“数字化背景下世界音乐文化遗产研究国际学术研讨季”活动综述

摘 要：“数字化背景下世界音乐文化遗产研究国际学术研讨季”是由山东艺术学院主办的一项国际学术活动。该活动旨在加强音乐科技、非物质文化遗产和数字化艺术等领域的交流与合作。来自英国、西班牙、印度和新西兰等国的七位学者分享了他们将计算机科技与音乐文化遗产研究相结合所取得的全球性成果。学者们围绕会旨，讨论了计算机音乐学、计算生物学、民族音乐学、人类学、非物质文化遗产学等多个领域的话题，并提出了各种研究方法与视角。这项活动对于音乐学术研究、音乐教育、非物质文化遗产的保护以及音乐技术的应用等领域具有重大意义。

关键词：计算机音乐学；音乐文化遗产；民族音乐

中图分类号：J60-05 文献标识码：A 文章编号：1002-2236（2024）04-0025-05

一、活动概况

2023年5月至6月，为推进国家新文科发展战略下的艺术学科学术研究，山东艺术学院举办了“数字化背景下世界音乐文化遗产研究国际学术研讨季”活动。该活动由国际交流合作处和科研处主办，艺术管理学院、音乐学院和图书馆承办。本次学术活动以传统音乐艺术与国际科技前沿学术研究为主要内容，以2021年国家社科基金艺术学项目“计算机辅助梆子唱腔研究”、2021年教育部新文科专项“新文科建设背景下艺术类人才培养模式创新与实践研究”、山东省科技厅“城乡环境智能化设计美学”重点实验室为依托。其目的是通过国际间的学术对话交流，了解全球艺术科技融合发展的最新态势，寻求艺术研究的前沿发展思路，推动交叉学科研究的创新型发展。

活动共邀请了七位活跃在艺术与科技交叉领域的学者。他们分享了关于音乐与科技在世界范围内的发展的最新成果和方法。会议内容涵盖了多学科、多领域、多层次的讨论，从一定程度上反映出现代计算机音乐学的新理论方法和发展前景，以及国际上艺术与科技的新热点。会议主题为“数字化背景下世界音乐文化遗产研究”，内容包括计算机音乐学、计算生物学、民族音乐学、人类学、非物质文化遗产学等几个密切相关的热点领域。

二、学术研讨的主要内容

（一）计算机辅助记谱方式

记谱法是音乐领域用来记录音乐作品的符号系统。最常见的记谱法包括五线谱和简谱，还有一些专门针对特定音乐类型或特定乐器设计的记谱法。目前，在国内外，计算机辅助记谱已成为一个重要的研究方向。

来自英国谢菲尔德大学的Andrew Killick教授在其演讲《计算机辅助下的全球通用记谱法》（Working with Computers on Notation for Analysing Any Music）中，介绍了他的“全球通用记谱法”。这种方法旨在解决传统五线谱和计算机记谱所面临的问题。它结合了音频分析和人工记谱，试图提供更为精确、便于视唱，支持添加图表和注释且能适用于各种类型音乐的记谱法。

Andrew教授详细介绍了音乐分析过程中结构主义和可视化表达的应用，专注于解决西方古典音乐规范之外作品中的问题。其分析了五线谱记录时声音信息的缺失，以及计算机记谱中视唱和快速检索音乐信息等问题，尝试用人机合作方式，借助音频分析软件的可视化界面克服记谱过程中的问题和困难。

最后，Andrew教授通过一些例子展示了这一技术的应用方法和未来改进方向。他演示了记录鼓声和吉他等乐器演奏声音的方法，包括如何使用不同的基本形状和符号表示不同类型的音乐，以及如何使用数字和符号表示调性、音程和速度。他指出，尽管许多音乐家已经适应了西方音乐记谱法和特定文化下的记谱方法，但未来可能会考虑将这两者合并，以实现更佳的表现效果。同时，他强调全球通用记谱法仍有改进空间，并邀请听众提供反馈和建议。

（二）计算机辅助传统音乐的分析研究

计算机辅助传统音乐分析研究是运用计算机技术来辅助对传统音乐的分析、理解和创作的一种方法。该领域涵盖了音乐信息检索、音乐自动分析与识别、音乐生成与合成、音乐可视化以及数字化乐谱分析等多个方面。在这次学术研讨活动中，三位专家分别探讨了印度音乐的发展、传统音乐与现代科技的融合、计算机工具分析京剧音乐以及音乐与文化多样性的关系。

印度理工学院电气工程系的Preeti Rao教授在6月19日的演讲《数字计算视角下的印度艺术音乐》（Computational Perspectives on Indian Art Music）中，讲述了印度音乐的发展及其与现代科技的结合方式。她分享了在印度古典音乐领域的研究经历和成果。Preeti教授首先介绍了音乐学研究对象和文化背景对研究的影响，指出全球音乐都具有旋律、音节、节奏等共性特征，同时每种文化的音乐作品都有其独特的特点和节奏类型。接着，她以印度音乐为例，介绍了音乐在不同文化和流派中的应用和发展情况。她详细阐述了北印度和南印度在音乐风格上的特性，并深入介绍了Raga及其不同种类音乐间的差异和特点。

Preeti教授还详细探讨了计算机与民族音乐的融合，特别是如何利用计算机技术分析两个非常相似的Raga音乐表演。她向听众介绍了一种计算和分析音乐中音高和节奏的方法，首先侧重于识别歌曲中的旋律，然后应用计算机技术提取音高信息。通过对音高进行深入分析和识别，研究者能更全面地理解音乐的特征和规律。在分析过程中，她强调了计算机对音高变化速度、连续性以及不同节点间过渡的敏感性识别。

除此之外，Preeti教授介绍了一种计算音乐节奏的方法，通过将音乐划分为不同段落并根据节奏的疏密程度进行分析。她还结合手势分析和音乐识别技术，探讨了印度音乐中声音与手势之间的关系。她强调了使用人体姿态估计技术捕捉身体关节运动轨迹的重要性，并从中提取旋律线和手部动作的曲线，以便更深入地分析音乐家在表演时的动作、旋律和声音数据。她认为这种方法不仅有助于更好地理解Raga音乐的特征，而且还突出了手势在表示音高变化和强调歌词重点部分的作用。

Preeti Rao教授将计算机技术与民族音乐学的方法结合起来，为深入理解和保存印度音乐遗产提供了新的视角和创新方法。

奥地利格拉茨音乐与表演艺术大学民族音乐学研究所的Rafael Caro Repetto博士在题为《用于京剧音乐研究的计算机工具》（Computational Tools for JingJu Music Research）的演讲中介绍了使用计算机工具来辅助传统音乐研究的方法和实例。他利用计算机工具分析京剧音乐，对比不同流派唱腔的音高特点，并开发了在线平台以帮助理解京剧音乐。

Rafael博士在其研究中专注于使用计算机工具来比较分析京剧中程派和梅派的差异。他分享了三个具体的研究案例，展示了他是如何应用这些工具的。首先，利用音频音高统计直方图来分析程派和梅派的不同；其次，通过基频谱数据曲线来量化分析音高变化；最后，运用计算机网络技术开发了在线平台和工具，以帮助人们更好地理解京剧音乐。

作为一位音乐学者，Rafael博士深知计算机参与音乐研究的局限性。他指出了几个关键问题，包括历史文献记载与音高分析结果之间的不一致性、需要手动修正的提取音高线，以及样本资料的不足等。通过对梅派和程派唱腔差异的量化比较分析，Rafael博士认识到了在音乐研究中主观和客观分析的局限性，以及灵活调整研究思路的重要性。这种认识不仅提高了对京剧音乐独特性的理解，还强调了在音乐学研究中对技术方法的正确应用和对研究限制的认识。Rafael博士的工作表明，尽管计算机辅助分析为传统音乐研究提供了新的视角和方法，但仍需谨慎处理数据分析中的各种挑战和限制。这种方法论的混合使用不仅丰富了音乐研究的“工具箱”，也提高了对复杂音乐传统如京剧的理解和欣赏。通过结合计算机分析与传统音乐学研究，Rafael博士的工作为探索音乐的多样性和复杂性开辟了新的途径，同时也展示了跨学科研究在音乐学领域的巨大潜力。

澳大利亚国立大学研究员Sam Passmore在他的演讲《全球音乐“点唱机”：利用数据理解音乐的历史与多样性》（The Global Jukebox： Using Data to Understand Musical History and Diversity）中，深入探讨了音乐与文化多样性的关系。他详细介绍了“全球音乐点唱机”，这是一个包含世界上最多样化的传统音乐收藏的资源。通过采用计量学方法和空间信号分析，Sam发现音乐能够反映某些族群的历史性和演变信息，但与传统因素如遗传和语言学的关联相对较低。

Sam将世界音乐、民族音乐和文化基因作为研究的切入点，深入探讨了音乐的多样性和演变过程。他首先强调了音乐与文化多样性的紧密关系，并将音乐视为人类文化和历史的长期伙伴，与语言一起构成了人类文化的最早表现形式。他提到，尽管音乐和语言有着相似的起源，但它们在研究方法上存在显著不同，并通过提及最古老的乐器来阐述人类历史与音乐的悠久联系。

在演讲中，Sam详细介绍了全球点唱机（The Global Jukebox）这一资源，该平台为我们提供了深度探索人类音乐表演的广度和多样性的机会，为人们更好地了解世界各地的音乐提供了有力支持。该资源托管在“www.theglobaljukebox.org”上，涵盖来自1026个社会的5776首传统歌曲，是迄今为止最丰富、最多元的传统音乐收藏。这些歌曲主要是由艾伦·洛马克斯（Alan Lomax）在20世纪40至80年代收集的，其中一部分是通过全球音乐多样性的学术网络的支持而录制的。去年，Sam与同事们将这些音乐数字化并重新出版，为未来的音乐家提供了深入研究音乐多样性的数据支持。

Sam还介绍了一项全新的研究方法，采用计量学来识别最独特、罕见的音乐作品。该方法基于37个指标进行综合评估，通过将每个指标的分数数字化，并进行重新评估和修正，从而建立一个全球音乐多样性的量化数据集。他展示了一个样本社会的地图，用以说明每种颜色的圈子代表着不同的社会群体。最后，Sam介绍了一种基于空间信号的音乐数据分析方法。这一方法通过计算不同距离范围内的社会族群之间的音乐相似性，探讨了音乐的空间信号特征。此外，他还介绍了一种用于比较不同文化特征的树状结构分析方法。通过对不同地区的音乐、遗传信息和语言学信息进行统计分析，Sam发现音乐和语言的相似性较高，但也存在明显差异。在分析的过程中，他注意到音乐的历史信号与其他维度的信息（如遗传和语言学）之间的相关性相对较低，强调了音乐在反映某些族群的历史性和演变信息方面的独特性。

Sam强调了理解音乐对人类历史影响的重要性，探讨了跨文化音乐风格如何揭示文化的演变，并讨论了研究音乐多样性的重要性，特别是在保护稀有文化和推动学术研究方面的重要意义。他认为，探索音乐与社会结构、宗教实践等文化要素之间的关系，对深化我们对音乐与文化多样性关系的理解以及对全球音乐遗产的深入思考至关重要。

（三）计算机辅助音乐认知方面的研究

西班牙庞培法布拉大学的Xavier Serra教授在他的演讲《提升音乐能力的计算机听力训练方法》（Computational Approaches for Enhancing Multicultural Musicality： Understanding Auditory Patterns and Promoting Learning）中，阐述了计算机音乐在音乐认知、理解不同文化音乐、提高乐感和多元文化素养等方面的广泛应用。他认为，通过计算方法研究音乐可以更好地理解不同文化下的音乐作品，并帮助人们提高乐感和多元文化素养。

Serra教授强调了音乐作为一种跨文化交流语言的重要性，并探讨了乐感和音乐认知、计算机音乐学和音乐教育之间的联系。他还讨论了如何开发有效的计算工具来提高乐感培养。Serra教授提到，尽管音乐平台和科技的发展对音乐感知能力的培养存在不足，但使用新技术和工具，如“Spotify”等平台、“Comp Music”项目、音乐软件“Income”和开放协作网站“MusicBrains”，可以促进音乐感知能力的进一步发展和提升。

在演讲中，Serra教授深入探讨了通过元数据分析提取音乐作品中的音高、旋律和音符等关键音乐信息的方法。他着重介绍了如何通过对音频识别来分析音乐风格特征，包括对音高、和弦等基础数据的分析，以及选择并提取具有代表性信息来获取音乐特征。

Serra教授详细说明了音乐创作中的一系列关键问题，包括旋律、节奏和歌词之间的关系。他强调了通过计算机的辅助，可以识别器乐作品的节奏规律和速度变化等细节，实现对节奏规律和特征的精准分析。

最后，Serra教授强调了通过计算机科学工具提高音乐家的音乐质量和表现力这一研究方向的前景。他鼓励计算机科学家和音乐领域的专业人才积极参与这项工作，以共同推动音乐与技术的融合，实现更为创新的音乐体验和表达方式。这一呼吁突显了跨学科合作的重要性，并为未来的研究方向提供了启示，展示了音乐与技术结合带来的广泛可能性和巨大潜力。

韩国基础科学研究院的John Mcbride研究员在他的演讲《解释音阶演变中跨文化趋同现象的新旧理论》（Old and New Theories Explain Cross-Cultural Convergence in the Evolution of Scales）中，展示了他如何使用本体研究技术来构建音阶数据库，并讨论了音阶的多样性和共性。他从物理学和生物学的角度探讨了音阶与人类心理和生理特征之间的关系，并引入了“信号频率”概念和复杂性计算方法。

在演讲中，John详细说明了构建音阶数据库的方法，包括文献调研和音阶测量。他通过这些方法建立了一个全面且准确的音阶资源库，为音乐研究和实践提供了可靠的参考。

在音阶种类的介绍中，John提出了理论型、测量型和描述型三种音阶，并特别强调了音阶在不同文化之间的共性和差异。

在音乐研究原则方面，John提出了音乐源于人类、音乐特征与人体和精神健康相关，以及音乐研究需要基于科学方法这三个重要原则。这些原则为深入理解音乐提供了框架，并强调了人文和科学结合的必要性。他从物理学和生物学的角度出发，深入剖析了音乐特征与人类心理、生理特征之间的关系。他提及了音乐中谐波的概念及其测量方法，并强调了数据分析在评估音乐分析准确性和可靠性方面的重要性。他将音阶视为一种数列组合方式，引入了“信号频率”概念，通过计算旋律复杂性来评估音阶组合的复杂程度。

John的研究不仅突破了对音阶的简单描述，还为音乐研究提供了创新的方向。他的工作强调了音乐作为一种文化现象的复杂性，以及在研究音乐时考虑人类生理和心理特征的重要性。通过将计算方法和传统音乐学相结合，他的研究为理解音乐的多样性和演变提供了新的理论支持，并为未来音乐研究提供了丰富的启发。

伦敦大学玛丽女王学院的高级工程师Polina Proutskova在她的演讲《数理之道：通过计算机理解音乐，通过音乐理解人类》（How Do We Explain Music to Computers-and to Ourselves-and Can Computers Help Us Understand Music-and Ourselves）中，探讨了如何向计算机解释音乐，以及计算机是否能帮助我们理解音乐和自己。Polina的演讲聚焦于音乐信息检索领域的边缘研究，探讨了“大数据—大模型”方法的局限性，并提出了一系列关于自动化音乐分析的问题。

Polina通过四个案例分享了她的研究成果。1.她从知识图谱的角度出发，为玛丽女王大学数字音乐中心开发的爵士乐本体架构，以及这个本体架构在回答有关爵士动机旋律起源问题中的应用；2.对如何理解西方文化之外的传统音乐本体研究方法的探讨；3.全球各地歌唱传统的比较分析（以“Cantometrics”项目为例），以及如何统一歌唱中的发声机理术语；4.以“Vocal Notes”项目为案例，探讨了声乐演唱中人对音符感知的模糊性，以及这种模糊性对依赖正确答案的机器学习的影响。在该项目中，她比较了不同族群听力差异对音乐识别的影响，提出了通过人耳校准计算机生成的乐谱的方法。

这些案例既提供了她对音乐和人类行为的多个方面的见解，又突显了音乐信息检索中所面临问题的复杂性和多样性。

最后，Polina详细阐述了机器学习领域当前面临的挑战，主要源于缺乏足够的数据和高质量标注。她指出了音乐学研究中存在的问题，包括信号缺失、信息偏差，以及计算机获取的音高与认知体系的不一致性。

Polina的工作强调了音乐信息检索和音乐认知研究领域内跨学科合作的重要性，以及音乐学和计算机科学结合带来的新机遇。

三、结语与展望

在“数字化背景下世界音乐文化遗产研究国际学术研讨季”活动中，来自不同国家的专家学者聚集一堂，深入探讨了音乐科技、非物质文化遗产和数字化艺术等领域。这次活动不仅展示了音乐领域跨学科研究的最新成果，也为音乐研究的未来发展提供了宝贵的参考。会议特别关注了计算机辅助记谱和传统音乐分析的融合、音乐与文化多样性的关系、以及音阶与人类特征的联结，还提出了数据不足和主观评价专家意见不一致等问题。活动强调了音乐学、计算机科学、人类学等多学科间合作的重要性，昭示着未来音乐研究将更多采用创新的方法和工具，以实现更深入、精准的音乐分析。这次研讨季不仅增强了与会者们对音乐多样性的认识，还为音乐研究和实践的未来提供了新的启发和方向。

可以预见，音乐研究将继续结合新兴技术，以更深入地探索音乐在人类社会和文化中的角色和影响。

（责任编辑：李鸿熙）