第一章 绪论
1.研究背景与意义
21世纪以来，科学技术飞速发展，科学技术与艺术的发展关系是相辅相成的，科学技术的发展也同样离不开艺术的新想法，同时今天的艺术发展越来越离不开科技的支撑。数学计算能力和计算机的飞速发展使音乐中的律学得以更进一步的发现、使用和发展。20世纪后，以西方音乐为代表的音乐艺术走向了历史最顶峰。音乐在人类社会生活中的作用，再一次显现了音乐与科学技术发展的密切联系。随着社会翻天覆地的变化，人工智能这一先进的科学技术不断渗透进各个行业，音乐作为艺术的一种，也逐渐开始使用人工智能技术。其音乐作品也展现出百花齐放的特征，而人工智能也使音乐这一学科更进一步升华。（黄志鹏，2007）
1.1 研究背景
在上世纪音乐制作在上世纪由模拟转为数字化时代后，声音就增添了做变化的方式，使音乐创造出更多更细节化甚至趋向于模拟时代的音质，并且在音乐内容上也不断的靠近了人类社会大众的审美。
在这种情况下，人工智能被视为对分布式系统做出贡献的代理人与电脑的共同创造和扩展人类能力，而不是取代了人类的创造力。这种方法背后的前提是人工智能——尤其是机器学习算法——可以塑造音乐思考，通过开放空间的构图可能性和允许新的艺术观念和艺术实践的出现。独特的能力和机器学习算法的合成“功能可见性”提供作曲家，技术上和概念上通过在乐器设计、交互式音乐系统、计算机审美评价和人机合作探索等方面的应用，说明了机器学习算法的作曲“启示”——它们在技术和概念上给作曲家提供了什么。尽管机器学习算法在艺术领域应用的当前和未来的难题，特别是机器学习问题作为封闭的任务与艺术实践作为开放式探索过程之间的差异，重新审视后，优化目标和交互能力机器学习算法和采用人在循环的设计策略允许更紧密的人机协作是第一步解决现有AI工具与新兴AI工具之间的差异艺术实践和美学，那如此一来，不久的将来，音乐AI是否可取代人类艺术家，用机器来进行创作呢？
目前已出现有音乐制作公司可以使用随机的音乐动机进行音乐创作，而音乐缩混部分一直被业界人称之为“音乐中的二次创作”，其判断标准大约有四个：平衡，纵深，空间，动态。那当下出现的一些插件已能帮助我们做到基本的平衡，达到粗混的效果，那是否在未来也存在替代音乐缩混师这个职业依然能为大众创作出更精彩的音乐呢？
1.2研究动机
音乐人工智能所具备的特点我们可称其为“混合交叉性学科”。音乐人工智能涉及了音乐学、音乐美学、音乐哲学、物理学、数学、电子信息、自动化和计算机等多学科，横跨艺术学、理学、工学等三个一级学科领域。人工智能领域的艺术家大多从事的都是不同于传统音乐的电子乐、电子原声音乐、计算机音乐和互动音乐类型的创作。工程师所开发的各类平台控件也都大多用于电子类音乐的制作，虽然现今的电子类音乐风格繁多且都有不同的发展史，但是他们的艺术表现、听觉习惯和创作理念都与传统音乐大相径庭。即使在会大量使用传统乐器的电子原声音乐中，对于原声乐器的编排和使用也与古典乐完全不同。人工智能的所相关艺术创造都具备了高科技化，现代化，概念化的特征。相信在今后音乐科技学学科的发展中，随着科技的高速发展，人工智能的艺术创作将会呈现出更加现代化、引领时尚音乐潮流的趋势。
科技的发展也使音乐技术不断趋于成熟，不仅有人工智能代替人类音乐家的事件，而且出现了由机器人上台进行即兴演奏的画面。因此，在对音乐研究的同时也就离不开对当下音乐技术的研究了。同时，随着我国人工智能信息技术的不断挖掘，也让音乐人享受到了福利。例如：公司或者个人开始发明使用人工智能算法分析大数据，找出人们喜欢一首音乐的原因，并根据大数据来制作新的热门的歌曲。这些学术成果，都一次次证明了人工智能在音乐当中已经有举足轻重的作用，也值得我们去研究、总结与反思。
机器开始不断向人类的轨迹发展，音乐人工智能也逐渐在被开发出来，今后的音乐人工智能是否存在替代音乐缩混师这个职业的可能性将成为本文研究讨论的重点。
1.3研究目的
在艺术学科中，音乐与科学技术的联系非常广泛。从过往的实践结果证明，科学技术的发展推动了音乐艺术的不断发展，而音乐艺术领域中取得的成果在某种程度上也反映出了当下科学技术的发展水平。
音乐艺术领域就体现在声音音乐创作上。声音音乐创作是使用现代化技术对以声音为音乐的基本构成元素进行录制，编辑和音乐的创作。此处的音乐创作和传统的作曲学最大的不同点就是在音乐创作过程中音符不再被作为音乐的基本构成，取而代之的是声音和声波。其中具有代表性的音乐风格包括波普音乐、电子原声音乐，电子音乐。还有以声音设计为主的声音创作艺术的创作也属于音乐科技学艺术领域。（潘溯源，2013）这些构成了音乐人工智能的理论基础，并将人工智能的成果作为音乐作曲、制作、混音和表演当中的“助手”，使音乐作品更加接近作者的本意和大众的审美。
音乐的制作过程有音乐作曲、音乐制作、音乐缩混和音乐表演这四个大模块。人工智能目前在这四大模块中提供了诸多便利。音乐缩混作为音乐创作过程中最为重要的混合阶段，本文将就部分实例进行分析，音乐人工智能是否具有替代人类的潜力，若不能取代，在未来将会给人类提供怎么样的便利。
1.4 研究问题
本文将要跨学科阐述，宏观角度来讲，从社会学、传播学和音乐美学角度分析，音乐科技对音乐制作行业的冲击，以及音乐科技的发展对音乐制作过程的改善或替代；微观角度来讲，从音乐本身出发，人工智能对音乐缩混中每个生产步骤产生的影响，以及从四个标准（平衡、纵深、空间和动态）来看，人工智能对其产生的改变。以及在流行音乐制作过程中使用到的技术进行阐述并给出见解。
主要提出的问题为：
① 人工智能在近几年的发展中，对音乐混音中的运用研究；
② 人工智能在音乐缩混中的运用，产生了那些问题；
③ 根据问题1，展开讨论，音乐人工智能是否能完全替代人类音乐缩混师；
④ 目前音乐人工智能在音乐缩混这一步骤中遇到的瓶颈和考验；
⑤ 在未来，音乐缩混师的发展方向可能会趋于什么方向，又会遇到什么样的技术问题。
1.5研究流程图
第二章、国内外研究成果阐述
2.研究成果阐述
人工智能的课题研究从上个世纪就开始了，至今也有近一个世纪的历史，但真正的实验研究成果和文献研究结果在国内还是相对稀缺，但在国外近些年的文献研究不断喷发，由此可看到近几年来人工智能作为国际热点话题，已让各国学术研究者深深为之着迷，甚至在一天之内都有近10篇左右文章发布；而国内的人工智能研究依然仅停留于可预知的对人类生活带来的影响的可能性的阐述。本篇将国内外研究成果阐述将国内外的音乐人工智能课题研究成果进行总结汇总。
2.1国内音乐人工智能研究的文献综述
近十年来，国内对音乐人工智能的研究较为稀缺，音乐在中国传播史较短，人工智能也是20世纪后才出现的新兴领域，历史较短，运用在音乐行业中的技术尚不成熟，使音乐人工智能成为一个新奇的领域，研究内容空白部分较多。目前，知网及几大文献数据库中都显示，在国内研究音乐人工智能的主要以期刊文为主，硕博论文较少。
截止于2021年11月8日止，在知网以“音乐人工智能”为关键词进行高级搜索，优秀论文共有5篇。从万方数据库中以关键词“音乐人工智能”进行搜索，共有107篇学位论文，326篇期刊论文。主要总结为以下几块内容：
第一、人工智能的出现，同时也产生了一系列司法问题。音乐作品本身的知识产权保护、著作权的保护成为法律界知识产权体系中热议的话题。部分笔者认为人工智能创作的音乐作品权利归属应属于人工智能作曲开发者和用户这两类主体，也有笔者认为著作权应当属于人类本身。
第二、在线音乐教育的改革变化，改善了传统音乐教育中无法发挥学生自身主观能动性的特征，提高了音乐教学效率，培养学生对音乐的兴趣和探究精神。学校自发的在线音乐教育或者是社会性的在线音乐教育，都有助于促进音乐教育资源的公平，从而推动音乐教育的资源推广和创新发展。
第三、音乐人工智能的人才的培养和行业发展相关性密切。例如：2019年中央音乐学院开始招收音乐人工智能与音乐信息科技的博士生，该方向的博士生将采取双导师进行培养制（音乐教育导师+科技企业导师），学制为三年。这是一个人工智能学科与音乐学科的结合。可见音乐人工智能的发展趋势大势向好，
第四、还有一部分研究内容为：在音乐流媒体的使用中，运用人工智能下的大数据分析将所有线上用户进行“分类汇总”，运用一系列算法猜出用户的“心思”。
第五、最后一部分，从传播学的角度来看，音乐传播者的核心功能、音乐传播内容的价值、音乐传播媒介的转型发展、音乐用户的体验以及音乐传播的风险等都被人工智能全方位影响，这些影响带来的法律伦理问题也被拿出来进行了研究和分析。
2.2国际音乐人工智能研究的文献综述
国际对音乐人工智能的研究较多，也更系统化。以关键词“Music AI”在SpringerLink上搜索，仅2020-2022年就有近5000条结果，其中不乏有手册类的书籍和硕士论文、期刊等文献，相关科目有计算机科学类、工程类、商业管理、社会学等学科。以下我总结了部分与我研究内容相关的文献，并进行了总结：
第一、研究开始转向与电脑交互的声音和音乐的创造性，从与物理物体的声音交互设计，新数字仪器的开发和评估及其表达能力，到声音感知和声音体验语义的基础和探索性研究，音量强调声音在交互中的重要性。
第二、人工智能技术在创意产业中的应用现状，介绍了人工智能的背景，特别是机器学习(ML)算法，包括卷积神经网络(CNNs)，生成对抗网络(gan)，循环神经网络(RNNs)和深度强化学习(DRL)等算法技术的使用。运用此类算法构建出的模型已经可以达到基本的作曲、演奏的要求了。当然除此之外，还应当不断继续和发展，更进一步研究音乐人工智能。
第三、在人工智能的使用过程中的产生的伦理问题。部分作者认为在机器人和人工智能支持的服务中，人机交互所涉及的伦理困境既是众多的，也是重大的。一个广泛的伦理担忧是，我们现在将自己比作机器，而不是动物，因此，我们的优越感正在减弱。尽管这里提出的一些道德困境是未来主义和推测性的，但现在是思考它们并采取法律、社会和程序行动来帮助解决它们的时候了。
第四、面对快速发展的技术和互联网，在线音乐课程是面对面学习和高等教育的补充。学院和远程教育硕士课程在世界范围内都可以获得，并提供在许多大学追求职业发展的在线机会。个人在线课程是实时交流的音乐教育的另一种选择。在以往的方法中基于深度学习和数据挖掘的远程音乐教育课程。现有的方法带来了技术上的挑战，过度过滤和部署的挑战。该方法基于FPGA(现场可编程门阵列)和远程音乐教育课程的机器学习。无线传感器显示，成人参与在线音乐训练的方式多种多样。因此，在线交流与师生互动的性质是不同的。有请求。对于基于练习或表演的课程，可能会出现低质量音频和时间延迟等实际问题。在线学习提供了灵活性和国际化，并有很强的能力与许多人联系。在这种情况下，无线传感器传达了我们的老师从实用的角度来看，比如交通和支付的便利。进一步的教育努力还需要促进音乐和在线远程教育。＜Distance music education course based on FPGA and wireless sensor＞.Bei Tu,Chang Liu
2.3理论基础
在许多当代社会，技术的不断普及，从通信到社交网络，数字健康和福利服务，工业化社会社会生活的每一个方面都被以科技提升人为目标，优化服务，或自动配对管理。在这些技术中，机器学习(Machine Learning)和更广泛的人工智能领域受到了相当大的关注过去的几十年。过去十年的研究表明，数据驱动的基于学习的算法可以在许多不久前还无法想象的任务中实现。自从深度学习以来在2012年的突破，这些算法已经被证明可以识别图像就像人类一样，从很少的观察中获得运动控制能力，然后能理解几种人类语言并做出反应。这些突破促使了该领域的重大投资，从而加速了该领域的技术进步指数级的速度。赛通过与这些技术的互动，人们生产了大量的大量的使用数据，反过来，这些数据被用来训练底层算法。因此，技术类型脱离了人们的控制和理解。艺术家历来都是最早质疑科技创新的人之一。我们的方法改变了利用和反思人工智能作为一个表演中的演员，一个发挥功能的实体可以用来质疑西方社会对计算智能的理解。
音乐作曲作为音乐创作中最重要的具有创新性的步骤，目前已经有国外的公司制作出了作曲的模型。例如由曾婷在《人工智能（AI）实现编曲生成的模型初探——以Music Transformer和Leadsheet Generation两个模型为例》（2021）中总结出的八大作曲模型：MuseGan、MuseNet、Leadsheet Arrangement Generation、Music VAE、Performance RNN、Vanila Transformer、Music Transformer、AWS Deep Composer，当然，目前已有的音乐生成模型远远不止这八个，还有一些公司或者个人发布在网络上的音乐生成的模型和工具等。这些模型工具的产生和完善，让人工智能作曲替代人类艺术家提供了可能性。
音乐混音是将一系列不同的音乐组合在一起的过程同时应用一系列音频处理来混合音轨以一种令人愉悦的审美方式在一起。音乐混音练习需要一段音乐作品的各个方面使用一套工程技术的令人愉快的组合这样做的工具。音乐混音需要考虑的五个关键成分做一个混合，他们是平衡，频谱，空间，纵深，动力学（Owsinski,2013）平衡是指确保在混音中所有的乐器都能被听到。频谱相关要把频率上的内容混在一起，要保证这是平衡的，而且也有对特定的频率分量没有太大的权重，这个频率每个声源的组成部分都是清晰的。空间代表一个好的两耳之间的声音图像，可以更好地区分所有不同的声源，没有一方听起来比另一方更响。纵深是确保每个声音元素都有足够的趣味性和复杂性每个声音的丰富性都能被清晰地听到，同时所有的声音元素都能被听到混合在一起，产生悦耳丰富的音色。动力学有关以突然的瞬变性质的声音，确保有充足和充足的通过创建更安静的部分来改变整体和个人的音轨音量在音乐中，较好的部分可以更突出，创造兴趣和随着时间的推移演化出声音信号。这五个方面的组合通常是通过一系列不同的音频效果。根据偏好、感知质量和情感感知的不同，一段音乐的混合方式会极大地影响它被感知的方式。音乐混音是一个高度复杂、多维度的过程问题是，许多不同的复杂声音被组合成许多不同的方式。每一个轨道的加工和修改都依赖于所有其他音轨内的音乐混合，往往需要不同的处理和在歌曲的不同部分的效果。比如：在合唱中应用了一些均衡器设置可能与诗中要求的平衡器设置有很大的不同。这个结果在一个高度复杂的非线性搜索空间，严重依赖于人的感知对音乐的偏好，以及人类听觉和情感的局限对音乐的反应。
音乐表演需要在舞台上生成表演，而对于人工智能来说，生成人类音乐表现力是计算机音乐中最具挑战性的方面之一，最近才得到解决。造型表现力的主要问题是掌握表演者的“触点”，即表演乐谱时所运用的知识。人类通过长期的观察和模仿来获得它。因此，以往以遵循音乐规则为基础，试图获取解释知识的方法存在严重的局限性。另一种更接近人类观察-模仿过程的方法是，直接使用从人类表演者的录音中提取的例子中隐含的解释知识，而不是试图明确这种知识。
自20世纪80年代以来，计算机软件已经能够将信息发送到原声钢琴上，这使得在钢琴上播放钢琴音乐的自动组合表演得以发展(De Poli,2004)。随着算法生成的改进古典/浪漫的标准曲目(主要是钢琴)新的研究问题出现了：是否会有当一个听众不能区分一个算法算法表演一件作品而不是一个专业的人类表演者的录音算法的能力或从那以后，机器人变得像人类就一直很吸引人自动化和机器人技术的可能性出现了音乐（Kapur,2005)。一个著名的例子是计算机能打败世界象棋冠军的人，电脑“深蓝”能够通过击败对手而达到这一里程碑在经历了数年的失败后，世界冠军加里·卡斯帕罗夫于1997年在官方锦标赛上获胜。而后几十年，当机器人在台上演出时，听众无法分辨出专业的人类表演从一个算法实现，除非算法加无富有表现力的细微差别，也就是说，除非它以一种通俗、无表情、机械的方式执行音符。而专家的经典音乐钢琴演奏者，他们会有一些专业的音乐知识和音乐风格，可以不区分具有表现力的算法再现人类的表现。所以，人类钢琴家可以很好地模仿让人类。而这个结论使人们提出提出了一个关于人工智能的重要的论点人工智能是否能替代人类艺术。就像深蓝电脑在比赛中战胜了人类选手国际象棋，目前的算法可能会使人变得多余。
2.4重要概念定义
音乐人工智能（Music Artificial Intelligence）：近些年的时间以来，众多领域范畴当中都产生了这一词汇，比如音乐和电脑等等领域之中。这是一个比较通俗的概念，但是具有一定的模糊性，可以对之进行这样的理解，也就是人工智能于音乐范畴当中获得垂直运用，即音乐生成等等，亦包含一切同AI以及音乐有所关系的应用，比如智能音乐教育和分析等等。实际上，音乐人工智能应当被划分至音乐科技中的一个方面。
音乐作曲（Music Composition），指代的为对音乐进行创作的行为抑或是这一系列进程。（参考于《The New Grove Dictionary Of Music&Musicians》）。在这一系列进程当中，会对各种各样和音乐有关的方面进行运用，比如基本乐理以及配器法等等，从而将创作者头脑当中所蕴含的音乐思想体现出来。差异化国家以及历史时间当中创作出来的风格和使用的方式不太一样，大致可分为这几类风格：巴洛克时期以及古典、浪漫、现代这几个派别。
音乐制作（Music Production），是一大综合性任务的体现，包含音乐以及技术、创作以及艺术等多个内容在内。与此同时，其亦为对音乐创作提供相关服务的流程性的名词，包含一首作品获得呈现的不同时间段，与此同时，围绕者差异化媒体方面的实际所需，亦能够将之分成现代写作和编曲、电子音乐等等内容。
音乐缩混（Music Mixing），指代的是制作音乐的进程当中，把各种各样的声音源泉加以规整，将之置于一个立体抑或是单音乃至环绕音轨中的一步，这些声音来源可能来自不同的乐器、人声或管弦乐。然而，过去的音乐混音技术与方法与现在的大有不同，过去用来混音的设备通常是合成器、音效处理器和混音台等。如今随着科技发展，仅仅需要计算机以及混音软件便可以完成以前所进行的繁复的混音操作。
2.5理论意义
伴随着新时代的来临，科学技术获得了迅猛发展，各行各业都受到了这一科学技术手段的大量影响，使得很多作曲家将音乐和科技结合在一起进行创作，从而能够使得其音乐和音响理念获得更为明确的呈现，这推动了作曲家和科学技术专家二者之间有了更为密切的协作度，共同付出心血，对音乐作品进行创作。“电子音乐”就是这一发展进程的典型案例。电脑参与到音乐创作当中，有些人将之视为一种机械化的参与，就当下来说，将电脑置于其中，作为交互对象，还面临着非常多的技术难题，所以，截止当下，这样“交互式”的电子音乐，还未得到大量认可和普遍运用，没有成为音乐生活当中的主要方向。然而，很多有着先进性理念的作曲家和科学技术专家，对此颇为关注，并于其推动之下，这一方面正发生着极其显著的改变。相信在未来，随着时代的进一步推进，会有更多更好的作品被构建出来，这种新型的电子音乐也会受到人们的普遍重视。
音乐人工智能为音乐人带来了如此多的便利，从一定程度上减轻了音乐家的工作压力，但是同时也在不断侵蚀人们的创造力和创新能力。人工智能是不是会完全替代音乐家，如何能保持人类艺术家还能保持其创造力，是值得深入研究的点。
2.6本研究创新点
本研究将结合过去已经产出和的模型、算法和实际产出物进行归类总结，并结合实际理论证实，在音乐作曲、音乐制作、音乐混音和音乐表演中。为什么人工智能在未来既有可能取代人类艺术家，又不可能取代人类艺术家。
第三章、研究方法与设计
3.1研究方法
文献调研法：对文献进行分析，从中得到相应的数据和资料，从而对本文的撰写提供一定的参照。本篇论文所涉及到的文献资料，关键包含各种纸质和电子版的文献论文等等。
专家访谈法：又叫晤谈法。采用这样的方式，是对行业内典型专家的认识加以了解。专家访谈法为了对诸多历史事件和重大实事获得充分资料，论文对许多国内专家、学科进行多种形式的访谈,包括当面访谈、和电话访谈，甚至是使用电子邮件方式，访谈法运用面广，能够简单而叙述地收集多方面的工作分析资料。本文将利用网络在线上搜集到他们的联系方式，用邮件与他们进行沟通交流并记录。
对比研究法：对比研究法是用逻辑比较研究其不同或相同，并对其相互间的影响加以探究的一大方式。对国内国外有关学科建设情况加以调研之时，创建了小模型，继而对国内外有关情况加以对照探究，并获得可以借鉴的论断。本文将从有人工智能和无人工智能化的运用方式对音乐作曲、音乐制作、音乐混音及音乐表演进行横向研究，并得出了这样的论断，也就是人工智能是没有办法完全对人类艺术家加以取代。
案例研究法：隶属于实地分析的一种使用方式。采用这样的方式，旨在得到直接性的论断和具有极大参考价用的资料。在论文撰写之中，运用这一方式，结合国内国外众多具象化的机构和学校的实际发展案例，对课题进行深度分析。研究者在选择研究对象的时候，会对单个抑或是几个情景进行有关数据的汇总和整理，从而提出相应的深度论断。当实际情况和理论有着不太明确的界限的时候，抑或是研究者没有办法对变量进行设计的时候，为了使得变量有着精准的呈现，会对这一方法进行运用。这一研究方式，在对资料进行搜集和解析这一层面上，有着独具特色的价值。对比其他研究方式，使用这一方式，能够围绕着相关的案例，辅以有所根据的描绘和较为体系化的理解度，从而结合相关的情景实际情况，有效把握动态发展进程。本文将过去已实践成功的案例和失败的案例进行分析，并对其案例分析自己的想法和看法。
3.2研究理论的框架图
第四章 人工智能在音乐混音中的运用研究
随着20世纪科学技术的发展，伴随着科学技术在人类当代社会的渗透，大部分音乐人开始尝试让自己的音乐与人工智能相互结合。当音乐形式不断数字化的过程当，人工智能的参与，在音乐缩混过程中也开始寻求一种更加符合其音乐音响观念和音乐审美的方式，这促使着音乐人开始逐步寻求与科技专家的相互合作，与其共同完成音乐创作。不仅使音乐人，在高校内，学科与学科之间也开始不断寻求新的合作。在这其中不乏有电子音乐、流行摇滚等各式风格的音乐。当代音乐人在追求音乐的创新中，的确尝试了很多新想法，而人工智能的出现给到音乐人们更多可以实现的可能性。（潘祖君，2005）
中文参考文献
1.专业学术论文
[1]黄志鹏.(2007).我国音乐科技学科建设的理论研究(博士学位论文,首都师范大学). https://kns.cnki.net/KCMS/detail/detail.aspx?dbname=CDFD9908&filename=2007076414.nh
[2]杨茗滟.(2021).音乐新媒体在早期音乐教育领域的应用技术研究与实践(硕士学位论文,上海音乐学院). https://kns.cnki.net/KCMS/detail/detail.aspx?dbname=CMFD202102&filename=1021067326.nh
[3]朱琦.(2020).电子音乐分析中图示化表达的应用和意义研究(硕士学位论文,南京艺术学院). https://kns.cnki.net/KCMS/detail/detail.aspx?dbname=CMFD202101&filename=1020124512.nh
[4]蒙诗雅.(2020).关于音乐科技文献翻译问题的思考(硕士学位论文,中央音乐学院). https://kns.cnki.net/KCMS/detail/detail.aspx?dbname=CMFD202101&filename=1020109417.nh
[5]曾婷.(2020).人工智能（AI）实现编曲生成的模型初探(硕士学位论文,上海音乐学院). https://kns.cnki.net/KCMS/detail/detail.aspx?dbname=CMFD202101&filename=1020830564.nh
[6]陈佳晶.(2019).MIDI技术在舞台实时电子音乐中的应用分类(硕士学位论文,中国音乐学院). https://kns.cnki.net/KCMS/detail/detail.aspx?dbname=CMFD201902&filename=1019113861.nh
[7]李响.(2014).电子音乐在中西方学院教育体系中的建设与发展(硕士学位论文,中央音乐学院). https://kns.cnki.net/KCMS/detail/detail.aspx?dbname=CMFD201501&filename=1014362142.nh
[8]赵文静.(2011).20世纪以来中国音乐科技文献研究(硕士学位论文,山西大学).https://kns.cnki.net/KCMS/detail/detail.aspx?dbname=CMFD2012&filename=1012279686.nh
2.报刊资料
[1]黄志鹏.浅谈国内音乐科技及相关学科的发展建设[J].人民音乐，2007(5):52-53.DOI:10.3969/j.issn.0447-6573.2007.05.024.
[2]刘灏.(2018).音乐与科技学科前沿理论与实践研究——虚拟空间中的3D音频技术.JiaoXiang-Journal of Xi'an Conservatory of Music,37(3),147-154.10.3969/j.issn.1003-1499.2018.03.021
[3]逯芳.(2014).现代音乐教育中音乐科技应用研究.Duyuxie,(37),244-244. https://d.wanfangdata.com.cn/periodical/ChlQZXJpb2RpY2FsQ0hJTmV3UzIwMjExMDI2EhNkeHMtanlqeHlqMjAxNDM3MjQ4Ggg1dWNrcXZlMw%3D%3DDO
[4]潘溯源.英国音乐科技学学科发展特色研究[J].艺术百家，2013(z1):274-276，140.DOI:10.3969/j.issn.1003-9104.2013.z1.090.
[5]潘祖君."交互式"电子音乐的特点之浅见--"音乐与高科技"音乐会有感[J].中国音乐，2005(4):194-196.DOI:10.3969/j.issn.1002-9923.2005.04.046.
[6]苏雪梅.浅谈科技文明与流行音乐[J].四川戏剧，2006(2):70.DOI:10.3969/j.issn.1003-7500.2006.02.034.
3.搜索引擎与国家数据库
-
北大天网
-
www.bing.com必应
-
www.google.com谷歌
-
www.baidu.com百度
-
万方数据库
-
中国期刊网
-
中国优秀硕士论文全文数据库
-
中国优秀博士论文全文数据库
-
http://link-springer-com-443.webvpn.bjmu.tsg211.com/SpringerLink
-
https://sc.panda321.com/谷歌学术
-
http://www-proquest-com-s.webvpn.bjmu.tsg211.com/intermediateredirectforezproxyProquest
-
https://www.sciencedirect.com/ScienceDirect
外文参考文献
1. 学术论文与网络资料
[1]Chen,N.,&Wen,G.(2021).Music Composition Feasibility using a Quality Classification Model based on Artificial Intelligence.Aggression and Violent Behavior,101632.https://doi.org/10.1016/j.avb.2021.101632
[2]De Poli,G.,Canazza,S.,Rodà,A.,&Schubert,E.(2015).The role of individual difference in judging expressiveness of computer-assisted music performances by experts.ACM Transactions on Applied Perception,11(4),1–20.doi:10.1145/2668124
[3]Drott, E. (2021). Copyright, compensation, and commons in the music AI industry. Creative Industries Journal, 14(2), 190-207. 10.1080/17510694.2020.1839702
[4]Kaliakatsos-Papakostas,M.,Floros,A.,&Vrahatis,M.N.(2020).Chapter 13-Artificial intelligence methods for music generation:a review and future perspectives.In X.Yang(Ed.),Nature-Inspired Computation and Swarm Intelligence(pp.217-245).Academic Press. https://doi.org/10.1016/B978-0-12-819714-1.00024-5
[5]Moffat,D.(2021).AI Music Mixing Systems.Handbook of Artificial Intelligence for Music(pp.345-375).Springer International Publishing.10.1007/978-3-030-72116-9_13
[6]Oliver Bown.(2021).Sociocultural and Design Perspectives 1 onAI-BasedMusicProduction:WhyDo We Make Music and What Changes if AI Makes It for Us?.Springer,Cham.10.1007/978-3-030-72116-9_1
[7]Rodgers,W.,Yeung,F.,Odindo,C.,&Degbey,W.Y.(2021).Artificial intelligence-driven music biometrics influencing customers’retail buying behavior.Journal of Business Research,126,401-414.https://doi.org/10.1016/j.jbusres.2020.12.039
[8]Schubert, E., Canazza, S., Poli, G. D., & Rodà, A. (2017). Algorithms can Mimic Human Piano Performance: The Deep Blues of Music. Journal of New Music Research, 46(2), 175-186. 10.1080/09298215.2016.1264976
[9]Wiggins,G.A.(1995).Understanding music with AI—Perspectives on cognitive musicology:M.Balaban,K.Ebcioglu and O.Laske,eds.,(The MIT Press,Cambridge,MA 1993);512 pages,softback;ISBN 0-262-52170-9.Artificial Intelligence,79(2),373-385.https://doi.org/10.1016/0004-3702(95)90014-4
[10]Shin,J.,Park,H.,Park,C.,Hwang,J.,&You,S.H.(2019).Effects of artificial intelligence(AI)based Integrated Robotic-assisted Gait,Music,and Light Brain Fitness Training(BRAIN-FIT)on electroencephalography(EEG)brain mapping of frontal alpha asymmetry(FA)and associated psychological behaviors in anxiety and depression.IBRO Reports,6,S288.https://doi.org/10.1016/j.ibror.2019.07.892
2. 外文专著
[1]Kapur,A.(2005).A history of robotic musical instruments.Proceedings of the International Computer Music Conference,Barcelona,Spain(pp.21–28).
[2]Owsinski,B.(2013).The mixing engineer’s handbook.Nelson Education.
