ai曲风是计算机与传统音乐之间结合的作曲风格。
一个无法回避的话题是，AI作曲如果越来越成熟，它是否会抢夺音乐人的饭碗？过去，在互联网发展的催生下，音乐使用提成、直播打赏等等模式为音乐人创造了空前的发展机会。但是在目前，在眼下的音乐行业还远不是大多数，当前音乐人收入低是事实。
中国人民大学音乐与录音艺术学院的《音乐人生存现状与版权认知状况调查研究报告》（以下称音乐人报告）指出，美国人人均音乐消费水平16.41美元，而中国仅为0.15美元，美国的人均音乐消费是中国的109倍。中美音乐人收入差距11倍。
穷则思变，人工智能能作曲对音乐人来说可能很可怕，因为某种程度上，它在抢音乐人的饭碗。但在过去几年里，音乐制作人工智能软件已经取得了长足的进步，在音乐人本身收入数字专辑收入低的当下，它当前更多会充当音乐人的辅助，协助创作更多优质的作品。
因此，对于行业来说，与其说它是一种可怕的新奇事物，不如说它是一个更好的风口与机会，它更可能是一个协助音乐人提升效率的工具，未来会帮助更多制作人用来创作。
人工智能在作曲主要基于以下几种模型：
1、分形音乐。它表明音乐完全可以通过数学算法进行创作。分形音乐是几何学在作曲中的应用，但是只能创作一些较为简单的作品。
2、马尔科夫链。由于建模简单，可以即时产生新音乐，所以一直被广泛用于商业程序上，也大量出现在互动音乐艺术家的作品和即兴演出中。它基于随机过程、概率逻辑的有限控制方法，尤其是使用马尔科夫链结合一定约束规则，在统计的基础上对音乐的未来走向进行概率预测与风格边界限制。
3、遗传算法。将音符的排列组合进行编码，模拟物种繁殖过程，自动挑选出最优秀的作品。由于具有算法成熟和实现比较简单这两大优势，遗传算法得到广泛关注。但是，用遗传算法进行智能音乐生成，选取合适的评价函数是非常富于挑战性的工作，一定程度上限制了应用的快速发展。
4、人工神经网络。当前AI音乐研究的前沿技术，普遍采用具有深度学习能力的各种改进神经网络模型，来帮助人工智能模型学习样本音乐中的关键元素以及套路。模型充分学习一系列人类己经创作好的音乐，提取和存储音高、音长、音量、音色、音程、节奏、调式、和声等关键特征，即可按照要求大量输出有类似特征的新音乐。例如，Google Brain做的在线交互钢琴只需要识别当前任意类型的少量音乐，就可以根据音乐的相符度进行预测，实时输出自动弹奏出搭配音乐。