近日，笔者应邀在位于旧金山的斯坦福大学计算机音乐与声学研究中心举办了一场“与变化时代对话的音乐创作”讲座，分享了自己在合成器声音处理与交响乐配器结合方面的作曲探索，以及基于吹打乐与西藏音乐音响特色的创作实验；与该校师生面对面交流、探讨如何运用人工智能突破传统音乐教育模式，并对该校的作曲算法新课程以及音乐人工智能技术项目进行了调研。

让声音创作

成为完全自由的存在

近年来，英美多所高校陆续关闭音乐系，标志着传统音乐学科在高等教育体系中的边缘化。世界许多顶尖音乐学院的课程体系已经沿用了将近百年，仿佛时间在学院派的音乐殿堂中静止了。学生们的主要时间依然用在学习16世纪的复调规则、18世纪的和声用法，分析着一两百年前的经典曲目。

而斯坦福大学的音乐教学方式与传统学院派的教学方式形成了鲜明对比。在这里，音乐不仅仅是一种艺术表达，更是一个可以被编程、被计算、被重新定义的声音世界。例如，“作曲算法”课程中，教授和研究生们用自己开发的编程语言直接操控声音的混响、延迟、缓冲等参数。他们不受既有软件的限制，而是用数学、代码和计算机科学重新思考声音的多种可能性。

当然，斯坦福的音乐科技研究者们也面临挑战——与中央音乐学院、纽约茱莉亚学院等传统顶尖音乐学院相比，前者在经典音乐和器乐演奏上的积累相对薄弱，对如何解放演奏者的潜力缺乏深入的理解。但在突破音响框架方面，他们已走在前沿，例如，美国电子音乐先驱保罗·兰斯基的《清空桌面》等作品，正是斯坦福音乐教育体系中被高度重视的创作方向。

第一次在课上听到《清空桌面》这首曲子时，笔者明显感受到其音响设计的开放性——声音的延展、速度、层次感，甚至它与声场空间的关系，都超出了传统器乐演奏的限制。这种突破音响极限的创作方式，对于主要依靠模仿习作与拼贴融合作为训练手段的传统学院派教育来说，无疑是一个极大的挑战。如果传统音乐学院的作曲训练是以人的演奏极限为边界，那斯坦福的创作方法则是将边界彻底消除，让声音创作成为完全自由的存在。

打破界限

是最迫切需要的变革

音乐创作的革新与任何其他学科的革新一样，往往发生在学科交叉的边界地带。在音乐世界中，在电子音乐和器乐音乐这两个领域中均有建树的作曲家，如凯娅·萨莉亚霍（Kaija Saariaho）、雅尼斯·泽纳基斯（Iannis Xenakis）等，便是跨学科创作的实践者。他们不仅在技术上探索声音的极限，更在个人风格的建立和作曲语言的塑造上取得了突破。

正如奥地利经济学家熊彼特所言：“创新就是具有创造性的破坏。”这种打破界限的思维方式，正是当下音乐教育最迫切需要的变革。如果所有学生学着相同的课程、训练着相似的技法，最终的创作也只会趋同。如果音乐创作者缺乏跨学科能力，缺乏对外部世界的吸收与融合，那么所谓的“创新”不过是对过去的微调，难以真正突破边界。而将看似无关的知识融合，恰恰是人工智能最显著的优势之一。

以大家熟知的大语言模型为例（比如DeepSeek），其本质上是做连接的机器。大语言模型通过训练，可以在看似不相关的词元之间建立联系。这些联系在人类看来可能牵强，但也可能蕴含着尚未开发的深层意义。当这种能力与AI固有的随机性结合时，便成为极具潜力的创新工具。谷歌Magenta团队曾展示如何利用AI音乐生成工具，将简单的两小节单旋律转化为风格差异较大的电子舞曲织体，并呈现旋律变化的每一步过程。AI所呈现的转化方式，甚至超越了受传统训练的作曲家对旋律演变的想象力极限。

如今，虽然音乐与AI相关的研究不断展开，但大多数仍集中在基于音频的训练与生成，而基于乐谱分析与生成的AI研发仍属少数。这导致大多数音乐从业者尚未真正使用AI创作工具，无法为AI提供高质量的数据与内容，从而限制了AI音乐模型的进化速度与发展潜力。同时，在高校中，音乐创作专业与人工智能研究之间的联动少之又少，进一步削弱了AI在音乐领域的研发深度和应用广度。

为此，美国一些高校的音乐研究中心鼓励跨学科合作，并提供专项经费，支持学生研究感兴趣的课题。例如，加州大学的一组研究生正在开发一款“织体追踪器”，它可以追踪作品中的音乐织体，包括转化、缩减和发展，并比对不同历史时期作曲家的相似织体。这一研究方向的价值不容小觑——它不仅能帮助作曲家更清晰地理解织体的发展逻辑，还能在创作过程中自动提示相似性，降低抄袭风险，并激发新的构思，让创作真正建立在前人的基础之上。更值得注意的是，这仅是美国高校众多人工智能音乐研究项目之一。

当下，每个使用电脑和手机的人类，某种意义上都是“半机器人”。我们依靠计算机存储和处理信息，用手机交流和连接世界，用镜头记录影像，并通过远程共享技术分享内容。正因为我们每天都在使用这些工具，它们才变得越来越强大，只有在音乐的创作和教育中积极使用新技术，音乐的创新才能与时代同步。

王德龙/文