公共关系领域经历了深刻的变革。公关专业人士不再局限于管理新闻稿和媒体推广,而是在一个复杂的生态系统中工作,在这个生态系统中,沟通越来越多地由内容驱动。这种转变强调了内容创作在塑造品牌叙事、吸引目标受众以及最终影响公众舆论方面的重要作用。内容以各种形式呈现——从博客文章和视频到社交媒体更新和信息图表——已成为组织传达其价值观、建立思想领导力和与利益相关者建立有意义联系的主要载体。这篇研究文章深入探讨了内容创作作为当代公关战略不可或缺的组成部分的重要性。它旨在阐明不断变化的传播格局、日益突出的各种内容形式,以及组织如何战略性地利用内容来实现其公关目标。通过研究内容营销和公共关系的理论基础,本文旨在证明以内容为中心的方法不再是可有可无的,而是任何成功公关计划的关键要素。
摘要 音乐共同创造旨在使人类和计算机合作创作音乐。作为计算音乐学领域的 MIR 团队,我们在创作“2020 年 AI 歌曲大赛”参赛作品时尝试了共同创造。人工智能被用来独立生成歌曲的结构、和声、歌词和旋律,并作为人类作曲的基础。从创意和技术的角度来看,这都是一个挑战:在很短的时间内,团队必须调整自己的简单模型或尝试现有模型,以完成一项相关但仍然不熟悉的任务,即通过 AI 生成音乐。我们提出的歌曲名为“I Keep Counting”。我们公开详细介绍了歌曲创作、编曲和制作的过程。这次经历提出了许多关于创造力和机器之间关系的问题,无论是在音乐分析和生成方面,还是在 AI 在协助作曲家工作方面可以发挥的作用方面。我们尝试将人工智能作为自动化,使作曲的某些部分机械化,尤其是将人工智能作为建议来培养作曲家的创造力,这要归功于令人惊讶的歌词、不寻常的部分连续性和意想不到的和弦进展。因此,处理这些材料可以激发人类的创造力。
共同创造是一种独特的艺术情境,人与计算机互动,对互动性、可操控性和个性化提出了挑战。我们提出了一种新的共同创作音乐创作方法,我们在参加“2021 年人工智能歌曲大赛”时采用了这种方法,这是一项涉及人工智能 (AI) 的国际音乐比赛。我们对人工智能创作方法进行了个性化,以适应作曲家的需求和期望。作曲家与不同人工智能方法之间的互动贯穿整个作曲过程,包括通过基于机器学习的人工智能的数据共享和基于规则的人工智能的知识共享来生成旋律、和弦进行、整体结构和纹理变化。我们描述了这些人工智能方法以及作曲家如何与它们互动:人工智能方法的个性化使作曲家能够在保持原有风格的同时探索新的音乐领域,人工智能音乐生成“听起来就像是专门为他生成的”。歌曲“The last moment before you fly”在本次比赛中排名第三,评委强调了这首歌的“个人感觉”。我们在这里讨论这些方法如何为使用人工智能和个性化的新共同创作方法开辟道路。
最近,人们对计算音乐创作的兴趣激增,这在很大程度上受到了 ChatGPT 和 Stable Diffusion 等大型生成模型的影响。这些强大的生成式人工智能模型已经展示了非凡的能力,尤其是在文本和图像生成领域。在这些发展的推动下,音乐行业也开始探索部署大型音乐创作模型,如 MusicLM 和 MusicGen。然而,值得注意的是,这些以音乐为中心的生成模型的性能和能力尚未达到与文本和图像生成模型相同的复杂程度。音乐的生成面临着独特的挑战,例如捕捉复杂的时间结构、编排情感进程、描绘声音景观以及管理各种音乐元素之间复杂的相互作用。当前基于人工智能的音乐生成系统的可控性和交互性并不令人满意。鉴于这些考虑,对基于人工智能的流行音乐创作技术的发展进行批判性审查是及时且必要的,特别是从行业角度来看。本文借鉴作者作为行业和学术界高级研究人员的丰富经验,全面概述了基于人工智能的音乐创作技术及其在现实世界音乐制作中的实际应用。它研究了歌词生成、旋律创作、歌词旋律匹配、编曲和音频合成等多个方面。该评论深入了解了人工智能技术在实际音乐制作中的演变和应用,批判性地评估了它们的优势和局限性。此外,本文还确定了该领域面临的挑战和未来的潜在方向,希望为该领域的发展做出贡献。
本文探讨了利用艺术创作作为评估高等教育非艺术课程学生的替代任务的潜力。希腊雅典国立和卡波迪斯特里安大学教育学和小学教育系的 18 名研究生在参加了六小时的心理教育学课程后,通过绘制一幅画来评估他们通过课程理解的同理心概念。然后,他们撰写了一篇关于他们艺术作品创作的反思性文字。使用基于 Gale 和 Bond 的评估框架 (2007) 的标准的内容分析法对学生创作的绘画和反思性文字进行了分析。研究结果表明,学生创作的艺术作品提供了有关他们的知识、技能和态度的丰富数据,并揭示了传统评估技术不会强调的学习方面。此外,它促进了学习向现实生活环境的关键转移。该研究建议在高等教育的非艺术课程中实施艺术创作作为替代评估技术。
机器学习和人工智能时代的创作者身份 Jean-Marc Deltorn、Franck Macrez ∗ 新一代算法工具最近已可供艺术家使用。基于机器学习领域的最新发展(推动当前人工智能应用激增的理论框架),并依靠前所未有的计算能力和数据,这些技术中介正在为意想不到的创作形式开辟道路。生成过程可以从训练示例语料库中自动学习,而不是依靠一套人为的规则来创作新颖的艺术作品。音乐特征可以在没有或极少人工输入的情况下提取并编码到统计模型中,然后用于创作原创作品,从巴洛克复调音乐到爵士乐即兴演奏。这些创意工具的出现,以及人类在创作过程中的消失,在版权保护方面提出了许多基本问题。假设人工智能生成的作品受版权保护,当机器参与创作过程时,谁是作者?并且,获得作者奖励的最低要求是什么?
版权所有者(包括科技公司)对其作品拥有专有权,包括控制对这些作品的使用许可。受版权保护的作品是构建和运营生成式人工智能工具、产品和服务的宝贵资源。尽管承认这一价值,但生成式人工智能开发人员在很大程度上未经许可就利用了此类内容,无视版权保护和明确的权利保留。互惠互利、充满活力的许可市场是可行且可取的,但只有在尊重版权、由强有力的机制确保问责和合规的情况下才能蓬勃发展。
本研究根据 Creative Commons 署名-非商业-禁止演绎 4.0 国际许可进行许可,该许可允许以任何媒介或格式进行任何非商业性使用、共享、分发和复制,只要您给予原作者和来源适当的信用,提供 Creative Commons 许可的链接,并表明您是否修改了许可材料。根据此许可,您无权共享从本研究或其部分衍生的改编材料。本文中的图像或其他第三方材料包含在文章的 Creative Commons 许可中,除非在材料的致谢中另有说明。如果材料未包含在文章的 Creative Commons 许可中,并且您的预期用途不被法定法规允许或超出允许用途,则您需要直接从版权所有者处获得许可。要查看此许可证的副本,请访问 http://creativecommons.org/licenses/by-nc-nd/4.0/。本研究项目由国际北极熊组织和加拿大环境与气候变化部资助。
HYROXWLRQ D TXHVW IRU FXULRVLW\ DQG FUHDWLRQ WKDW KDV PRXOGHG PDQ LQWR WKH EHLQJV WKDW WKH\ DUH 7KH HYROXWLRQDU\ WUDQVLWLRQ VSXUUHG E\ WKH EUDLQɛ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