记艺“述”百年庆祝建党100周年研究生艺术实践讲座音乐会展望系列——未来的声音“我与2035有个约”音乐会成功举办

中央音乐学院
2021-7-07 21:08:15 文/邵思琪 图/林一鸣

在2021建党百年之际,研究生部与音乐学系在中央音乐学院党委的统一部署下,积极响应学校“初心向党迎百年”音乐周活动,精心策划了艺“述”百年——研究生艺术实践系列讲座音乐会。其中,“展望”系列包括“青年的声音”“交流的声音”“未来的声音”“逐梦进行时”四场音乐会,不仅饱含着青年一代对党的赤诚忠心,更表达了对未来无限的期望,展现了新时代青年开放包容的思维与朝气蓬勃的活力。
2018年9月17日,习近平总书记曾向“2018世界人工智能大会”致贺信。在贺信中,习总书记深刻指出,新一代人工智能正在全球范围内蓬勃兴起,为经济社会发展不断注入新的动能,正深刻改变着人们的生产与生活方式。我校作为中国最高的音乐学府,积极响应并深入地学习了习总书记关于人工智能的一系列重要论述。
为进一步推动我国人工智能发展的实践,2019年,俞峰校长直接牵头组成专家小组,联合中国顶尖人工智能领域专家以及国际人工智能领域的前沿人才,整合校内电子音乐制作、作曲、表演、理论研究等优势科研资源,统筹规划、全力投入到新兴交叉学科的建设当中,最终建立了中央音乐学院音乐人工智能与音乐信息科技系。
2021年6月8日晚,本次音乐会“未来的声音——我与2035年有个约”于综合楼201音乐厅成功举办,亮点十足。整场音乐会以轻松愉悦的流行改编方式回望数首经典大众歌曲,以青春的合唱之声唱出对党、对祖国的深深爱意,并走向音乐的时光隧道,展示当前我校人工智能专业的丰硕成果。这也正为我校人工智能专业向党和人民汇报成果提供了一个轻松、大众化的平台,科技感与人文性高度兼存。我们很难不诗意地联想:此时此刻的我们与2035也许通过音乐在音乐厅里某个隐秘的空间里暗暗交汇了。

音乐会海报
轻松而深情的回望:现代流行化改编与合唱
短暂的历史回顾视频播放后,音乐会正式开始。关闭音乐厅顶灯,抛却冗杂的布景,仅留下台下微微一点暖光,合唱团及乐手们登场了。

音教专业学生为本场音乐会特别组成的合唱团
开场第一首为舒楠曲、詹文博改编的《不忘初心》。钢琴(郭进轩)伴奏晶莹剔透,与领唱的男、女声和谐地交融。合唱层次鲜明、表现亲切而不失丰富性。“不忘初心,继续前进,万水千山,最美中国道路”,正所谓一个民族赓续奋斗的初心是每一个时代、每一个年轻人的理想汇聚而成的。
第二首为张征曲、詹文博改编的《时光擦身而过》。这首歌曲旋律朴素,改编上也没有大动作,但情绪不减上首,反而十分打动人心,真情的合唱中流露出淡淡的家国之情。

合唱《时光擦身而过》
第三首为王酩曲、孟德政改编的《绒花》,小提琴(陆昕奕)主奏歌唱性的旋律,手风琴(韩译锐)、贝斯(韩毅)、钢琴(刘景毅)和鼓(张今)的组合为悠长的旋律增添了swing摇曳的节奏感,让现场的观众仿佛置身田野郊外吹拂清风。

乐队合奏《绒花》,从左至右分别
为陆昕奕、张今、郭进轩、韩译锐、韩毅
第四首同样为经典老歌——施光南的《在希望的田野上》,孟德政改编。音乐以四四拍响亮的鼓点进入,与第三首形成鲜明对比,律动活泼,充满了青春活力。
第五首为侯德健曲、詹文博改编的《龙的传人》,在两首纯器乐作品后又请出合唱团演唱,极大降低了曲目相似可能给听众带来疲惫的可能性。
整体而言,开场五首改编作品几乎都是以青春活力为主,奠定了与本场音乐会主题高度契合的风格特征。其策划从选曲、改编、小型乐队的编制到人声与器乐曲目交替,无一不体现了策划者丰富的实践经验和精心设计。
人工智能专业展示专题:
AI音乐的现实与展望
AI音乐的现实与展望:
人工智能专业展示专题
开场表演后,即进入到人工智能专业的展示专题:展望未来。
本场讲座邀请到我校音乐人工智能与音乐信息科技系专业博士二年级的刘家丰和张昕然作为主讲嘉宾。
刘家丰指出,他希望通过本次讲座能让更多的人以一种新颖的角度去看待音乐和科技的结合,去认识和理解AI技术驱动之下产生的全新创作方式。他以通俗易懂的语言从四个方面,即:什么是音乐人工智能?什么是算法作曲?DEMO展示和未来展望,向观众进行了讲解。
什么是音乐人工智能?这是一个范畴广、界定模糊的统称,我们可以简单理解为人工智能在音乐领域的垂直应用。刘家丰在讲座中详略得当地向观众介绍了六种常见形式:
第一种:声源分离,即把一段音频中的人声、乐器等声音无损地分离出来的技术,可应用于无损伴奏音源制作;
第二种:自动演奏,即AI可以自己判别乐谱并进行演奏处理(包括力度记号、表情符号)等细节处理;
第三种:音乐识别和音乐推荐,如各大音乐平台的听歌识曲、每日推荐等,今天已经广泛应用到人们的生活中;
第四种:自动作曲,这是AI音乐的热门方向,也是讲者刘家丰的专业研究方向。通俗来讲,就是让AI主动学习海量曲谱,学习规律并掌握规律,从而实现自动作曲;
第五种:自动扒谱,通过锻炼机器听觉(尤其多声多轨道音乐)实现扒谱,实用性极强;刘家丰向观众透露道,截止2020年底,人工智能在钢琴音频上的扒谱准确率已能做到高达97%的准确率。说到这里,他不禁感慨,其实很多科技的重要突破就发生在我们的日常生活中——是的,但一个个小小的突破可能会改变整个人类的进程,一个个科技的福祉将会惠及一代又一代人类。
鉴于自己主攻自动作曲方向,刘家丰将演讲的重心落在了第六种:“自然语言处理”(计算语言学)与“分布式假设”两个概念的讲解上。考虑到术语的艰深晦涩,刘家丰便采用生活中常见的例子进行类比,使概念在特定的语境中获得合理的解释,生动形象,让观众不至于“畏难而退”。
“自然语言处理”的过程是一种数学计算的过程,例如词组“北京烤鸭”搭配的概率>“北京烤鸡”。同理,一旦掌握历史上各类音乐范本的生成规律,即可用数学推理的方法得出音与音之间的关系,从而形成音乐。

刘家丰正在向观众阐释自然语言与音乐的类似之处。
另一个概念为“分布式假设”,其为西方学者哈里斯于1945年提出,现已成为现代计算语言学和音乐计算理论基石之一。哈里斯认为,一个词的语义可以由它的上下文表示,有其数学分布规律,包括生活中的常识,如分清狗猫为一类、政治为另一类,实际是长期规律潜移默化的产物。音乐同理,同样具有所谓的“规律性”,如我们潜意识认为C、E、G与C、D、G和弦相近,而D、F、B为另一种不同色彩的和弦。

Google公司2018年一款应用分布式假设分析的程序
概念清晰后,刘家丰向观众展示了两个对比例证,可以明显感觉到目前AI自动作曲质量还停留在一个参差不齐、悦耳程度不一的水平上。鉴于MIDI音源美感有限,刘家丰便把自己训练的AI作曲的一个作品交由乐队进行表演。在乐手带有自由呼吸的重新演绎下,原本冰冷的MIDI音源被注入了崭新的活力。

乐队正在表演刘家丰训练AI创作的作品
相较于刘家丰轻松、幽默的演讲方式,第二位主讲嘉宾张昕然的演讲风格则显沉稳和学术性。他主要分享了自己及其团队目前的研究成果——AI歌词辅助写作系统。

以清华大学孙茂松教授领衔研发的诗词创作系统“九歌”
为背景进一步技术创新的系统“灵犀”创作的诗歌
张昕然指出,“灵犀”将初步向中央音乐学院内部局域网开放,为音乐创作者提供歌词创作等相关帮助。
值得注意的是,刘家丰和张昕然都重点强调了语言模型+大数据的技术方法,这也是当前在AI领域独占鳌头的Google公司长期研究并采用的传统算法。张昕然及所在团队对传统方法进行了进一步的提升,在词表聚合及音响多样性方面均有极大的丰富(包括终止式的规范),使得音乐更加均衡、更具有美感。

张昕然认为,当前这项技术生成的钢琴音乐距离人类钢琴音乐创作还有非常大的差距,但这并不代表它是无用的。他指出,这个模型的真正用处并不在于音乐的生成。事实上,它将更加广泛地适用于音乐的检索。该模型可以将一个音乐片段进行数学化的表示,并延伸到高维空间,与其它音乐片段形成客观的距离——由此,我们能够轻易在成千上万的曲库中检索出我们想要的曲目。通过对客观距离的强调,人们将尽可能多地抛弃主观因素的影响,并从数理客观规律的角度对音乐进行研究——这对音乐学界无疑将产生颠覆性的影响——它既有可能推翻历史中许多传统的认知,也会打开未来音乐学走向以科学为核心的研究局面。
继而,张昕然向现场观众提出了一个问题:德彪西音乐风格是跟柴可夫斯基、肖邦,还是巴赫、斯克里亚宾更近呢?从主观上而言,或许我们默认德彪西与柴可夫斯基更近,但从数理分析上看,德彪西与巴赫却有着更为紧密的联系。

AI钢琴音乐模型的作曲家流派分析应用
最后一个研究模型是AI歌声合成模型。该模型在电子音乐制作方向应用较广,但仍有许多改进方向。

AI歌声合成模型的应用
整场音乐会以一首朝气蓬勃的《我和2035有个约会》结束。
我和2035年有个约会,代表着央音学子对自身音乐水平、对自身综合素质的不断努力和提升!
我和2035年有个约会,代表着央音学子对未来音乐发展的无限憧憬和对2035年“文化强国”的殷切希冀!
我和2035年有个约会,代表着央音学子要奋斗着,奔跑向2035,在2035年向党交出更美丽的答卷!
我们期待着,下一个百年的荣光!

策划人陈芷茵(右二);指导教师:昌青(右一);
人工智能演讲嘉宾:张昕然(左一)、刘家丰(左二)

全场演职人员合影
供稿:音乐学系
文:王钰涵
图:郑小涵
责任编辑:静静
编辑、设计:邸思木雅
.jpg)
.jpg)
.jpg)
.jpg)
.jpg)
.jpg)
.jpg)
.jpg)

.jpg)
.jpg)
.jpg)
.jpg)
.jpg)
.jpg)
.jpg)
.jpg)
.jpg)
.jpg)
.jpg)
.jpg)
.jpg)

.jpg)
.jpg)
.jpg)
.jpg)
.jpg)
.jpg)
.jpg)
.jpg)
.jpg)
.jpg)


.jpg)
.jpg)
.jpg)
.jpg)
.jpg)
.jpg)

.jpg)
.jpg)
.jpg)
.jpg)
.jpg)
.jpg)
.jpg)
.jpg)
.jpg)
.jpg)

.jpg)




.jpg)
