王瑗瑗

在信息技術(shù)快速發(fā)展的背景下，以人工智能(下稱AI技術(shù))為代表的科技是當(dāng)下科研領(lǐng)域研究與應(yīng)用的熱點。AI技術(shù)的誕生可以賦予計算機(jī)更加人性化、智能化的功能，使得計算機(jī)不再呈現(xiàn)為冷漠的“死物”，而開始具備人類思考及情感方式的“活物”，這使得其同樣可以完成一些創(chuàng)造性任務(wù)，不再單純執(zhí)行重復(fù)性操作[1]。同理，在音樂創(chuàng)作領(lǐng)域中，通過AI技術(shù)的引入可以輔助音樂創(chuàng)作者更加高效完成作曲任務(wù)，提高了音樂創(chuàng)作的質(zhì)量與效率。

一、音樂創(chuàng)作中人工智能技術(shù)的應(yīng)用意義

(一)識別音樂旋律情況

在音樂創(chuàng)作過程中需要運(yùn)用到豐富的音樂方面的知識，如要注重旋律、節(jié)奏、音調(diào)等眾多方面的內(nèi)容，它們本身是決定最終音樂創(chuàng)作質(zhì)量的關(guān)鍵指標(biāo)與因素。以旋律為例，基于AI技術(shù)的創(chuàng)新應(yīng)用可以實現(xiàn)對音樂旋律進(jìn)行高效識別這一基本功能，即基于數(shù)學(xué)方法與思想來對相關(guān)音樂旋律方面的數(shù)據(jù)是否存在于固有音樂模式之中進(jìn)行數(shù)據(jù)對比分析，以此來驗證相應(yīng)音樂旋律本身的合理性與科學(xué)性。通過有效地對音樂旋律進(jìn)行識別，可以使計算機(jī)或者其他一些專門音樂創(chuàng)作相關(guān)的設(shè)備基于已有音樂旋律方面知識融入到全新的創(chuàng)作數(shù)據(jù)中，這樣就可以借助計算機(jī)來判定所創(chuàng)作音樂旋律是否同既有的音樂旋律知識庫中相關(guān)數(shù)據(jù)是否匹配，最終可以借此來實現(xiàn)“聽歌識曲”或“聽音識曲”等軟件功能，這些都是AI技術(shù)和音樂旋律識別功能的有機(jī)結(jié)合。但是為了保證基于AI技術(shù)的音樂旋律識別準(zhǔn)確度與效率，必須要采取緊密性、高效性的計算方法，保證可以通過高效地分析音樂調(diào)性及開展自動標(biāo)注等功能來提高音樂旋律及結(jié)構(gòu)等方面知識分析及應(yīng)用效果。這樣會為數(shù)字化音樂創(chuàng)作乃至智能化管理等提供強(qiáng)大的技術(shù)支持，提高了相關(guān)音樂作品創(chuàng)作的實效性。

(二)預(yù)測音樂流行情況

在音樂創(chuàng)作過程中需要考慮的一個關(guān)鍵指標(biāo)是所創(chuàng)作的音樂作品是否會受到社會大眾的青睞及喜愛，所以音樂流行情況也是音樂創(chuàng)作中需要考慮的重要指標(biāo)之一。以往的音樂流行情況方面數(shù)據(jù)多采取問卷調(diào)查等線下調(diào)查方式來獲取，但是基于AI技術(shù)的應(yīng)用則可以借助大數(shù)據(jù)技術(shù)等先進(jìn)科學(xué)技術(shù)，基于計算機(jī)平臺來對所創(chuàng)作音樂作品本身的流行性進(jìn)行有效地預(yù)測[2]。比如，“Shazam”這一音樂軟件(英國)對本年度的夏季流行音樂榜單進(jìn)行了預(yù)測，期間有效地挖掘了每天2億多用戶使用軟件的情況來利用及分析這些相關(guān)方面的數(shù)據(jù)資源。這使得其在預(yù)測流行音樂本身的流行趨勢方面要顯著超前于人為思考方式。通過基于AI技術(shù)來對時下流行音樂本身的流行趨勢進(jìn)行大膽地剖析，之后可以結(jié)合預(yù)測的結(jié)果來對音樂創(chuàng)作的內(nèi)容進(jìn)行合理調(diào)整，保證所創(chuàng)作出來的音樂作品本身可以符合當(dāng)下流行趨勢與風(fēng)向，避免因為沒有前期調(diào)研市場的音樂流行趨勢而直接影響了最終的音樂作品設(shè)計效果。

(三)音樂創(chuàng)作的進(jìn)化樹

在音樂創(chuàng)作中或者對音樂作品風(fēng)格進(jìn)行研究的過程中，“進(jìn)化樹”扮演著非常重要的角色?；谝魳愤M(jìn)化樹的靈活應(yīng)用，可以對有關(guān)音樂作品的創(chuàng)作者所創(chuàng)作出的音樂作品的風(fēng)格，或者某一種音樂流派本身的發(fā)展趨勢進(jìn)行有效的梳理。但是以往的人工審查及分析方式具有比較低的效率，且容易受到人為主觀因素的影響，但是此時如果可以創(chuàng)新應(yīng)用AI技術(shù)來賦予計算機(jī)更加豐富、多樣的功能，那么就可以借助一些特殊計算手段與方法的靈活應(yīng)用來對相應(yīng)音樂進(jìn)化樹本身進(jìn)行更加高效地剖析及確定，提高了音樂進(jìn)化樹分析結(jié)果的可靠性與準(zhǔn)確性，從而可以更好地服務(wù)于音樂創(chuàng)作實踐活動。有關(guān)學(xué)者在對進(jìn)化樹進(jìn)行分析過程中有效運(yùn)用了一種基于AI技術(shù)的自動化定量剖析算法來對不同流行音樂作品集彼此之間的相似度情況進(jìn)行有效分析?；贏I算法的靈活運(yùn)用，可以基于計算機(jī)平臺來講各首音樂作品本身相應(yīng)地轉(zhuǎn)換成以二維頻譜形式呈現(xiàn)的直觀視覺圖片，借此可以對歌曲作品本身的聲波變化中的紋理、形狀與頻率等進(jìn)行有效地呈現(xiàn)。與此同時，基于這種AI算法的靈活應(yīng)用，還可以通過對聲音“頻譜”進(jìn)行對比分析來分析以及排列不同的歌曲作品。最后基于數(shù)學(xué)領(lǐng)域中的統(tǒng)計學(xué)知識可以高效地分析不同音樂作品彼此之間的相關(guān)性。這樣就可以借助得到的樹狀圖中連線長度情況來對它們彼此之間的相似度進(jìn)行反映。一般連線長度越大，那么二者具有越低的相似度，反之則具有更高的相似度。通過該種AI算法應(yīng)用可以對不同音樂流派彼此之間的相關(guān)性，以及同一流派中不同音樂家彼此創(chuàng)作風(fēng)格等之間的相關(guān)性進(jìn)行有效地分析，這樣就借助基于AI技術(shù)的“進(jìn)化樹”來助力音樂創(chuàng)作活動高效開展。

(四)賦予音樂作品情感

音樂本身不僅僅反映的是一種對生活情形的表達(dá)，更是一種對內(nèi)心情感進(jìn)行有效表達(dá)的方式。音樂本身和個人情緒或情感之間具有非常強(qiáng)的聯(lián)系性?；谝魳纷髌返膭?chuàng)作，同樣需要綜合考慮所創(chuàng)作音樂作品本身要向受眾傳達(dá)的內(nèi)在思想情感，或者悲涼或者歡快，等等。比如，如果要配合激動震撼的演講活動，那么適宜選擇大調(diào)樂曲來展現(xiàn)出激昂特性，因為其本身具有優(yōu)美、流暢的旋律以及鮮明、暢快的節(jié)奏，并且其中往往會融入一些自得其樂的良好情感和情緒。比如，在G大調(diào)弦樂小夜曲創(chuàng)作中就有效地融入了上述這種非常真實的作品情感，提高了整體作品創(chuàng)作的效果。而在其他一些場合當(dāng)中，如要為受人敬愛的逝世者祈禱，此時悼詞或者音樂都要展現(xiàn)出悲哀的情緒，相應(yīng)的樂曲作品本身要展現(xiàn)出委婉、舒緩的小調(diào)旋律，這樣才能夠更好地使所創(chuàng)作的音樂作品本身可以充分展現(xiàn)出內(nèi)心的凄切和悲涼等感情。通過這種有效利用音樂表達(dá)情感的方式才能夠更好提升整體的音樂創(chuàng)作效果。而至于為什么大調(diào)音和小調(diào)音本身所展現(xiàn)出的兩種不同的情感表達(dá)方式方法本身是音樂史中非常關(guān)鍵的一個研究課題。而在以往依靠人工統(tǒng)計分析的方式，整體的統(tǒng)計分析效率低下，結(jié)果準(zhǔn)確性不足。而此時如果可以創(chuàng)新應(yīng)用AI技術(shù)，那么可以借助AI計算的方式來對各種音樂創(chuàng)作中的音樂進(jìn)行情緒或心情標(biāo)注。比如，有些音樂創(chuàng)作方面的相關(guān)企業(yè)可能會借助網(wǎng)絡(luò)平臺的構(gòu)建來為他們提供一些匹配他們各自心情的情緒，或者針對某些情感的音樂歌曲來相應(yīng)地提供其具體的風(fēng)格等，這樣都可以保證最終所創(chuàng)作的音樂作品本身更容易符合受眾的心境，這更有利于引發(fā)他們內(nèi)心的情感共鳴。比如，基于智能化穿戴設(shè)備的應(yīng)用，可以對用戶心率、面部表情等進(jìn)行有效捕捉，并結(jié)合這些數(shù)據(jù)來進(jìn)行AI分析，這樣就可以明確用戶此時的心情狀態(tài)，之后可以繼續(xù)為他們提供符合他們心情的音樂作品，極大提高了整體的音樂作品設(shè)計效果。此外，在音樂創(chuàng)作實踐中，如果可以靈活地應(yīng)用AI技術(shù)，那么可以在創(chuàng)作音樂作品實踐中更好地為作品賦予相應(yīng)的內(nèi)心情感，這對提高整體的音樂作品創(chuàng)作效果也有非常大的幫助。

(五)提高音樂創(chuàng)作質(zhì)量

AI技術(shù)在音樂創(chuàng)作實踐中的應(yīng)用有效助力了傳統(tǒng)音樂創(chuàng)作活動的高效開展，無論在音樂創(chuàng)作思路、創(chuàng)作技術(shù)支持以及創(chuàng)作作品評估及分析等方面都可以提供強(qiáng)大的技術(shù)支持，這樣方能夠更好地提高音樂創(chuàng)作的整體質(zhì)量。與此同時，在音樂創(chuàng)作過程中有效應(yīng)用AI技術(shù)期間，還可以通過認(rèn)真分析音樂信號本身的種類，如對音頻信號本身是否屬于波形文件及其本身的頻率情況進(jìn)行分析，這些都可以借助傅里葉等方面統(tǒng)計分析技術(shù)來對音頻頻譜信息及數(shù)據(jù)等進(jìn)行有效地分析。而這一切變化都可以借助專門的基于AI技術(shù)的機(jī)器來高效地處理相關(guān)信息，確保音樂創(chuàng)作過程中相應(yīng)音樂規(guī)則以及音樂信息處理效率，提高了音樂作品的整體創(chuàng)作效果。特別是可以立足于AI技術(shù)視角，通過自動化融入一些音樂旋律等方面的要素時所創(chuàng)作出來的作品本身更加生動、形象，更富有豐富、充足的音樂情感，提高了整體音樂作品創(chuàng)作的質(zhì)量。此外，相較于傳統(tǒng)音樂作品本身的創(chuàng)作流程，基于AI技術(shù)的有效支持，可以更好地提高相應(yīng)音樂創(chuàng)作本身的效率，使音樂創(chuàng)作活動變得更加輕松，更加有趣，這是傳統(tǒng)音樂創(chuàng)作手段及方法所無法比擬的巨大優(yōu)勢，對提高整體的音樂創(chuàng)作效果有積極意義。

二、音樂創(chuàng)作中常見的人工智能技術(shù)及應(yīng)用

(一)神經(jīng)網(wǎng)絡(luò)

以往AI技術(shù)本身應(yīng)用中主要采用規(guī)則的方式執(zhí)行程序，即依據(jù)由上到下的思路來進(jìn)行問題分析及解決。而神經(jīng)網(wǎng)絡(luò)(NN)則是基于由下向上的思路來對問題進(jìn)行分析及求解，其最大的特征就是對人類頭腦中的神經(jīng)元彼此之間的信息傳遞模式進(jìn)行模仿。NN本身具備如下2個突出的特征：一是各個神經(jīng)元都可以基于對應(yīng)輸出函數(shù)來對相鄰神經(jīng)元彼此之間的對應(yīng)加權(quán)輸入值進(jìn)行合理計算及有效處理；二是基于加權(quán)值來對神經(jīng)元彼此之間的信息交互聯(lián)系進(jìn)行表達(dá)，相應(yīng)的算法處理起來也是一直秉承持續(xù)開展自我學(xué)習(xí)和持續(xù)調(diào)整及優(yōu)化這一基本理念。此外，神經(jīng)網(wǎng)絡(luò)本身的處理環(huán)節(jié)涉及到海量數(shù)據(jù)開展訓(xùn)練，所以NN處理數(shù)據(jù)的過程本身具備了自組織與適應(yīng)，并行、分布式以及非線性等多樣化的計算特征。

在以往人工創(chuàng)作音樂作品期間，通常需要先后經(jīng)歷賞析和感知音樂作品內(nèi)涵，模仿音樂創(chuàng)作，以及逐步過渡到最終的獨立開展音樂創(chuàng)作。在整個音樂創(chuàng)作實踐中實際上包含著非常豐富的音樂創(chuàng)作知識，如包含學(xué)聲理論、作曲技巧與方法等，同時學(xué)習(xí)者需要在音樂創(chuàng)作的實踐中或者訓(xùn)練中需要接受指導(dǎo)者的反復(fù)批評改正及教育引導(dǎo)方可使他們對自己的音樂創(chuàng)作思路進(jìn)行不斷改進(jìn)及完善。這些學(xué)習(xí)過程實際上都可以創(chuàng)新應(yīng)用基于NN的架構(gòu)來進(jìn)行有效模擬，同時NN這一AI技術(shù)本身應(yīng)用于音樂創(chuàng)作的一個重要表現(xiàn)就是巧妙地應(yīng)用NN來構(gòu)建音樂創(chuàng)作基本思路及架構(gòu)。但是在基于NN運(yùn)作期間主要涉及到數(shù)據(jù)輸入及輸出環(huán)節(jié)，還設(shè)置有感知器來保證完成音樂創(chuàng)作數(shù)據(jù)的高效應(yīng)用及處理任務(wù)。實際上，可以將NN當(dāng)成一個“黑盒子”，只需要給予其充足的訓(xùn)練干預(yù)，即通過在輸入端持續(xù)性給定必要的X數(shù)據(jù)訓(xùn)練之后就可以從輸出端獲取到預(yù)期的Y。只有經(jīng)過基于NN開展海量數(shù)據(jù)處理及分析之后方可從中找到最佳的答案，而持續(xù)分析的過程可以對所構(gòu)建的數(shù)據(jù)分析訓(xùn)練模型進(jìn)行持續(xù)性修改及完善，保證可以更好地助力音樂創(chuàng)作活動高效開展。音樂本質(zhì)上是一種時間和語言的藝術(shù)，其中許多信息都是建立在時間軸基礎(chǔ)上，而神經(jīng)網(wǎng)絡(luò)本身涉及到比較多的網(wǎng)絡(luò)實現(xiàn)機(jī)制，并且RNN這一神經(jīng)網(wǎng)絡(luò)可以對時間軸信息進(jìn)行高效處理。因為RNN本身可以通過對時間維度信息進(jìn)行表示的相關(guān)參數(shù)新增來確保NN除了可以結(jié)合現(xiàn)階段數(shù)據(jù)開展數(shù)據(jù)分析外，也可以有效利用先前的數(shù)據(jù)分析來高效開展學(xué)習(xí)活動?；赗NN本身的應(yīng)用優(yōu)勢及特征，可以在音樂創(chuàng)作中有效運(yùn)用RNN來提高整體的音樂創(chuàng)作效果。

(二)長短期記憶單元

長短期記憶單元(LSTM)本身是一種對RNN結(jié)構(gòu)的升級結(jié)構(gòu)，不僅可以對RNN本身的爆炸所形成的神經(jīng)網(wǎng)絡(luò)或梯度消失問題進(jìn)行有效克服的同時，也充分地繼承了RNN分析模型本身的各種優(yōu)勢特征及應(yīng)用作用。比如，RNN固然能夠高效處理時間維度的相關(guān)信息，但是如果拉長了時間間隔，那么信息長期保存之后所形成的學(xué)習(xí)效果不是非常理想，這樣會對音樂信息處理效果帶來不利影響。而對該問題進(jìn)行有效求解的一個有效手段就是對網(wǎng)絡(luò)存儲進(jìn)行擴(kuò)增。而基于LSTM的有效應(yīng)用則可以實現(xiàn)長期保存及輸入自然行為方面的數(shù)據(jù)。實際上，LSTM本身相較于RNN的改變是多了忘記門、輸出門和輸入門這3個門。在實際的應(yīng)用過程中，LSTM本身的數(shù)據(jù)處理效果要顯著優(yōu)于RNN的數(shù)據(jù)處理效果，尤其是這種優(yōu)勢最早被應(yīng)用在了編解碼、對話生成與機(jī)器翻譯等這些領(lǐng)域當(dāng)中。簡言之，基于LSTM的靈活應(yīng)用，可以對超出人類思維和認(rèn)知范疇等一些更為復(fù)雜的思考過程進(jìn)行有效地表征，所以更有利于助力音樂創(chuàng)作活動的高效開展。

(三)自動編碼器

編碼器本身的非監(jiān)督學(xué)習(xí)這一過程本身是建立在壓縮或解壓特征數(shù)據(jù)的基礎(chǔ)上，并且本質(zhì)上是由多層神經(jīng)網(wǎng)絡(luò)所構(gòu)成，同時其本質(zhì)上也是非監(jiān)督學(xué)習(xí)數(shù)據(jù)的一種重要模型。音樂創(chuàng)作過程中的相關(guān)數(shù)據(jù)本身不存在優(yōu)劣之分，所以更加適宜于引入及應(yīng)用非監(jiān)督模式。而其中的變分自動編碼器(VAE)實際上就是一種常規(guī)自動編碼器本身的升級型號，其結(jié)構(gòu)和一般自動編碼器之間具有相似性，但是其根本原理及相關(guān)的區(qū)別主要體現(xiàn)在增設(shè)了一些限制因素和條件。這種處理原理實際上和音樂創(chuàng)作思維之間具有非常強(qiáng)的相關(guān)性。音樂創(chuàng)作過程本身實際上就是一個規(guī)則與創(chuàng)作二者并存的過程，相應(yīng)的VAE機(jī)制構(gòu)建及應(yīng)用則可以很好地符合相應(yīng)的音樂創(chuàng)作需求及條件。

在音樂創(chuàng)作實踐當(dāng)中，通過創(chuàng)新應(yīng)用VAE可以在對多聲部音樂的樂器和高動態(tài)等相關(guān)信息進(jìn)行分析及剖析的過程中獲得更好應(yīng)用，尤其是在爵士樂、古典樂等方面這些創(chuàng)作特征表現(xiàn)的更加顯著。特別是可以借助VAE的有效應(yīng)用來講莫扎特的音樂作品以爵士風(fēng)格進(jìn)行再現(xiàn)，這樣就可以使所創(chuàng)作的音樂作品本身呈現(xiàn)出一種混搭的風(fēng)格及方式。VAE本身是音樂內(nèi)容生成過程中最優(yōu)的一種方法，其可以對各種類型及形式的音樂數(shù)據(jù)進(jìn)行生成，如在多聲部音樂作品的生成過程中得到了廣泛運(yùn)用。然而，在相關(guān)的音樂數(shù)據(jù)本身屬于多模式的條件下，VAE無法提供更為明確的機(jī)制，無法推理離散值中的各種潛在變量，所以這就會對實際的音樂創(chuàng)作實踐活動有序開展造成限制。比如，在處理C大調(diào)和c小調(diào)期間，對音階當(dāng)中各種音的使用趨勢及傾向是各不相同的，尤其是在擴(kuò)展到不低于24音的情況下VAE伴有比較嚴(yán)重的處理困難問題。針對這種情況，許多音樂創(chuàng)作者想要借助“LSTM+VAE”這種方式來避免單一應(yīng)用VAE所存在的一些突出問題，更有利于提高音樂作品本身的創(chuàng)作實效性。但是在實際的音樂創(chuàng)作中融入VAE的過程中必須要注意結(jié)合實際的情況來進(jìn)行合理設(shè)計，保證可以對其中涉及到的和弦問題進(jìn)行有效分析、評級及評估，保證可以最大程度助力音樂創(chuàng)作的實效性。

結(jié) 語

總之，AI技術(shù)是助力音樂創(chuàng)作質(zhì)量與效率提升的一種先進(jìn)科學(xué)技術(shù)。通過在音樂創(chuàng)作中有效融入AI技術(shù)，可以識別音樂旋律情況，預(yù)測音樂流行情況，音樂創(chuàng)作的進(jìn)化樹，賦予音樂作品情感和提高音樂創(chuàng)作質(zhì)量。而在實際的音樂創(chuàng)作中應(yīng)用AI技術(shù)期間，要注意結(jié)合實際創(chuàng)作需求來靈活地選用神經(jīng)網(wǎng)絡(luò)和長短期記憶單元、自動編碼器等，保證最大程度提升音樂創(chuàng)作質(zhì)量。

注釋:

[1]陳世哲.淺談人工智能技術(shù)在音樂創(chuàng)作中的應(yīng)用[J].音樂探索,2020(01):125—132.

[2]毛暉敏.人工智能技術(shù)在音樂創(chuàng)作中的運(yùn)用探析[J].文藝生活·下旬刊,2021(15):275—276.