这样，马尔科夫链就生成了两个新的乐句！因为是通过同一个链构建的，听起来也会非常相似。

在这个例子中，只是用了2个乐句，每个乐句中4个节拍。而aisatsana中有32个乐句，每个乐句16个节拍。

按照这个逻辑，贝特最后生成了400多万个独特的乐句，可以播放超过451天，而且所有的乐句都不会重复……

整个实现代码，贝特已经开源了，项目地址：
https://github.com/generative-music/pieces-alex-bainter/blob/master/packages/piece-aisatsana/src/piece.js

如果你有兴趣，可以自己上手试试~

最后，附上生成的aisatsana地址：

https://generative.fm/music/alex-bainter-aisatsana

— 完 —

量子位AI+系列沙龙--智慧城市

加入社群

量子位AI社群开始招募啦，量子位社群分：AI讨论群、AI+行业群、AI技术群；

欢迎对AI感兴趣的同学，在量子位公众号（QbitAI）对话界面回复关键字“微信群”，获取入群方式。（技术群与AI+行业群需经过审核，审核较严，敬请谅解）

诚挚招聘

量子位正在招募编辑/记者，工作地点在北京中关村。期待有才气、有热情的同学加入我们！相关细节，请在量子位公众号(QbitAI)对话界面，回复“招聘”两个字。

量子位 QbitAI · 头条号签约作者

վ'ᴗ' ի 追踪AI技术和产品新动态

喜欢就点这里吧 !