2021年10月22-24日，由中央音乐学院（CCoM）与中国人工智能学会（CAAI）联合主办的世界音乐人工智能大会（ Summit on Music Intelligence）将在京举办。大会汇聚全球音乐人工智能顶尖专家、****、相关领域具有影响力的领军人物以及音乐产业相关企业代表等，集思广益，精骛八极，共同探究未来音乐世界，推动音乐人工智能“产、学、研、用”的发展，服务北京、服务国家战略，与世界携手未来。
国际物理学家，诺贝尔奖获得者李政道先生为世界音乐人工智能大会题词：
科学与艺术的交融，艺术与科学的盛会
祝世界音乐人工智能大会圆满成功！
22日 19:30 开幕式暨交响音乐会
中央音乐学院歌剧音乐厅（届时请从西南门进入）
23日 8:40-17:00 世界音乐人工智能大会N论坛
24日 8:40-17:00 论坛、全球音乐科技提案比赛、圆桌讨论
民族文化宫
会议时间：2021年10月22-24日
会议地点：中央音乐学院/民族文化宫
主办单位：中央音乐学院、中国人工智能学会
承办单位：中国人工智能学会艺术与人工智能专委会、中央音乐学院音乐人工智能与音乐信息科技系
大会联系方式：
邮箱：SOMI@ccom.edu.cn
电话：010-6641 5568
大会官网：
中文 https://www.somi-ccom.com/
英文 https://www.somi-ccom.com/en/
点击直达大会日程
世界音乐人工智能峰会1+N论坛
第二场
多元视角下的音乐人工智能
时间：2021年10月23日 上午 10:30-12:10
地点：民族文化宫
论坛主席
吴玺宏
北京大学信息科学技术学院副院长
北京大学教授，博士生导师，教育部“新世纪优秀人才”****。1995年于北京大学无线电电子学系获理学博士学位。2004年任信息科学技术学院教授，现任北京大学信息科学技术学院副院长，智能科学系系主任，言语听觉研究中心主任。
吴玺宏教授从事听感知机理、建模及应用研究近三十年，取得了一系列具有国际影响的研究成果。证实了当干扰声音为语音时，知觉性空间分离可以显著地提高对目标言语的识别；发现嗓音线索的启动效应在受被试对目标嗓音熟悉程度影响的同时，还受到其他声学线索的调节；建立了覆盖远、近场的国际上最为全面的头相关传输函数数据库；提出一种能够描述说话人概率分布的潜说话人模型，实现了语音识别和说话人识别的隐式融合；提出了一种噪声补偿的IdBM方法，突破噪声只能降低可懂度的观念，对理解言语可懂度机理及设计语音增强算法具有重要的启发意义。成果发表在 JASA、Hearing Research、Speech Communication、Ear and Hearing、IEEE T.ASLP 等。
主持和参与听觉、语音、语言方面的自然基金重点项目四项，承担了973项目课题一项，自然基金重大项目课题一项。
指导博士生获 ISCSLP2014、AES2018 最佳学生论文奖。2008年参加 Star Challenge 语音视频检索国际大赛，以第一名的成绩进入总决赛；2009年 NIST 国际视频事件检测大赛，四项任务第一名；2013年，Blizzard 国际语音合成评测获第一名。
报告一：
亚洲音乐与机器学习
Machine Learning for Asian Music
Ajay Kapur
美国加州艺术学院创意技术副教务长和音乐技术项目（MTIID）负责人
加州艺术学院创意技术副教务长和音乐技术项目 (MTIID) 负责人，是位于新西兰惠灵顿的创意技术声波工程实验室博士研究组的共同创立人，并为其提供咨询。秉持着冒险精神和创业精神，他还在教育技术、体验式艺术、区块链、人工智能领域参与创立了四家知名公司。Ajay 于2007年毕业于维多利亚大学并获得了跨学科博士学位，研究领域结合了计算机科学、电气工程、机械工程、音乐和心理学，重点关注于智能音乐系统和媒体技术，于 2002 年毕业于普林斯顿大学，并获得工程和计算机科学学士学位。他发表了近 200 篇技术论文，并在世界各地举办了有关音乐技术、教育技术、艺术家人机交互界面、创造力机电一体化、现代数字管弦乐队和人工智能的讲座。他的第一本书《北印度音乐数字化》讨论了如何使用传感器、机器学习和机器人技术来扩展和保留印度古典音乐的传统技术。他的最新著作《音乐家和数字艺术家编程简介》是艺术家用来学习计算机科学的教科书。
摘要：
Ajay 的研究围绕着一个问题：“你如何让智能乐器与人类一起即兴创作？”。基于印度古典音乐和其他亚洲音乐传统的既定规则，Ajay 一直致力于通过扩展亚洲古典和民间音乐形式，配合添加微芯片和嵌入式传感器系统，以及设计定制的机器人音乐来构建新的音乐表达界面。他带领一支由艺术家和工程师组成的团队在 KarmetiK 机器管弦乐队中探索音乐、作曲、叙事、科学和技术的交集。在本次演讲中，Ajay 将讨论在他在20 年研究中建立的机器学习工具和实验。
报告二：
跨文化音乐人工智能与技术
Transcultural Music AI and Technology
Lamtharn Hanoi Hantrakul
字节跳动 音乐人工智能研究科学家
Hanoi是一位来自曼谷的文化技术专家、研究科学家和作曲家。作为 AI 研究员，作为一名人工智能研究人员，Hanoi专注于研究包容世界各地音乐传统的音频机器学习。在 Google AI，他与 Magenta 团队共同编写了突破性的可微分数字信号处理 (DDSP) 库，并领导了其在两个 Google 项目中的部署：Tone Transfer 和 Sounds of India。在 TikTok，他继续开发人工智能工具，使音乐创作能够覆盖不同国家和技能水平。作为一名文化技术专家，河内因其跨文化小提琴“Fidular”（Core77，A'）赢得了国际赞誉，该小提琴曾在美国、欧盟和亚洲的博物馆和展览中展出。他能说流利的法语、泰语、英语，并且正在学习普通话。
摘要：
跨文化技术在工程和设计的每个阶段都赋予文化多元性。我们经常认为技术是一种中立的工具，但技术总是在其发明者的文化范围内被创造和优化。当工具在一系列对比强烈的传统中使用时，这种文化不匹配是最明显的。来自不同文化的音乐和艺术，以及创造和使用这些媒介的人，是一个不折不扣的沙盒，既可以审视这些限制，又可以开发出赋予多元文化的突破。在这次讲座中，我们将深入探讨在亚太和其他地区的音乐传统中孵化的有形音频技术。这些项目包括。差异化数字信号处理（DDSP）、3D打印、音调转移、沉浸式TikTok音乐效果等项目。
报告三：
计算机音频信号处理在艺术嗓音分析中的应用
Application of the computer audio signal processing in the artistic voice assessment
韩丽艳
中央音乐学院音乐人工智能与音乐信息科技系嗓音研究中心主任
韩丽艳，中央音乐学院音乐人工智能与音乐信息科技系艺术嗓音与嗓音医学教研室主任，嗓音研究中心负责人，主任医师，硕士研究生指导教师。研究方向有：美声不同声部及其声种的生理特征与声学特征的研究，不同歌唱发声方法的机理研究。从事的工作有：艺术嗓音的检测、鉴定与评估，歌唱发声的训练、指导与嗓音矫治，艺术嗓音的健康维护与嗓音疾病的保守治疗。
摘要：
歌唱是艺术嗓音表达的最常用形式，它不仅占据普通人养生推荐的榜首，也是很多年轻人的职业选择。歌唱乐器结构、使用和声音的不可视性，给歌者带来很多学习和演唱上的问题，如何从生理、声学角度辅助声乐老师给以歌者乐器结构、使用和声音的准确判断是摆在我们艺术嗓音研究者面前必须解决好的大问题。
讲者首先介绍了什么是艺术嗓音；艺术嗓音与普通嗓音的区别；美声、民族、流行、戏曲等不同艺术表现形式对嗓音的不同要求；艺术嗓音分析的三种手段：主观听觉、医学影像学和客观音频信号分析；重点介绍了计算机音频信号处理在对歌唱的呼吸、歌唱的共鸣、歌唱的有效音域范围的判断、不同唱法的共鸣比较、声部及其声种类型的鉴定等诸多方面提供的信息支持，这种主观与客观、视觉与听觉、定性与定量相结合的方法，大大提高的了声部确定的准确率，歌唱乐器制作过程的效率，是一种值得推广和发展的有效方法。
报告四：
用于学习传统机器音乐的传统机器音乐学习
Traditional Machine Music Learning for Learning Traditional Machine Music
Bob Sturm
瑞典KTH皇家理工学院计算机科学学院副教授/欧盟研究创新计划MUSAiC负责人
Bob L. T. Sturm 是瑞典斯德哥尔摩 KTH 皇家理工学院计算机科学副教授 。他拥有物理学、音乐、多媒体和工程学位，专门研究应用于音乐数据的信号处理和机器学习。
他目前是MUSAiC 项目 (https://musaiclab.wordpress.com) 的负责人 ，该项目由欧洲研究委员会资助的 ，最出名的可能是他在音乐信息检索系统评价方面的工作(https://ieeexplore.ieee.org/document/6847693)， GTZAN 数据集，并在他的手风琴上演奏 Ai 生成的民间音乐。
摘要：
在人工创造力的前沿，机器在创造性实践中更多地充当伙伴而不是工具。除了加速和自动化平凡的任务之外，人工智能 (Ai) 现在能够从最微小的细节到大局提供建议，与人类艺术家合作，形成完整的艺术体验。几年来，我一直在自己的音乐实践中探索这些前沿，使用通过将机器学习应用于传统舞曲而构建的系统。这揭示了关于创造力的神圣起源、真实性的重要性，当然还有人类冗余方面之间的各种有趣的交互与碰撞。我的演讲将概述我的诗歌和科学研究，并讨论其中一些重要问题，并附有音乐示例。
相关附件：
相关链接：
