周陽

摘要：筆者以中國樂派為例，思考如何利用AI技術(shù)，從音響特征方面探究中國風(fēng)格的音樂作品。本文首先對于中國樂派的概念、現(xiàn)狀和發(fā)展方向進(jìn)行了闡述，并提出了探究其音響特征的原因，然后對于AI技術(shù)在音樂領(lǐng)域的應(yīng)用進(jìn)行了介紹。最后對基于AI技術(shù)在相關(guān)領(lǐng)域成型的經(jīng)驗(yàn)如何應(yīng)用在研究中國樂派音響特征方面進(jìn)行了探討，列舉出以“中國樂派音樂識別分類”“中國民族樂器”“中國樂派作品創(chuàng)作”為三個切入點(diǎn)。

關(guān)鍵詞：中國樂派 ? AI ? 人工智能音樂 ? 音響特征

中圖分類號：J605 ? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識碼：A ? ? ? ? ? ? ? ? ? 文章編號：1008-3359（2020）05-0029-06

近些年來，AI技術(shù)的發(fā)展呈迅猛之勢，對我們生活的方方面面、各個領(lǐng)域已經(jīng)或即將產(chǎn)生變革性的影響。AI在音樂領(lǐng)域目前的應(yīng)用諸如：音頻識別、音樂檢索、AI作曲、虛擬歌手等等也已經(jīng)取得了不俗的成績。相關(guān)研究的核心是都是建立在對于音樂音響特征相關(guān)數(shù)據(jù)的提取和運(yùn)用，基于此思路，如若AI技術(shù)運(yùn)用在中國風(fēng)格音樂方面，也勢必將在音樂分類，音樂創(chuàng)作，聲學(xué)，樂器學(xué)等領(lǐng)域大有作為。而“中國樂派”作為2016年被提出的新音樂學(xué)派概念，對于“新時代”下的中國音樂而言是非常具有代表性的，能利用AI技術(shù)對其音樂音響特征方面進(jìn)行研究，將為中國樂派的音樂特征分類、創(chuàng)作、教學(xué)、推廣提供幫助，進(jìn)而也為AI技術(shù)在中國風(fēng)格音樂研究領(lǐng)域積累一些經(jīng)驗(yàn)，提供一些思路。

一、中國樂派的概念界定

中國音樂學(xué)院院長王黎光指出：“中國樂派即中國音樂學(xué)派的簡稱。是以中國音樂元素為依托、以中國風(fēng)格為基調(diào)、以中國音樂家為載體、以中國作品為體現(xiàn)的音樂學(xué)派?！盵1]

在“中國音樂研究基地2019年學(xué)術(shù)年會”上，北京大學(xué)高丙中教授的主旨發(fā)言《中國樂派的定位與內(nèi)涵》進(jìn)一步定義了“中國樂派”。他指出，“中國樂派”是以中國音樂元素為依托，以中國風(fēng)格為基調(diào)，以中國音樂人為載體，以中國音樂作品為體現(xiàn)，以中國人民公共生活為母體的音樂派別。陸續(xù)又有學(xué)者指出中國樂派有狹義和廣義之分，也有深淺不同，成就高低，以及歷時、共時的不同含義。[2]

筆者所理解的“中國樂派”是一個多元一體的概念，許多著名樂派已在音樂歷史中奠定了崇高的地位，如“俄羅斯民族樂派”“維也納古典樂派”“威尼斯樂派”等，提到“俄羅斯民族樂派”人們想到了五人團(tuán)、柴可夫斯基，提及“維也納古典樂派”人們首先想到的是海頓、莫扎特、貝多芬，提及“威尼斯樂派”人們首先想到了意大利歌劇。不管這些樂派是受益于偉大作曲家也好，還是受益于藝術(shù)形式的融匯創(chuàng)新也好，最終還是歸結(jié)于它們都在其所屬時代抓住了歷史發(fā)展的機(jī)遇?！爸袊鴺放伞笔钱?dāng)今基于全球化語境下所提出的概念，所以創(chuàng)造性的繼承和發(fā)展它是當(dāng)今每一個中國音樂家都為之努力的目標(biāo)。

二、中國樂派發(fā)展現(xiàn)狀及發(fā)展方向

中國樂派有狹義和廣義之分，狹義的中國樂派是在中國社會、文化生態(tài)環(huán)境中形成的，特色獨(dú)具的小的或較小的樂派。他們的藝術(shù)風(fēng)格和特色，既有自己的共性特點(diǎn)，有一定的社會影響力，但相互間又可以彼此清楚地區(qū)分開來，如一些地方戲，民間音樂等等。[5]本文以下討論的中國樂派的現(xiàn)狀與發(fā)展，是指廣義范圍內(nèi)并帶有深層次高標(biāo)準(zhǔn)的中國樂派，比如在中國音樂史上，特別是近代及當(dāng)代較為有影響力、或具有劃時代意義的中國音樂名家的中國樂派作品。

首先從思想上，不乏有中國音樂家就對于本民族音樂派別的形成和發(fā)展提出過諸多思考，早在1934年10月21日黃自所撰寫的一篇文章《怎樣才可產(chǎn)生吾國民族音樂》就堅決的回答了音樂創(chuàng)作中國風(fēng)格的形成的歷史依據(jù)與發(fā)展道路?！懊褡逡魳犯镄屡伞贝淼膭⑻烊A先生，說過“一方面采取本國固有的精粹，一方面容納外來的潮流”，他指出在“東西的調(diào)合與合作之中，打出一條新路來”。我國優(yōu)秀的音樂家從未放棄對于獨(dú)立于歐洲音樂學(xué)派的中國風(fēng)格的探索，在這些前輩思想感召下，也經(jīng)過許多中國音樂家如冼星海、江文也、馬思聰、賀綠汀、馬可、張肖虎等不斷的努力，中國音樂作品在世界范圍內(nèi)的影響也在不斷擴(kuò)大，這著實(shí)體現(xiàn)了我國音樂家砥礪前行的藝術(shù)探索精神。

現(xiàn)如今，中國的音樂創(chuàng)作者們對于西方創(chuàng)作體系的了解和運(yùn)用可謂已經(jīng)到達(dá)了一定高度。但在“中國樂派”的建設(shè)方面，我們?nèi)栽谇斑M(jìn)和探索的路上，并且在這條道路上我們可能還要走的很長。當(dāng)今時代環(huán)境與歷史上代表西方藝術(shù)成的種種樂派的發(fā)展環(huán)境已是截然不同。這種不同體現(xiàn)在兩個方面，首先我們的時代變了，當(dāng)今已是全球化的時代，科技的發(fā)展，人與人之間的信息互聯(lián)早已發(fā)生天翻地覆的變化。“物質(zhì)決定意識”，時代的進(jìn)步，信息的多元化傳播，必將造就不同的音樂形態(tài)。

其次，我們目標(biāo)也是在全球化語境下構(gòu)建新“中國樂派”，這意味著我們要更加具有包容并進(jìn)的精神，既不能摒棄傳統(tǒng)，又要面對日新月異的藝術(shù)潮流的沖擊，還需要擁抱變化以此不斷去快速適應(yīng)時代賦予我們新的技術(shù)成果，并服務(wù)于藝術(shù)創(chuàng)作。只有這樣，“中國樂派”才能走向引領(lǐng)當(dāng)代審美文化的高峰，再現(xiàn)中國音樂的燦爛輝煌。

代表中國民族音樂最高學(xué)府的中國音樂學(xué)院提出了“承國學(xué)，揚(yáng)國韻，育國器，強(qiáng)國音”的辦學(xué)理念。這向我們傳遞了堅定不移的發(fā)展本民族音樂的決心，正如習(xí)近平主席所說：“優(yōu)秀的傳統(tǒng)文化，是中華文明的‘根本和‘精神命脈?！敝袊魳穼W(xué)院就是正在承載這一歷史使命的學(xué)府之一。我認(rèn)為，在未來中國樂派的發(fā)展道路上，本民族的音樂，特別是中國民族樂隊的作品將是一個不可忽視的重要體裁。除此之外，中國樂派交響樂作品也是未來發(fā)展中的一個重要組成部分。真正的高標(biāo)準(zhǔn)的樂派，必須要有一批優(yōu)秀的名家并有在世界范圍內(nèi)有影響力的作品，交響樂及中國民族樂隊都是呈現(xiàn)音樂作品的最高表現(xiàn)形式之一。由此可見，中國樂派的發(fā)展一定是“兼容并進(jìn)，包容創(chuàng)新”的，也勢必要朝著培養(yǎng)優(yōu)秀的民族音樂家，創(chuàng)造在世界范圍內(nèi)有影響力的民族音樂作品的方向去發(fā)展。

三、為何要研究中國樂派的音響特征

這里所指的音響特征是從音樂聽感角度出發(fā)，去探尋和總結(jié)音樂給人帶來某種普遍主觀聽感的關(guān)鍵要素。音樂終究是聽覺的藝術(shù)，歷史上著名樂派的成功，無一例外都有其鮮明的特征，相關(guān)的研究也層出不窮，從作曲技法到民族歷史甚至社會學(xué)等方面，都已有非常豐碩的成果。近年來，隨著科學(xué)技術(shù)的發(fā)展，越來越多的國內(nèi)外學(xué)者都開始從音樂音響層面對不同樂派、不同風(fēng)格的作品進(jìn)行研究，以此來開啟一個新的視角更好的論證和發(fā)展它們。

中國樂派是一個尚在發(fā)展道路上的時期，并處在全球化和科技革命浪潮迭起的環(huán)境中。若以研究音響特征為切入點(diǎn)則有如下幾點(diǎn)益處：

其一， 中國樂派概念可大可小，有狹有廣，層次有深有淺，成就有高有低。若以音響特征為切入點(diǎn)對其進(jìn)行研究，可以為該樂派的建設(shè)提供多元化的理論支撐。

其二，研究中國樂派的音響特征，特別是對于民族樂器層面的音響特征研究，可使更多的創(chuàng)作者、演奏者受益。

其三，研究中國樂派的音響特征，并參照西方樂派音樂成功的音響模式進(jìn)行比對，可以從聽感角度解釋中國樂派音樂的特殊性，其次可以汲取西方的音響模式成功的要素。

四、AI技術(shù)應(yīng)用在音樂領(lǐng)域的優(yōu)勢

科技發(fā)展對于音樂文化的影響是巨大的，參考“電子音樂”的發(fā)展歷程就不難感受這一點(diǎn)。人工智能的發(fā)展速度及影響力更是“來勢洶洶”，根據(jù)加速回報定律（Law of Accelerating Returns）和“摩爾定律”（Moores Law），人工智能的發(fā)展將超出一般大眾所感知事物發(fā)展的速度.因此，快速適應(yīng)時代的發(fā)展，并提前張開雙臂迎接它，我相信是任何領(lǐng)域的頂尖學(xué)府走在學(xué)科前沿的重要原因。

AI 技術(shù)目前已經(jīng)在許多領(lǐng)域有非常成功的應(yīng)用，現(xiàn)階段常用的AI技術(shù)無外乎解決以下幾種問題：第一是分類識別的問題，第二是預(yù)測的問題，第三是生成的問題。在音樂領(lǐng)域，AI已經(jīng)在輔助解決一些相關(guān)問題并取得了豐富的成果，例如：音樂檢索;樂譜識別;音頻識別，屬于AI分類識別的問題。音樂智能推薦屬于預(yù)測問題。AI作曲，虛擬歌手，樂器3D打印復(fù)原屬于生成問題。

人們對于AI技術(shù)在音樂領(lǐng)域的已有成果，以及對于未來前景期望都持非常肯定的態(tài)度，如果說交通工具是人類身體的延展，那么AI就是人腦的延展。目前一些“弱人工智能”已經(jīng)在音樂領(lǐng)域得到了很廣泛的應(yīng)用，它可以更有效率的完成需要人腦“機(jī)械化”重復(fù)完成的工作。就本文想要達(dá)到探索中國樂派音響特性這一目的而言，AI可以通過自身學(xué)習(xí)，在豐富多樣的中國音樂中識別相關(guān)特征，儲存海量的數(shù)據(jù)。在我們遇到不好下定論的音樂問題時，給予我們更多的參考，例如利用AI的音頻識別技術(shù)，我們很容易能夠分析一件樂器是否具有完備的音響效果，一首民歌的分類，唱腔的識別，流派的歸納等等。其實(shí)不僅如此，我們知道AI深度學(xué)習(xí)技術(shù)需要基于大量的數(shù)據(jù)才能生成結(jié)果，在前期構(gòu)建用于AI學(xué)習(xí)資料的數(shù)據(jù)庫過程中，也反向的促使我們對于想要研究中國樂派中的某一對象進(jìn)行大量的調(diào)研和數(shù)據(jù)整合，這個過程本身也具有極大的價值。

除了幫助人腦完成“機(jī)械化”的工作外，隨著未來“強(qiáng)人工智能”的發(fā)展，音樂“生成類”的應(yīng)用將更加常見，甚至有可能將音樂情感感知和識別技術(shù)繼續(xù)深化，這就為我們提供了更大的想象空間。比如，我們將帶有中國樂派音響特性的作品讓AI加以學(xué)習(xí)，它可以為我們輸出各種版本的音響樣本;將文字、圖片、影像、或者燈光等其他媒介的參數(shù)通過遷移數(shù)據(jù)映射到音樂參數(shù)上，讓AI自身在學(xué)習(xí)過程中總結(jié)復(fù)雜的事物規(guī)則，最終為我們模擬出融匯多種元素的超前藝術(shù)表現(xiàn)形式。

五、AI技術(shù)探索中國樂派音響特征的切入點(diǎn)

筆者認(rèn)為AI技術(shù)可以在研究中國樂派音響特性這一領(lǐng)域大有作為，具體切入點(diǎn)有如下三個方面：中國樂派音樂識別分類問題;中國民族樂器音響特性問題;中國樂派音樂多維度創(chuàng)作問題。

（一）中國樂派的音樂識別分類問題

首先說中國樂派的音樂識別分類問題，如上文所述，中國樂派可大可小，可狹可廣，無論從時間、空間或音樂家的維度都包含多重種類。人們在欣賞中國樂派民族音樂的時候，特別是一些中國少數(shù)民族音樂例如藏傳佛教音樂、維吾爾族十二木卡姆、花兒等，如果不是相關(guān)領(lǐng)域的研究者，有時很難將準(zhǔn)確將其歸類，也無法快速的找尋到相似的作品。如果能夠利用AI來深度學(xué)習(xí)技術(shù)來學(xué)習(xí)某類中國樂派音樂音響的特征，那么對于該類音樂的識別和傳播都會帶來極大便利。參照一些AI技術(shù)對于國外音樂的分類識別如藍(lán)調(diào)（blues）、古典（classical）、鄉(xiāng)村（country） 、迪斯科（disco） 、嘻哈（hip-hop）、 爵士（jazz）、金屬（metal）、 流行（pop）、 雷鬼（raggae）、搖滾（rock）的成功案例，可以將其運(yùn)用到中國樂派的分類識別當(dāng)中去。

具體方法是首先對要研究的某一類中國樂派音樂作品進(jìn)行音樂庫的建立，也就是說對于研究對象進(jìn)行各種不同音樂片段收集，具體實(shí)驗(yàn)標(biāo)準(zhǔn)可參照Tzanetakis在2002年對西方音樂進(jìn)行分類實(shí)驗(yàn)時使用的西方音樂流派庫。[26]對于中國樂派民族音樂進(jìn)行10組左右的選擇，每組由50個代表性的音樂片段組成訓(xùn)練集，25個用于驗(yàn)證的驗(yàn)證集，25個用于測試的測試集。下一步對于音響信號進(jìn)行預(yù)處理，比如預(yù)加重、分幀、加窗等，這樣做的目的是讓音樂的音響特征在接下來的分類中更有效。接下來就是音響特征的提取，這是對于音樂識別分類重要的一環(huán)，在這一環(huán)節(jié)實(shí)際上可研究的角度有很多，（正如上文所說，對于音樂專業(yè)背景的人來說，對于特定種類的中國民族音樂進(jìn)行音響特征提取的過程本身就具有相當(dāng)大的價值，可以為該音樂種類的研究提供很多客觀數(shù)據(jù)）目前，筆者認(rèn)為對于中國樂派音樂音響特征的提取可以有兩種思路，這兩種思路對應(yīng)了下一步不同的人工智能學(xué)習(xí)方法。

我們可以對它的時域特征、頻域特征、倒譜域特征等進(jìn)行提取，運(yùn)用一些比較“傳統(tǒng)”的分類識別任務(wù)的方法中去，比如決策樹，支持向量機(jī)，邏輯回歸等。這種分類通常是有監(jiān)督的訓(xùn)練，具體過程大致是先進(jìn)行音響特征提取，然后把他們標(biāo)簽化，最后AI學(xué)習(xí)音響特征和音樂類別的關(guān)系，從而實(shí)現(xiàn)識別分類。

先提取原始音響特征，也就是音樂信號底層特征提取。比如FFT、MFCC、MPC等。特別是梅爾多譜系數(shù)（Mel-phon Cofficients，MPC），簡稱MPC，這個特征是Vincent P在2010年發(fā)表的文章中提出的特征[25]，提取該特征是因?yàn)?，它更適合在級聯(lián)的網(wǎng)絡(luò)結(jié)構(gòu)中對音樂流派進(jìn)行識別分類。下一步可以通過目前比較流行的深度信念（置信）網(wǎng)絡(luò)（Deep Belief Networks）進(jìn)行算法識別。

以上兩種方法在對于中國樂派音樂分類識別問題中各有優(yōu)劣，可謂“魚和熊掌”。第一種是有監(jiān)督的，通過人工提取各種音樂音響特征包含底層特征和高層特征，并根據(jù)具體的對象進(jìn)行具體的建模。這種方法研究的過程對于該類音樂特征會收集很多客觀數(shù)據(jù)，分類器和算法可能都是特定的，雖然通用性較差，但是筆者相信這一過程中一定有有利于音樂專業(yè)背景的研究者從音樂學(xué)的角度去得出某種結(jié)論。第二種方法從實(shí)踐應(yīng)用角度更為理想，因?yàn)橹恍枰斎胍繇懙牡讓犹卣?，AI網(wǎng)絡(luò)就會進(jìn)行數(shù)據(jù)分析和學(xué)習(xí)，學(xué)習(xí)的過程是“無監(jiān)督”的，對于音響本質(zhì)的抽象特征是如何判斷的，或許AI有自己的一套“心法”。當(dāng)然，目前利用AI深度學(xué)習(xí)技術(shù)對于中國樂派音樂進(jìn)行分類識別方面的研究還尚未實(shí)踐，還需要更多的研究者對其進(jìn)行探究，總結(jié)經(jīng)驗(yàn)。

（二）從中國樂派民族樂器方面入手

一個樂派的音響特征，樂器的使用以及配器手法會對其產(chǎn)生非常大的影響。所謂“弓欲善其事，必先利其器”，那些西方著名樂派的產(chǎn)生，一定程度上要?dú)w功于西方有較為科學(xué)統(tǒng)一、標(biāo)準(zhǔn)化的樂隊編制以及樂器制造標(biāo)準(zhǔn)。實(shí)際上國外對于管弦樂器聲學(xué)方面研究開展的也比較早，并取得了研究成果。如J. Meyer的著作《音樂聲學(xué)與音樂演出》對西洋管弦樂團(tuán)中所有樂器一一進(jìn)行了聲學(xué)分析，并對其在舞臺上的聲音強(qiáng)度、擺位等問題進(jìn)行研究。[20]客觀科學(xué)的樂器聲學(xué)研究加上源源不斷的商業(yè)化實(shí)踐是造就西方管弦樂隊至今旺盛生命力的原因之一。

筆者認(rèn)為，為中國民族樂器創(chuàng)作的優(yōu)秀作品，必將更有機(jī)會成為中國樂派的代表作。對于中國民族樂器的音響特征方面，近些年來越來越多的相關(guān)專家學(xué)者對其進(jìn)行了研究，并取得了不俗的成果，2008年由韓寶強(qiáng)教授任課題組組長的文化部科技項(xiàng)目《中國民族樂器音響標(biāo)準(zhǔn)庫》項(xiàng)目正式啟動，選取了涵蓋拉弦、彈撥、吹管、打擊樂各聲部的20件代表性民族樂器，經(jīng)過樣本采集、主觀評價、數(shù)據(jù)分析以及數(shù)據(jù)庫構(gòu)建等階段，形成了《中國民族樂器音響標(biāo)準(zhǔn)庫》。[8]2016年由中國音樂學(xué)院主辦，“中國樂派”管弦樂隊音響模式探索研討會在北京召開，付曉東教授對其所主持的國家社科基金藝術(shù)學(xué)項(xiàng)目“中西管弦樂器聲學(xué)特征比較研究”進(jìn)行了闡述，指出了當(dāng)前民族管弦樂隊中的樂器問題，比如特征音區(qū)劃分模糊，聲學(xué)性能難以定義，音響匹配難以控制、樂器數(shù)量選擇的不確，整體音響“尖、扁、雜”的問題等。[4]

AI技術(shù)的出現(xiàn)我認(rèn)為可以很好的輔助解決一些中國樂派民族樂器的音響問題，比如中國民族器樂的單件樂器音色標(biāo)準(zhǔn)問題以及樂器組合合理性的問題。

中國民樂的樂器制作標(biāo)準(zhǔn)化一直以來是都是一個重要的議題，一件完備的民族樂器應(yīng)當(dāng)兼具“和諧性”又不失其個性。我們可以提取我們認(rèn)為品質(zhì)較高樂器的聲音特征作為原始特征樣本，利用AI深度學(xué)習(xí)技術(shù)，學(xué)習(xí)該種樂器各種不同技法的音頻素材，今后若有相關(guān)的樂器需要進(jìn)行測評，那么AI系統(tǒng)就會根據(jù)我們之前較高品質(zhì)的樣本進(jìn)行比對并輸出結(jié)果。比如，想知道一把二胡是否達(dá)到較高品質(zhì)的標(biāo)準(zhǔn)，就可以把其音響素材輸入給AI系統(tǒng)，AI會通過之前學(xué)習(xí)過的各種二胡聲音素材進(jìn)行音頻識別，并給出我們測評的二胡聲音與高品質(zhì)二胡聲音的差異性，相關(guān)技術(shù)流程其實(shí)已在語音識別方面屢見不鮮，手機(jī)系統(tǒng)當(dāng)中的語音助手其實(shí)就是同類別的成功案例，我們需要做的是把AI學(xué)習(xí)人類語言改為學(xué)習(xí)音頻素材，把語音助手與用戶的輸出對話，轉(zhuǎn)為輸出對于這件樂器性能的測評報告。當(dāng)然，該方案雖然在理論上已經(jīng)在語音識別方面取得成功，但放在中國樂器樂器音響性能方面也會存在一定難度，比如，樂器聲音質(zhì)量的需要進(jìn)行主觀評價調(diào)研，同種樂器不同的音頻素材的樣本采集需要相當(dāng)?shù)臅r間，樂器不同的技法的音響特征可能需要建立不同的AI學(xué)習(xí)模型等等。

利用AI技術(shù)也可以輔助解決有關(guān)中國樂派民族樂器組合中音響合理性的相關(guān)問題。韓寶強(qiáng)教授2016年在“中國樂派”管弦樂隊音響模式探索研討會上提出，民族音樂的創(chuàng)作方面現(xiàn)今最大的問題是缺少一本具有科學(xué)性且“中國特色”的樂器法與配器法的教材。筆者認(rèn)為，有關(guān)中國民族管弦樂隊配器或者說音色組合的問題，需要對于各民族樂器組合進(jìn)行大量相關(guān)實(shí)驗(yàn)，從樂器的數(shù)量，不同樂器音色搭配進(jìn)行多方面的試驗(yàn)，在學(xué)習(xí)西方管弦樂隊的音響模式的可取之處的同時盡可能發(fā)揮中國民族樂器的特色。在中國民族樂器音響聲學(xué)研究方面，我們已經(jīng)有了不少相關(guān)研究，不少學(xué)者開始從民族樂器的客觀音色屬性角度考慮民族管弦樂隊音響匹配度的問題。但是在有關(guān)音色匹配問題的具體實(shí)踐過程中仍有很大難度，主要原因是需要大量的時間和人力對不同音色組合的聲音進(jìn)行實(shí)驗(yàn)，既要有場地的限制，還要從作品的角度考量，并且要結(jié)合主觀調(diào)研，最終才能給出準(zhǔn)確的結(jié)論。如果利用AI技術(shù)，則可以加速這一探索過程，比如我們利用現(xiàn)有《中國民族樂器音響標(biāo)準(zhǔn)庫》的數(shù)據(jù)（或者依照實(shí)際需要采樣相關(guān)素材），根據(jù)相關(guān)算法進(jìn)行建模，參照西方的管弦樂音響模式，把不同的音色進(jìn)行配比組合，輸出不同結(jié)果，最后結(jié)合主觀評價得出結(jié)論以供參考。上述流程的底層邏輯，其實(shí)是基于統(tǒng)計學(xué)的范疇，在圖片生成領(lǐng)域已經(jīng)不是新鮮事了，比如幾年前就有人利用AI深度學(xué)習(xí)技術(shù)，將很多張人臉的照片交給AI進(jìn)行學(xué)習(xí)，AI根據(jù)這些圖片的特征會自動生成出一張新的人臉，而這是在真實(shí)世界不存在的人臉。具體應(yīng)用在民族樂器組合音色試驗(yàn)方面，筆者認(rèn)為可以采取如下方法，首先找一段比較有代表性的中國樂派作品的樂譜，用西方管弦樂隊當(dāng)中公認(rèn)的音響匹配度較高的樂器組或某些樂器組合進(jìn)行演奏，以此作為AI輸出結(jié)果的參照。然后將民族管弦樂中的某些樂器組或樂器組合的音頻素材進(jìn)行整理，并利用采樣軟件映射到MIDI信號中去，通過AI深度學(xué)習(xí)，給出最接近我們剛剛選取參照結(jié)果（也就是西方管弦樂隊中音響匹配度較的高音色組合）的不同方案，并也以MIDI信號的形式進(jìn)行輸出，下一步需要對于給出方案的可行性進(jìn)行主觀評價，并得出結(jié)論。

不難看出，上述方案不受場地空間限制，不受時間限制，為我們省去組織樂手對于不同樂器進(jìn)行組合演奏和參照比對的大量時間，同時也可以把相關(guān)學(xué)者對于民族樂器音響匹配度的理論假設(shè)加以實(shí)踐。但該方案實(shí)施也有難點(diǎn)，第一是譜例的選取需要精心挑選，盡量具有通用性。第二是最終的方案如何平衡音響“和諧”與中國樂器“特點(diǎn)”的保留。

（三）有關(guān)中國樂派多維度創(chuàng)作方面

AI技術(shù)可以用于輔助中國樂派作品創(chuàng)作，為創(chuàng)作者提供靈感，也為將來中國樂派音樂多維度、多媒介的展現(xiàn)提供基礎(chǔ)。人工智能作曲（Artificial Intelligence Composition） 簡稱AI 作曲，隸屬于算法作曲的范疇，是運(yùn)用人工智能算法進(jìn)行機(jī)器作曲的過程，以使人（或作曲家）在利用計算機(jī)進(jìn)行音樂創(chuàng)作時的介入程度達(dá)到最小。[21]實(shí)際上，AI作曲（特別是單旋律作曲）的底層邏輯是“遺傳算法”，舉個例子，我們今天常見的打字“輸入法”自動聯(lián)想功能，就是非常典型的案例，而在AI作曲方面，只不過我們把打字自動聯(lián)想，換成了音樂音符預(yù)測。近些年來，利用混合算法的AI技術(shù)，準(zhǔn)確的抓住某類作品的音響特征，并生成相似風(fēng)格的作品。例如：2016年2月，第一部由算法創(chuàng)作的音樂劇《越過墻垣》（Beyond theFence）在倫敦上演;2016 年 6 月，谷歌公司研發(fā)的機(jī)器學(xué)習(xí)項(xiàng)目馬真塔（Magenta）通過神經(jīng)學(xué)習(xí)網(wǎng)絡(luò)創(chuàng)作出一首時長90秒的鋼琴曲;同年9月，索尼計算機(jī)科學(xué)實(shí)驗(yàn)室利用人工智能程序創(chuàng)作了一首披頭士音樂風(fēng)格的歌曲《爸爸的汽車》（Daddy's Car）。2019年10月11日由深圳交響樂團(tuán)全球首次公演AI交響變奏曲《我和我的祖國》，這是由中國平安人工智能研究院構(gòu)建的首個交響樂創(chuàng)作模型。

通過查閱文獻(xiàn)梳理人工智能作曲的發(fā)展歷程可看出，人工智能作曲在早期存在算法種類不同，作品風(fēng)格單一，但隨著時間發(fā)展，各種算法組合被逐漸應(yīng)用，風(fēng)格也逐漸走向多元化，中國平安人工智能研究中心首部交響變奏曲就是一個非常好的成功案例。筆者認(rèn)為，雖然目前AI作曲在中國樂派的案例還比較稀缺，但中國民族音樂非常豐富，收集中國樂派音樂作品（民族管弦、室內(nèi)樂、宮廷樂隊、小樂種等）將“節(jié)奏、和聲、對位、調(diào)式等音樂數(shù)據(jù)進(jìn)行AI訓(xùn)練（強(qiáng)化學(xué)習(xí)），改善已有AI作曲的算法，即可推出中國樂派音樂體裁輔助作曲、自動伴奏算法。這樣即能夠從數(shù)據(jù)特征的角度總結(jié)中國樂派音樂作品中的特點(diǎn)，同時為作曲家提供不同的創(chuàng)作靈感和聲音參考。

AI除了通過學(xué)習(xí)中國樂派音響特征可以服務(wù)于創(chuàng)作之外，未來利用AI技術(shù)創(chuàng)作多維度，多媒介的中國樂派作品才是最終目標(biāo)。筆者在研究生期間，創(chuàng)作并在中國音樂學(xué)院歌劇廳成功上演了一首帶有實(shí)驗(yàn)性質(zhì)的MIDI音樂作品，利用原聲樂器、MIDI樂器和三維模型互動作算法結(jié)合，最終完成這首雙媒介的作品，如圖一。

這是MIDI音樂的多媒介展現(xiàn)的實(shí)驗(yàn)性作品，但未來我相信AI技術(shù)會在音樂情感識別，人機(jī)交互，結(jié)合諸如視覺、聽覺、體感等多渠道信息來輔助創(chuàng)作中國樂派音樂，甚至拓寬中國樂派音樂的表現(xiàn)形式。而AI學(xué)習(xí)中國樂派作品的音響特征，是這一切的基礎(chǔ)?？萍家匀藶楸荆夹g(shù)服務(wù)于藝術(shù)，更多維度的表現(xiàn)手法也一定能豐富音樂作品表現(xiàn)力。

六、結(jié)語

人工智能時代的到來已經(jīng)是不可逆轉(zhuǎn)的趨勢，習(xí)近平總書記在黨的十九大報告中指出，“要將人工智能的發(fā)展提升到國家戰(zhàn)略的高度?！比斯ぶ悄茉谝魳奉I(lǐng)域的應(yīng)用已經(jīng)取得了不俗的成績，并且有關(guān)人工智能音樂的教育也逐漸在各地展開，2019年中央音樂學(xué)院成立人工智能音樂系，首招人工智能與音樂信息科技方向博士。同年上海音樂學(xué)院音樂科技系開設(shè)音樂人工智能課程。筆者相信，能夠合理的利用AI技術(shù)，勢必會加速中國樂派的發(fā)展，如果以探索音響特征方面入手，利用AI技術(shù)輔助人腦，對各項(xiàng)復(fù)雜的音樂數(shù)據(jù)進(jìn)行深度學(xué)習(xí)，我們既能夠在此過程當(dāng)中總結(jié)出客觀數(shù)據(jù)，又能對于想要試驗(yàn)的音響效果進(jìn)行多維度的預(yù)測、生成，最終為中國樂派發(fā)展提供更加多元化的理論依據(jù)，并推動更多更好的中國樂派作品發(fā)展和傳播。

參考文獻(xiàn)：

[1]王黎光.兼容并包借鑒創(chuàng)新——建設(shè)“中國樂派”系列思考[J].中國音樂，2018，（01）.

[2]金野.中國樂派交響樂作品教學(xué)與研究實(shí)踐 第一階段（1916年至1949年）項(xiàng)目成果綜述[J].音樂創(chuàng)作，2018，（10）.

[3]趙維平.“中國樂派”的史學(xué)理論建設(shè)——2016中國音樂學(xué)院“中國樂派與中國音樂節(jié)學(xué)術(shù)研討會”發(fā)言[J].音樂創(chuàng)作，2017，（02）.

[4]勾宸.“中國樂派”管弦樂音響模式的探索——“中西管弦樂器聲學(xué)特征比較研討會會議綜述”[J].人民音樂，2018，（07）.

[5]秦序.中國樂派的釋義與歷史定位[J].中國音樂，2019，（05）.

[6]王黎光.“紀(jì)念馬可先生誕辰百年學(xué)術(shù)研討會”院長致辭[J].中國音樂，2018，（05）.

[7]楊九華.關(guān)于中國樂派的學(xué)理思考[J].中國音樂，2017，（01）.

[8]韓寶強(qiáng).樂器音響能建立標(biāo)準(zhǔn)嗎——《中國民族樂器音響標(biāo)準(zhǔn)庫》的心理物理學(xué)基礎(chǔ)[J]. 演藝設(shè)備與科技，2009，（02）.

[9]韓寶強(qiáng).音的歷程[M].北京：人民音樂出版社，2016.

[10]付曉東.民族樂器音響協(xié)和研究——以梆笛、二胡與琵琶為例[J].人民音樂，2016，（12）.

[11]付曉東.《中國民族樂器音響標(biāo)準(zhǔn)庫》項(xiàng)目的研制標(biāo)準(zhǔn)[J].演藝科技，2012，（03）.

[12]甄超，鄭濤，許潔萍.音樂流派分類中特征選擇算法研究[A].第18屆全國多媒體學(xué)術(shù)會議（NCMT2009）、第5屆全國人機(jī)交互學(xué)術(shù)會議（CHCI2009）、第5屆全國普適計算學(xué)術(shù)會議（PCC2009）論文集[C].2009年.

[13]喻曉雯，張楠，張勇.音樂作品風(fēng)格流派的神經(jīng)網(wǎng)絡(luò)識別方法研究[J].計算機(jī)工程與應(yīng)用，2011，（27）.

[14]余凱，賈磊，陳雨強(qiáng).深度學(xué)習(xí)的昨天、今天和明天[J].計算機(jī)研究與發(fā)展，2013，（12）.

[15]梁曉晶，李子晉.音樂與計算機(jī)的跨學(xué)科對話——2018音樂人工智能發(fā)展研討會側(cè)記[J].人民音樂，2019，（03）.

[16]馮寅，周昌樂.算法作曲的研究進(jìn)展 [J].軟件學(xué)報，2006，（02）.

[17]周莉，鄧陽.人工智能作曲發(fā)展的現(xiàn)狀和趨勢探究[J].藝術(shù)探索，2018，（05）.

[18]李偉，高智輝.音樂信息檢索技術(shù)：音樂與人工智能的融合[J].藝術(shù)探索，2018，（05）.

[19]中國音樂研究基地2019年學(xué)術(shù)年會[J].音樂研究，2019，（03）.

[20]Meyer J. Acoustics and the Performance of Music ?Springer New York， 1978

[21]P.Salove J.D.Mayer. Emotional ?intelligence[J].Imagination ?cognition & personality ?1990.

[22]Li T，Ogihara MToward intelligent music information retrieval ?IEEE Transactions on Multimedia 2006.

[23]Marques J，Moreno P J A Study of Musical Instrument Classification Using Gaussian Mixture Models and Support Vector Machines Compaq Corporation Cambridge Research Laboratory 1999.

[24]Alessandra Capanna ? Iannis Xenakis：archiect of light and sound ? Nexus network journal ?2001.

[25]Vincent P Stacked Denoising Autoencoders：Learning Useful Representations in a Deep Network with a Local Denoising ?Criterion Journal of Machine Learning Research ?2010.

[26]Tzanetakis G，Cook P.Musical genre classification of audio signals [J].IEEE Transactions on Speech&Audio Processing，2001.