人工智能技术在音乐创作中的应用

王瑗瑗

在信息技术快速发展的背景下，以人工智能(下称AI技术)为代表的科技是当下科研领域研究与应用的热点。AI技术的诞生可以赋予计算机更加人性化、智能化的功能，使得计算机不再呈现为冷漠的“死物”，而开始具备人类思考及情感方式的“活物”，这使得其同样可以完成一些创造性任务，不再单纯执行重复性操作[1]。同理，在音乐创作领域中，通过AI技术的引入可以辅助音乐创作者更加高效完成作曲任务，提高了音乐创作的质量与效率。

一、音乐创作中人工智能技术的应用意义

(一)识别音乐旋律情况

在音乐创作过程中需要运用到丰富的音乐方面的知识，如要注重旋律、节奏、音调等众多方面的内容，它们本身是决定最终音乐创作质量的关键指标与因素。以旋律为例，基于AI技术的创新应用可以实现对音乐旋律进行高效识别这一基本功能，即基于数学方法与思想来对相关音乐旋律方面的数据是否存在于固有音乐模式之中进行数据对比分析，以此来验证相应音乐旋律本身的合理性与科学性。通过有效地对音乐旋律进行识别，可以使计算机或者其他一些专门音乐创作相关的设备基于已有音乐旋律方面知识融入到全新的创作数据中，这样就可以借助计算机来判定所创作音乐旋律是否同既有的音乐旋律知识库中相关数据是否匹配，最终可以借此来实现“听歌识曲”或“听音识曲”等软件功能，这些都是AI技术和音乐旋律识别功能的有机结合。但是为了保证基于AI技术的音乐旋律识别准确度与效率，必须要采取紧密性、高效性的计算方法，保证可以通过高效地分析音乐调性及开展自动标注等功能来提高音乐旋律及结构等方面知识分析及应用效果。这样会为数字化音乐创作乃至智能化管理等提供强大的技术支持，提高了相关音乐作品创作的实效性。

(二)预测音乐流行情况

在音乐创作过程中需要考虑的一个关键指标是所创作的音乐作品是否会受到社会大众的青睐及喜爱，所以音乐流行情况也是音乐创作中需要考虑的重要指标之一。以往的音乐流行情况方面数据多采取问卷调查等线下调查方式来获取，但是基于AI技术的应用则可以借助大数据技术等先进科学技术，基于计算机平台来对所创作音乐作品本身的流行性进行有效地预测[2]。比如，“Shazam”这一音乐软件(英国)对本年度的夏季流行音乐榜单进行了预测，期间有效地挖掘了每天2亿多用户使用软件的情况来利用及分析这些相关方面的数据资源。这使得其在预测流行音乐本身的流行趋势方面要显著超前于人为思考方式。通过基于AI技术来对时下流行音乐本身的流行趋势进行大胆地剖析，之后可以结合预测的结果来对音乐创作的内容进行合理调整，保证所创作出来的音乐作品本身可以符合当下流行趋势与风向，避免因为没有前期调研市场的音乐流行趋势而直接影响了最终的音乐作品设计效果。

(三)音乐创作的进化树

在音乐创作中或者对音乐作品风格进行研究的过程中，“进化树”扮演着非常重要的角色。基于音乐进化树的灵活应用，可以对有关音乐作品的创作者所创作出的音乐作品的风格，或者某一种音乐流派本身的发展趋势进行有效的梳理。但是以往的人工审查及分析方式具有比较低的效率，且容易受到人为主观因素的影响，但是此时如果可以创新应用AI技术来赋予计算机更加丰富、多样的功能，那么就可以借助一些特殊计算手段与方法的灵活应用来对相应音乐进化树本身进行更加高效地剖析及确定，提高了音乐进化树分析结果的可靠性与准确性，从而可以更好地服务于音乐创作实践活动。有关学者在对进化树进行分析过程中有效运用了一种基于AI技术的自动化定量剖析算法来对不同流行音乐作品集彼此之间的相似度情况进行有效分析。基于AI算法的灵活运用，可以基于计算机平台来讲各首音乐作品本身相应地转换成以二维频谱形式呈现的直观视觉图片，借此可以对歌曲作品本身的声波变化中的纹理、形状与频率等进行有效地呈现。与此同时，基于这种AI算法的灵活应用，还可以通过对声音“频谱”进行对比分析来分析以及排列不同的歌曲作品。最后基于数学领域中的统计学知识可以高效地分析不同音乐作品彼此之间的相关性。这样就可以借助得到的树状图中连线长度情况来对它们彼此之间的相似度进行反映。一般连线长度越大，那么二者具有越低的相似度，反之则具有更高的相似度。通过该种AI算法应用可以对不同音乐流派彼此之间的相关性，以及同一流派中不同音乐家彼此创作风格等之间的相关性进行有效地分析，这样就借助基于AI技术的“进化树”来助力音乐创作活动高效开展。

(四)赋予音乐作品情感

音乐本身不仅仅反映的是一种对生活情形的表达，更是一种对内心情感进行有效表达的方式。音乐本身和个人情绪或情感之间具有非常强的联系性。基于音乐作品的创作，同样需要综合考虑所创作音乐作品本身要向受众传达的内在思想情感，或者悲凉或者欢快，等等。比如，如果要配合激动震撼的演讲活动，那么适宜选择大调乐曲来展现出激昂特性，因为其本身具有优美、流畅的旋律以及鲜明、畅快的节奏，并且其中往往会融入一些自得其乐的良好情感和情绪。比如，在G大调弦乐小夜曲创作中就有效地融入了上述这种非常真实的作品情感，提高了整体作品创作的效果。而在其他一些场合当中，如要为受人敬爱的逝世者祈祷，此时悼词或者音乐都要展现出悲哀的情绪，相应的乐曲作品本身要展现出委婉、舒缓的小调旋律，这样才能够更好地使所创作的音乐作品本身可以充分展现出内心的凄切和悲凉等感情。通过这种有效利用音乐表达情感的方式才能够更好提升整体的音乐创作效果。而至于为什么大调音和小调音本身所展现出的两种不同的情感表达方式方法本身是音乐史中非常关键的一个研究课题。而在以往依靠人工统计分析的方式，整体的统计分析效率低下，结果准确性不足。而此时如果可以创新应用AI技术，那么可以借助AI计算的方式来对各种音乐创作中的音乐进行情绪或心情标注。比如，有些音乐创作方面的相关企业可能会借助网络平台的构建来为他们提供一些匹配他们各自心情的情绪，或者针对某些情感的音乐歌曲来相应地提供其具体的风格等，这样都可以保证最终所创作的音乐作品本身更容易符合受众的心境，这更有利于引发他们内心的情感共鸣。比如，基于智能化穿戴设备的应用，可以对用户心率、面部表情等进行有效捕捉，并结合这些数据来进行AI分析，这样就可以明确用户此时的心情状态，之后可以继续为他们提供符合他们心情的音乐作品，极大提高了整体的音乐作品设计效果。此外，在音乐创作实践中，如果可以灵活地应用AI技术，那么可以在创作音乐作品实践中更好地为作品赋予相应的内心情感，这对提高整体的音乐作品创作效果也有非常大的帮助。

(五)提高音乐创作质量

AI技术在音乐创作实践中的应用有效助力了传统音乐创作活动的高效开展，无论在音乐创作思路、创作技术支持以及创作作品评估及分析等方面都可以提供强大的技术支持，这样方能够更好地提高音乐创作的整体质量。与此同时，在音乐创作过程中有效应用AI技术期间，还可以通过认真分析音乐信号本身的种类，如对音频信号本身是否属于波形文件及其本身的频率情况进行分析，这些都可以借助傅里叶等方面统计分析技术来对音频频谱信息及数据等进行有效地分析。而这一切变化都可以借助专门的基于AI技术的机器来高效地处理相关信息，确保音乐创作过程中相应音乐规则以及音乐信息处理效率，提高了音乐作品的整体创作效果。特别是可以立足于AI技术视角，通过自动化融入一些音乐旋律等方面的要素时所创作出来的作品本身更加生动、形象，更富有丰富、充足的音乐情感，提高了整体音乐作品创作的质量。此外，相较于传统音乐作品本身的创作流程，基于AI技术的有效支持，可以更好地提高相应音乐创作本身的效率，使音乐创作活动变得更加轻松，更加有趣，这是传统音乐创作手段及方法所无法比拟的巨大优势，对提高整体的音乐创作效果有积极意义。

二、音乐创作中常见的人工智能技术及应用

(一)神经网络

以往AI技术本身应用中主要采用规则的方式执行程序，即依据由上到下的思路来进行问题分析及解决。而神经网络(NN)则是基于由下向上的思路来对问题进行分析及求解，其最大的特征就是对人类头脑中的神经元彼此之间的信息传递模式进行模仿。NN本身具备如下2个突出的特征：一是各个神经元都可以基于对应输出函数来对相邻神经元彼此之间的对应加权输入值进行合理计算及有效处理；二是基于加权值来对神经元彼此之间的信息交互联系进行表达，相应的算法处理起来也是一直秉承持续开展自我学习和持续调整及优化这一基本理念。此外，神经网络本身的处理环节涉及到海量数据开展训练，所以NN处理数据的过程本身具备了自组织与适应，并行、分布式以及非线性等多样化的计算特征。

在以往人工创作音乐作品期间，通常需要先后经历赏析和感知音乐作品内涵，模仿音乐创作，以及逐步过渡到最终的独立开展音乐创作。在整个音乐创作实践中实际上包含着非常丰富的音乐创作知识，如包含学声理论、作曲技巧与方法等，同时学习者需要在音乐创作的实践中或者训练中需要接受指导者的反复批评改正及教育引导方可使他们对自己的音乐创作思路进行不断改进及完善。这些学习过程实际上都可以创新应用基于NN的架构来进行有效模拟，同时NN这一AI技术本身应用于音乐创作的一个重要表现就是巧妙地应用NN来构建音乐创作基本思路及架构。但是在基于NN运作期间主要涉及到数据输入及输出环节，还设置有感知器来保证完成音乐创作数据的高效应用及处理任务。实际上，可以将NN当成一个“黑盒子”，只需要给予其充足的训练干预，即通过在输入端持续性给定必要的X数据训练之后就可以从输出端获取到预期的Y。只有经过基于NN开展海量数据处理及分析之后方可从中找到最佳的答案，而持续分析的过程可以对所构建的数据分析训练模型进行持续性修改及完善，保证可以更好地助力音乐创作活动高效开展。音乐本质上是一种时间和语言的艺术，其中许多信息都是建立在时间轴基础上，而神经网络本身涉及到比较多的网络实现机制，并且RNN这一神经网络可以对时间轴信息进行高效处理。因为RNN本身可以通过对时间维度信息进行表示的相关参数新增来确保NN除了可以结合现阶段数据开展数据分析外，也可以有效利用先前的数据分析来高效开展学习活动。基于RNN本身的应用优势及特征，可以在音乐创作中有效运用RNN来提高整体的音乐创作效果。

(二)长短期记忆单元

长短期记忆单元(LSTM)本身是一种对RNN结构的升级结构，不仅可以对RNN本身的爆炸所形成的神经网络或梯度消失问题进行有效克服的同时，也充分地继承了RNN分析模型本身的各种优势特征及应用作用。比如，RNN固然能够高效处理时间维度的相关信息，但是如果拉长了时间间隔，那么信息长期保存之后所形成的学习效果不是非常理想，这样会对音乐信息处理效果带来不利影响。而对该问题进行有效求解的一个有效手段就是对网络存储进行扩增。而基于LSTM的有效应用则可以实现长期保存及输入自然行为方面的数据。实际上，LSTM本身相较于RNN的改变是多了忘记门、输出门和输入门这3个门。在实际的应用过程中，LSTM本身的数据处理效果要显著优于RNN的数据处理效果，尤其是这种优势最早被应用在了编解码、对话生成与机器翻译等这些领域当中。简言之，基于LSTM的灵活应用，可以对超出人类思维和认知范畴等一些更为复杂的思考过程进行有效地表征，所以更有利于助力音乐创作活动的高效开展。

(三)自动编码器

编码器本身的非监督学习这一过程本身是建立在压缩或解压特征数据的基础上，并且本质上是由多层神经网络所构成，同时其本质上也是非监督学习数据的一种重要模型。音乐创作过程中的相关数据本身不存在优劣之分，所以更加适宜于引入及应用非监督模式。而其中的变分自动编码器(VAE)实际上就是一种常规自动编码器本身的升级型号，其结构和一般自动编码器之间具有相似性，但是其根本原理及相关的区别主要体现在增设了一些限制因素和条件。这种处理原理实际上和音乐创作思维之间具有非常强的相关性。音乐创作过程本身实际上就是一个规则与创作二者并存的过程，相应的VAE机制构建及应用则可以很好地符合相应的音乐创作需求及条件。

在音乐创作实践当中，通过创新应用VAE可以在对多声部音乐的乐器和高动态等相关信息进行分析及剖析的过程中获得更好应用，尤其是在爵士乐、古典乐等方面这些创作特征表现的更加显著。特别是可以借助VAE的有效应用来讲莫扎特的音乐作品以爵士风格进行再现，这样就可以使所创作的音乐作品本身呈现出一种混搭的风格及方式。VAE本身是音乐内容生成过程中最优的一种方法，其可以对各种类型及形式的音乐数据进行生成，如在多声部音乐作品的生成过程中得到了广泛运用。然而，在相关的音乐数据本身属于多模式的条件下，VAE无法提供更为明确的机制，无法推理离散值中的各种潜在变量，所以这就会对实际的音乐创作实践活动有序开展造成限制。比如，在处理C大调和c小调期间，对音阶当中各种音的使用趋势及倾向是各不相同的，尤其是在扩展到不低于24音的情况下VAE伴有比较严重的处理困难问题。针对这种情况，许多音乐创作者想要借助“LSTM+VAE”这种方式来避免单一应用VAE所存在的一些突出问题，更有利于提高音乐作品本身的创作实效性。但是在实际的音乐创作中融入VAE的过程中必须要注意结合实际的情况来进行合理设计，保证可以对其中涉及到的和弦问题进行有效分析、评级及评估，保证可以最大程度助力音乐创作的实效性。

结 语

总之，AI技术是助力音乐创作质量与效率提升的一种先进科学技术。通过在音乐创作中有效融入AI技术，可以识别音乐旋律情况，预测音乐流行情况，音乐创作的进化树，赋予音乐作品情感和提高音乐创作质量。而在实际的音乐创作中应用AI技术期间，要注意结合实际创作需求来灵活地选用神经网络和长短期记忆单元、自动编码器等，保证最大程度提升音乐创作质量。

注释:

[1]陈世哲.浅谈人工智能技术在音乐创作中的应用[J].音乐探索,2020(01):125—132.

[2]毛晖敏.人工智能技术在音乐创作中的运用探析[J].文艺生活·下旬刊,2021(15):275—276.