以下是一些与音乐识别相关的人工智能音频初创公司：
此外，关于 GPT-4 在音乐方面的情况：其训练数据中包含以 ABC 符号表示的音乐信息。当被指示生成简短曲调时，能够生成有效的 ABC 符号，有清晰结构、一致节拍和音符模式，但似乎未获得理解和声的技能。用音乐术语描述曲调时，能给出结构的技术描述，但和声和和弦描述与音符不一致。能按指示改写旋律，如将上升序列改为下降序列，将曲调转换为二重唱并添加低音声部，但两个声部之间缺乏和声。总之，能生成有效 ABC 符号曲调并解释和操纵结构，但无法产生非平凡形式的和声，也无法以 ABC 符号产生知名曲调或识别这些曲调。
[AIMS](https://www.aimsapi.com/)-人工智能驱动的音乐相似性搜索和自动标记，适合任何以音乐发现为业务的人。[FeedForward](https://www.figaro.ai/)-用于音频和声音目录的直观音频搜索引擎。[Aimi](https://www.aimi.fm/)-发现将音乐从歌曲和播放列表的束缚中解放出来的艺术家。[Utopia Music](https://utopiamusic.com/)-每次播放公平报酬。[Musiio](https://www.musiio.com/)（被SoundCloud收购）-使用人工智能帮助自动化您的工作流程。[niland](https://niland.io/)（被Spotify收购）-构建人工智能驱动的音乐应用程序。[cyanite](https://cyanite.ai/)-用于音乐标记和相似性搜索的人工智能。[musicube](https://csteinmetz1.github.io/ai-audio-startups/)（被SongTradr收购）-B2B AI音乐元数据服务，例如自动标记、元数据丰富和语义搜索。[Musixmatch](https://www.musixmatch.com/)-基于歌词的音乐发现、推荐和搜索的算法和工具。[hoopr](https://hoopr.ai/)-寻找最好的音乐，讲述更好的故事，扩大你的听众。人工智能驱动的引擎可帮助找到正确的配乐。[Pex](https://pex.com/)-音乐识别和版权合规性。音频指纹、大规模翻唱识别。[SONOTELLER](https://sonoteller.ai/)-AI音乐分析，包括歌词摘要、主题提取和音乐特征。
该模型的训练数据中也包含以ABC符号表示的音乐信息。这是一种使用字母、数字和符号来紧凑而易读地表示音高、持续时间、和弦和其他元素的系统。我们有兴趣探索模型从这种数据中获得了多少音乐技能，如创作新的旋律、转换现有旋律以及理解音乐模式和结构。当被指示生成一个简短的曲调（下图）时，模型能够生成有效的ABC符号。这个曲调有一个清晰的结构，小节之间的拍子一致，音符遵循逐渐上升和下降的模式。曲调还使用了一组一致的音符，节奏有重复的模式。然而，模型似乎没有获得理解和声的技能。事实上，在生成的曲调中，连续的音符几乎总是相邻的（即，跟在C后面的音符通常是B或D），在测试了10个生成的曲调后，我们无法提取任何清晰的和弦或琶音。
然后我们让模型用音乐术语描述曲调。它能够成功地以重复、旋律上升或下降的部分和节奏为基础，给出结构的技术描述，但是它似乎没有将和声和和弦的描述与音符保持一致（事实上，它指的是相邻的音符序列，它们不构成有效的和弦，而是琶音）。随后，我们让模型用两种方式改写旋律：首先，我们指示将某个上升序列改为下降序列，它成功地做到了；然后我们让模型将曲调转换为二重唱，并添加一个低音声部，模型成功地用与旋律相容的节奏扩展了ABC符号的第二个谱表，并以较低的八度演奏，但是两个声部之间缺乏和声。总之，该模型能够生成有效的ABC符号曲调，并在某种程度上解释和操纵它们的结构。然而，我们无法让模型产生任何非平凡形式的和声。需要注意的是，ABC符号并不是一个非常广泛使用的格式，事实上，该模型甚至无法以ABC符号产生最知名的曲调（如欢乐颂、致爱丽丝或绿袖子，这些曲调在网络上都以该格式丰富存在），也无法识别这些曲调。