劉珺 劉君

【摘要】計算機科學(xué)技術(shù)的迅速發(fā)展，為社會生產(chǎn)與生活的各個領(lǐng)域都帶來了明顯的變化。借助計算機和人工智能技術(shù)進行音樂情感判斷，成為了新的研究方向。本文首先對音樂情感計算機分析模型進行了分析，重點闡述了通用連續(xù)模型、音樂表達情感模型以及喚起情感模型等類型。隨后，文章進一步分析了音樂情感計算機自動識別技術(shù)的未來發(fā)展前景，旨在為關(guān)注這一領(lǐng)域的人士提供一些可行性較高的參考意見。

【關(guān)鍵詞】音樂情感；自動識別；音軌定位

【中圖分類號】G642 【文獻標識碼】A

一、音樂情感計算機分析模型

（一）通用連續(xù)維度模型

音樂情感的分析和判斷是音樂學(xué)同心理學(xué)研究雙方共同結(jié)合發(fā)展所制定的研究課題，隨著科學(xué)技術(shù)的進步，借助計算機科學(xué)技術(shù)以及人工智能等工具，也能達到音樂情感研究的目的。為了得出更加精準的音樂情感分析判斷結(jié)果，相關(guān)領(lǐng)域的技術(shù)人員通過構(gòu)建通用連續(xù)音樂模型的方法，將人類的情感狀態(tài)變化和起伏情況，直接體現(xiàn)在二維空間和三維空間當(dāng)中的點上。此種通用連續(xù)模型具有刻畫和描繪不同情感之間細微差別的能力。不僅能對被描述對象主觀的情感體驗進行描繪，還能對外部環(huán)境影響下以及生理狀態(tài)導(dǎo)致的情感特征進行刻畫。

（二）音樂表達情感模型

1936年，著名音樂學(xué)領(lǐng)域的專家Hevner在其組織的實驗“音樂中的表達元素”研究中，最初提出了影響最為廣泛的音樂表達情感的離散模型。在該模型當(dāng)中，Hevner借助了8個類別的67個情感詞匯，對音樂作品構(gòu)建的情感空間進行了描繪。根據(jù)Hevner所提出的情感詞所建立的表達情感模型，主要是為了音樂藝術(shù)作品表現(xiàn)力的刻畫。因此，該模型被廣泛地應(yīng)用到了與音樂有關(guān)的心理學(xué)研究當(dāng)中。隨著時代的發(fā)展，后來的研究人員不斷對該表達情感模型進行了優(yōu)化設(shè)計，推動其表達情感能力的準確度不斷提升。

（三）音樂喚起情感模型

音樂的喚起情感模型是基礎(chǔ)音樂表達情感模型的基礎(chǔ)上所創(chuàng)建的，在結(jié)合了“喚起說”相關(guān)理論，對音樂情感的進行離散表達。根據(jù)相關(guān)領(lǐng)域的研究結(jié)果證實，日內(nèi)瓦情感音樂量表是該領(lǐng)域當(dāng)中最初被承認的專門度量表，對于音樂喚起情感的研究具有十分突出的貢獻。日內(nèi)瓦情感音樂量表主要包含了九大類的45種不同的情感標簽。在這一模型當(dāng)中，用戶可以根據(jù)音樂起伏、節(jié)奏、韻律等不同的表現(xiàn)特征，對其喚起的情感類型進行分類。實驗表明，在利用日內(nèi)瓦情感音樂量表進行情感喚起的過程中，聽眾的選擇具有較強的一致性。說明了該情感量表的情感標簽的科學(xué)化程度較高。

二、音樂情感計算機自動識別技術(shù)發(fā)展前景

（一）提升參數(shù)提取能力

音樂情感計算機自動識別技術(shù)在未來的研究階段，若想提升研究效果，必須在現(xiàn)有的基礎(chǔ)上，進一步強化音樂作品各項情感表達參數(shù)的提取能力。針對這一問題，我國某地區(qū)的音樂情感計算機分析工作研究小組，聽過采取MIDI文件旋律特征參數(shù)提取的方法，為眾多音樂愛好者、家庭用戶以及音樂情感研究專家提供了更加科學(xué)和準確的音樂情感參數(shù)。一般來說，MIDI格式的音樂文件基本上由兩個部分所組成，即頭塊和軌道塊兩個部分。此外，每一個MIDI事件均帶有最高有效位總數(shù)為1的命令字節(jié)，不同的命令字節(jié)具有不同的長度以及不同的參數(shù)?；旧?，在不同的命令字節(jié)當(dāng)中，可以用x表示MIDI文件的通道號，根據(jù)音樂體系中的音高順序進行排列，進而形成參數(shù)音列。

（二）強化主旋律音軌定位能力

利用特定的算法對計算機音樂情感的識別能力進行設(shè)計的過程中，可以通過模型自動定位方法，對所輸入的音軌旋律進行定位，明確判斷輸入的音軌屬于主旋律音軌還是屬于伴奏音軌。因此音樂情感的識別問題可以轉(zhuǎn)化成為數(shù)學(xué)問題。例如根據(jù)數(shù)學(xué)問題當(dāng)中的已知對象分布問題的研究方法，可以強化計算機在識別和定位不同旋律音軌時的定位能力。直接反映在分類器當(dāng)中，即為輸入樣本的訓(xùn)練集合。通過具體的樣式C表示音軌所述的類別，然后分別利用“1”和“0”表示主音軌和伴奏音軌等不同的音軌類型。因此，便將音樂情感的音軌定位問題轉(zhuǎn)化成為了常見的二值分類問題。通過對二值分類問題進行解決，便能對主音軌和伴奏音軌進行判斷，達到對主音軌的定位目的。

（三）優(yōu)化表征主旋律情感矢量分配

除了上述兩種途徑之外，對表征主旋律的情感矢量分配進行合理優(yōu)化，也是未來音樂情感計算機識別技術(shù)的發(fā)展策略。對于計算機情感識別技術(shù)而言，在對音樂作品的主旋律進行定位之后，需要通過進一步操作，使計算機能夠?qū)χ餍僧?dāng)中所蘊含的情感進行分析和判斷。針對這一問題，作者認為，可以通過構(gòu)建數(shù)學(xué)模型的方法，采用時值分布和加權(quán)平均的方法，對音樂情感的變化進行方向性地指示。采用標準差的方法，對各項指標加以穩(wěn)定，從而對音樂作品當(dāng)中的音程、音長、音高和音強等進行特征信息處理。通過此種方法，能有效提升計算機自動識別技術(shù)對音樂情感的識別能力，進而完成對音樂作品主旋律和伴奏旋律的情感提取與表達，判斷音樂情感的具體特征。