10月23日上午世界音乐人工智能大会论坛一：音乐创作与人工智能技术，在北京民族文化宫举办。

　　世界音乐人工智能大会（Summit on Music Intelligence）10月22日-24日在北京举办。大会由中央音乐学院（CCoM）与中国人工智能学会（CAAI）联合主办，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。开幕前夕，国际物理学家、诺贝尔物理学奖获得者李政道先生为大会题词祝贺：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！

　　大会执行主席、中央音乐学院音乐人工智能与音乐信息科技系主任李小兵教授做了开场发言，热烈欢迎世界各地的与会者, 鼓励全球的人工智能研究者、爱好者们团结一心，共创载入史册的盛会，开启音乐人工智能未来的新篇章。

　　论坛主席
　　清华大学人工智能研究院常务副院长、
　　欧洲科学院外籍院士孙茂松教授
　　在论坛主席清华大学人工智能研究院常务副院长、欧洲科学院外籍院士孙茂松的主持下，美国佐治亚理工学院音乐技术中心 研究生项目主任/ISMIR大会主席Alexander Lerch，美国卡内基梅隆大学计算机科学学院计算机音乐中心主任Roger Dannenberg，中央音乐学院音乐人工智能与音乐信息科技系高级工程师潘宇，字节跳动音乐人工智能研究科学家孔秋强做了精彩演讲。


　　报告题目：可控音乐生成
　　论坛嘉宾：
　　Alexander Lerch
　　美国佐治亚理工学院音乐技术中心 研究生项目主任/ISMIR大会主席
　　Alexander Lerch 是佐治亚理工学院音乐技术中心的副教授。Lerch 教授计算机聆听和理解音乐。他的研究将他定位于信号处理、机器学习和音乐的交叉点，并为音乐生成、制作和消费创建人工智能软件。Lerch 是教科书“音频内容分析简介”（IEEE/Wiley 2012）的作者。在加入佐治亚理工学院之前，Lerch 是其公司 zplane.development 的联合创始人兼研究主管，该公司是音乐技术许可的行业领导者。他在 zplane 研究的技术包括时间拉伸和自动关键检测等算法。zplane 技术如今已被全球数百万音乐家和制作人使用。
　　报告摘要：
　　自动音乐生成或音乐元创作是音乐人工智能的核心领域之一。虽然生成的音乐的质量不断提高，但在创建具有人类引导的生成过程的交互式可控系统方面取得的进展较少。监督解纠缠学习方法提供了一种方法，可以强制神经网络的潜在表示具有可解释的意义，并能够控制正则化的音乐属性。本文将介绍一种正则化变分自动编码器潜在空间的方法，并讨论该方法的优点和潜在挑战。

　　报告题目：重复结构对 AI 音乐生成的重要性
　　论坛嘉宾：
　　Roger Dannenberg
　　美国卡内基梅隆大学计算机科学学院计算机音乐中心主任
　　Roger B. Dannenberg 是计算机科学、艺术和音乐的名誉教授。1982 年获得卡内基梅隆大学计算机科学博士学位。他在计算机音乐领域的研究享誉国际。他目前的工作包括与人工计算机音乐家的现场音乐表演、交互式媒体、用于声音合成的高级语言以及课程设计的计算机支持。Dannenberg 教授也是一位小号手和作曲家。他曾在哈莱姆历史悠久的阿波罗剧院到巴黎 IRCAM 的现代 Espace de Projection 音乐厅演出。除了为音乐家和互动电子产品创作的众多作品外，Dannenberg还与豪尔赫·萨斯特 (Jorge Sastre) 共同创作了歌剧 La Mare dels Peixos。
　　报告摘要：
　　音乐被定义为“有组织的声音”。传统音乐是高度组织化的，由多个层次组成。在自然语言中，标记（词）指的是外部概念，例如“声音”这个词意味着这个句子之外的东西。但是在音乐中，我们一般没有“词”和外部参考之类的东西。因此，在音乐中，组织主要是通过重复来实现的。当被识别时，音乐重复作为一种内在参考，因此重复本身就是结构的基础。反过来，结构在听众的期望和惊喜中扮演着重要的角色。
　　如果结构和重复在音乐中很重要，那么任何成功的 AI 音乐生成系统都应该能够创建音乐重复并可能学习分层音乐结构。深度学习的一个巨大希望，甚至是声称，这种抽象表示可以直接从数据中学习。在实践中，我们几乎没有证据表明最先进的序列学习器可以形成音乐结构模型或生成令人信服的音乐重复结构。本次演讲将解释这种困难的一些来源。
　　我们需要更多地了解音乐的本质，包括结构的作用。最近的工作研究了重复结构与节奏、音高与和声的统计分布之间的关系。例如，众所周知，乐句通常以更长的音符或主音和弦结尾。然而，人们必须问，乐句是由这些特征定义的，还是乐句产生了这些特征？我将描述如何纯粹基于重复而不考虑任何其他乐句边界指标来分割乐句。事实上，这些乐句确实对节奏、音高与和声产生了重大影响。此外，多层次的结构对较低层次的音乐特征产生不同的影响，这证明复杂的层次结构对于音乐创作是必不可少的。
　　我将描述一些当前在音乐生成和音乐模仿中使用这些结构思维的工作。在与人类听众的评估中，我们发现，就平均的表现而言，成功的流行歌曲比计算机生成的模仿作品要好，但在随机配对中，这听众对所提供的这两种歌曲都不熟悉，机器生成的歌曲通常可以收到与人类创作歌曲同样好甚至优于人类创作歌曲的评价。我们还发现结构在感知歌曲质量中起着重要作用。

　　报告题目：
　　从工程哲学看音乐人工智能创作过程
　　论坛嘉宾：
　　潘宇
　　中央音乐学院音乐人工智能与音乐信息科技系高级工程师
　　潘宇，中央音乐学院音乐人工智能与音乐信息科技系高级工程师。本科毕业于西安交通大学计算机科学与技术专业获学士学位，硕士毕业于中国科学院大学软件工程专业获硕士学位；具有系统分析师和软件设计师职业资格。主要研究方向为：音乐信息检索、智能音乐教育、智能音乐表演。
　　报告摘要：
　　工程哲学的研究对象是工程活动和工程知识。工程活动的基本单位是项目，做好一个项目，需要有技术手段和管理手段的支撑。基础科学、技术科学、工程技术构成了技术手段的工程知识体系。项目管理科学是管理手段的工程知识体系中的重要一环。音乐创作可以看成以音乐美学追求为目标的工程，根据音乐创作的具体项目，每个项目都有项目的目标、项目活动，同样也需要项目的技术手段和管理手段的支撑。艺术家如何有效的运用合理的方法完成创作？工程师需要掌握什么样的技术，才能有效的为音乐创作提供创作工具？创作过程如何定义并有效的管理？这些问题都是音乐创作工程哲学的主要问题。本报告聚焦此三类问题，总结、归纳、对比分析软件工程和音乐创作工程的发展历程，提出一种现代音乐创作工程的知识体系，在此基础上提出音乐创作工程领域的理论创新方向。

　　报告题目：音乐人工智能与大规模钢琴数据集GiantMIDI-Piano的收集与分析
　　论坛嘉宾：
　　孔秋强
　　字节跳动音乐人工智能研究科学家
　　孔秋强于2020在英国萨里大学获得博士学位，目前就职于字节跳动，任职研究科学家。他的研究方向包括音频和音乐信号处理。他的代表作包括基于弱标签的音频事件检测和分离，大规模音频分类系统，及构建大规模音乐数据集等。
　　报告摘要：
　　音乐人工智能是近年来一个新兴的学科。音乐人工智能是一门结合音乐学、计算机科学等多种学科的交叉学科。本汇报将介绍音乐人工智能在音乐创作、音乐传播、音乐推荐中的应用。本汇报将介绍：1）自动钢琴转谱系统；2）使用转谱系统转录的大规模钢琴数据集GiantMIDI-Piano。自动钢琴转谱系统采用人工智能算法，将音频波形转谱为MIDI文件。转谱的音符信息包括音高、时长、力度、延音踏板信息。制作大规模GiantMIDI-Piano数据集的目的是，将历史上的钢琴独奏作品以MIDI数字格式归档。GiantMIDI-Piano数据集元信息来源于国际音乐数字图书馆IMSLP，音频数据下载于YouTube网站。本工作开发了钢琴独奏检测系统和自动钢琴转谱系统，转谱了来自2786位作曲家的10854部钢琴独奏作品，合计3450万个音符。GiantMIDI-Piano数据已开放下载。基于GiantMIDI-Piano数据集，我们分析了不同时期、不同作曲家们的音高分布、音名分布、音程分布、和声分布，并分析了六位来自不同时期作曲家们的音符使用统计值。以此实验证实、并展望使用计算机方法进行音乐学研究的可行性。

　　世界音乐人工智能大会论坛与会者合影
　　（10月23日）

　　世界音乐人工智能大会圆桌讨论专家与参会者合影
　　（10月24日）
　　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/
　　项目支持：教育部“双一流”建设高校和建设学科；北京市高校高精尖学科；北京宣传文化引导基金




相关附件：


相关链接：