人工智能音樂(lè)的“音樂(lè)人格”

陳益敏 張焜 劉聆風(fēng)

【摘要】二十一世紀(jì)，人工智能在音樂(lè)領(lǐng)域潛力無(wú)窮，但其仍存在局限性，如何提升人工智能音樂(lè)情感性成為焦點(diǎn)。音樂(lè)創(chuàng)作的本質(zhì)就是音樂(lè)情感地表達(dá)，量化的研究有助于實(shí)現(xiàn)音樂(lè)的動(dòng)態(tài)性，在語(yǔ)言計(jì)算模型中對(duì)音樂(lè)情感單獨(dú)標(biāo)注有助于彌補(bǔ)人工智能在海量數(shù)據(jù)學(xué)習(xí)中所丟失的動(dòng)態(tài)性。

【關(guān)鍵詞】深度學(xué)習(xí)；人工神經(jīng)網(wǎng)絡(luò)；量化研究；動(dòng)態(tài)性；情感標(biāo)注

【中圖分類(lèi)號(hào)】J60 【文獻(xiàn)標(biāo)識(shí)碼】A 【文章編號(hào)】1007-4198（2021）03-130-03

【本文著錄格式】陳益敏，張焜，劉聆風(fēng).人工智能音樂(lè)的“音樂(lè)人格”——賦予音樂(lè)創(chuàng)作的動(dòng)態(tài)性以增進(jìn)音樂(lè)的情感性[J].中國(guó)民族博覽，2021，02（03）：130-132.

引言

二十一世紀(jì)，人工智能技術(shù)在音樂(lè)領(lǐng)域應(yīng)用并快速發(fā)展，其在音樂(lè)創(chuàng)作、音樂(lè)教育和音樂(lè)保護(hù)領(lǐng)域都有交叉融合的趨勢(shì)?；赝斯ぶ悄芤魳?lè)發(fā)展史，AI最早應(yīng)用于作曲領(lǐng)域，其起源于算法作曲，并走向以馬爾科夫鏈、神經(jīng)網(wǎng)絡(luò)、遺傳算法等多種人工智能算法為基礎(chǔ)的AI作曲[1]，到如今深度學(xué)習(xí)作曲成為主流。

語(yǔ)音合成、音視頻與圖像識(shí)別、交互技術(shù)等一系列AI技術(shù)，推動(dòng)了音樂(lè)創(chuàng)作模式、流媒體個(gè)性化定制以及音響設(shè)備制作等方面的革新。[2]但這一應(yīng)用領(lǐng)域仍有深度發(fā)展?jié)摿Α，F(xiàn)有AI創(chuàng)作的音樂(lè)雖然技術(shù)成熟，卻缺乏一定的情感傳達(dá)能力。因此對(duì)于如何提升人工智能音樂(lè)情感性這一議題，本文提出了一種理論闡釋和解決方法，并提供了它可能的技術(shù)實(shí)現(xiàn)方案。

一、人工智能音樂(lè)的技術(shù)指南

人工智能音樂(lè)形成和發(fā)展的基礎(chǔ)，是人工智能技術(shù)的發(fā)展。

人工智能的基礎(chǔ)是深度學(xué)習(xí)，即一種連接型表征學(xué)習(xí)方法，其中的模型由一連串模塊組構(gòu)成，每個(gè)模塊可看作神經(jīng)元組成的不同拓?fù)浣Y(jié)構(gòu)，訓(xùn)練后的拓?fù)浣Y(jié)構(gòu)分別拿出來(lái)都可以作為獨(dú)立的特征提取器。

深度學(xué)習(xí)的結(jié)構(gòu)是構(gòu)造感知機(jī)模型，意在模仿神經(jīng)元工作的工作原理。人腦結(jié)構(gòu)的運(yùn)轉(zhuǎn)有大量神經(jīng)元的協(xié)作，AI的模仿亦是如此。按照不同的拓?fù)浣Y(jié)構(gòu)，人工神經(jīng)網(wǎng)絡(luò)通過(guò)設(shè)計(jì)不同網(wǎng)絡(luò)結(jié)構(gòu)，來(lái)解決不同問(wèn)題。其中最基礎(chǔ)的網(wǎng)絡(luò)結(jié)構(gòu)就是全連接網(wǎng)絡(luò)，在此基礎(chǔ)上發(fā)展出卷積網(wǎng)絡(luò)和LSTM記憶網(wǎng)絡(luò)。卷積網(wǎng)絡(luò)模擬視神經(jīng)系統(tǒng)，LSTM記憶網(wǎng)絡(luò)對(duì)某一時(shí)刻t的網(wǎng)絡(luò)信息進(jìn)行處理，遺忘，接受更新，決策鋪入，通過(guò)精心設(shè)計(jì)的稱作“門(mén)”的結(jié)構(gòu)來(lái)去除或增加信息到細(xì)胞狀態(tài)的能力。[3]人工智能根據(jù)用戶需求，將圖像或語(yǔ)音信號(hào)由輸入層輸入，進(jìn)行傳遞計(jì)算，最后由輸出層得到相應(yīng)的結(jié)果，這一過(guò)程也被稱為前向傳播。神經(jīng)網(wǎng)絡(luò)的訓(xùn)練目標(biāo)是達(dá)到模型輸出等于理想輸出，通過(guò)誤差函數(shù)，尋找參數(shù)使函數(shù)差值最小。但有時(shí)最終的理想輸出亦不明確，因此要引入生成式對(duì)抗網(wǎng)絡(luò)，其框架內(nèi)分為兩個(gè)模塊：訓(xùn)練判別網(wǎng)絡(luò)和訓(xùn)練生成模型。通過(guò)兩個(gè)模塊相互博弈學(xué)習(xí)產(chǎn)生優(yōu)質(zhì)的輸出。強(qiáng)化學(xué)習(xí)作為機(jī)器學(xué)習(xí)的范式和方法論之一，則使模型參數(shù)愈加適應(yīng)環(huán)境。[4]

二、人工智能音樂(lè)進(jìn)步的音樂(lè)基礎(chǔ)

人工智能音樂(lè)雖前景可觀，但我們?nèi)砸P(guān)注其局限性：人工智能音樂(lè)情感性的缺乏。從音樂(lè)學(xué)的角度，筆者認(rèn)為，音樂(lè)創(chuàng)作本身是音樂(lè)情感表達(dá)的技術(shù)基礎(chǔ)。提升人工智能音樂(lè)情感性，需要從音樂(lè)創(chuàng)作角度提供人工智能音樂(lè)的進(jìn)步空間。

（一）音樂(lè)的情感的發(fā)生

情感隸屬認(rèn)知科學(xué)范疇，當(dāng)它附著在音樂(lè)這一藝術(shù)領(lǐng)域時(shí)，則必須有行為主體（人）在此起到交互作用。音樂(lè)的情感性主要涉及兩個(gè)行為主體，一類(lèi)是表現(xiàn)音樂(lè)的人（如作曲家），另一類(lèi)是聆聽(tīng)、鑒賞音樂(lè)的人，即通俗意義上的聽(tīng)眾。其中交互的鏈條是從作曲家出發(fā)，經(jīng)由音樂(lè)這一客體傳達(dá)到聽(tīng)眾身上。那么音樂(lè)中的情感的傳導(dǎo)機(jī)制究竟如何呢？

1.“作曲家-音樂(lè)”中的情感傳導(dǎo)

作曲家、音樂(lè)批評(píng)家科恩曾提出，音樂(lè)是一種言說(shuō)，依靠著完整的音樂(lè)人格發(fā)聲，而這個(gè)“人格”正是作曲家意志的投射。[5]音樂(lè)表現(xiàn)的是由作曲家的部分意志演化而來(lái)的音樂(lè)人格，在人文化的語(yǔ)境中，它必然是作曲家情感的寓藏。[5]因此在音樂(lè)交互鏈上，音樂(lè)人格來(lái)自作曲家的人格，而音樂(lè)中的情感首先是來(lái)自作曲家的情感。

2.“音樂(lè)—聽(tīng)眾”中的情感傳導(dǎo)

情感被作曲家以豐富的創(chuàng)作與音樂(lè)所粘合后需傳遞給聽(tīng)眾。音樂(lè)交互鏈的第二個(gè)進(jìn)程，便是聽(tīng)眾的音樂(lè)感知活動(dòng)和情感共鳴活動(dòng)。

廣泛的音樂(lè)情緒研究認(rèn)為音樂(lè)能夠引發(fā)聽(tīng)眾的情緒活動(dòng)。[9]音樂(lè)情感反應(yīng)的神經(jīng)機(jī)制的研究顯示，音樂(lè)會(huì)促使腦釋放神經(jīng)遞質(zhì)（包括血清素、多巴胺等），并可激發(fā)負(fù)責(zé)情緒、獎(jiǎng)賞與動(dòng)機(jī)的腦區(qū)。[8]可見(jiàn)，“音樂(lè)—聽(tīng)眾”中的情感傳導(dǎo)通路是成立的。

對(duì)于音樂(lè)情緒主體，性別、年齡、有否音樂(lè)訓(xùn)練等影響聆聽(tīng)音樂(lè)時(shí)的相關(guān)腦區(qū)激活程度。[8] Juslin在2010年提出的音樂(lè)線索一致性中分析，其程度會(huì)受到音樂(lè)線索、呈現(xiàn)效果、聽(tīng)眾特點(diǎn)和背景因素地影響，[10]但對(duì)于其中的詳盡機(jī)制沒(méi)有完整的理論體系。較為著名的Juslin和V？stfj？ll的六個(gè)心理機(jī)制理論和 Kone？ni的中介說(shuō)[9]，亦缺乏實(shí)證研究。但已見(jiàn)得，這種共鳴離不開(kāi)主客體因素的共同影響。

（二）音樂(lè)思維

音樂(lè)創(chuàng)作的腦功能機(jī)制是音樂(lè)思維的生理基礎(chǔ)。[6-7]《音樂(lè)教育神經(jīng)科學(xué)》一書(shū)指出，“音樂(lè)創(chuàng)作需要整合聽(tīng)覺(jué)動(dòng)作/聲音與運(yùn)動(dòng)行為并匹配動(dòng)作與聲音的初級(jí)皮層以外的腦區(qū)（額下回、前運(yùn)動(dòng)區(qū)與頂上回），這一腦區(qū)所屬的神經(jīng)網(wǎng)絡(luò)尤其在音樂(lè)作曲和音樂(lè)技能學(xué)習(xí)過(guò)程中發(fā)揮重要作用?！盵7]可見(jiàn)，音樂(lè)訓(xùn)練中特定行為運(yùn)動(dòng)（如彈鋼琴的手指運(yùn)動(dòng)）和有意義的聲音辨別的獨(dú)立訓(xùn)練和有機(jī)結(jié)合形成了音樂(lè)家與非音樂(lè)家之間的腦差異，亦是音樂(lè)創(chuàng)作、音樂(lè)思維的基礎(chǔ)。[7]

同時(shí)，音樂(lè)思維的個(gè)人訓(xùn)練離不開(kāi)結(jié)構(gòu)思維的培養(yǎng)，依靠整體分析去把握要素分析。音色思維、和聲思維與復(fù)調(diào)思維，是對(duì)于音樂(lè)創(chuàng)作要素地把握。感性基礎(chǔ)和知性認(rèn)識(shí)、建立在邏輯思維基礎(chǔ)上把握意象特征的自主行為，亦是音樂(lè)思維形成的重要要素。掌握每個(gè)要素的認(rèn)識(shí)后，亦需融入到對(duì)結(jié)構(gòu)地把握中去。[6]

（三）音樂(lè)創(chuàng)作與音樂(lè)情感[6]

認(rèn)識(shí)音樂(lè)思維后，音樂(lè)創(chuàng)作具體的行為模式和其中的情感傳導(dǎo)機(jī)制則不難了解。

音樂(lè)創(chuàng)作，即在把握聽(tīng)知覺(jué)訓(xùn)練和藝術(shù)知覺(jué)訓(xùn)練后，形成的非自覺(jué)意識(shí)和自覺(jué)意識(shí)的統(tǒng)一，音樂(lè)技能與音樂(lè)教養(yǎng)的統(tǒng)一，在以音樂(lè)要素（和聲、音色、織體等）思維為基礎(chǔ)的音樂(lè)結(jié)構(gòu)思維下進(jìn)行音樂(lè)元素建構(gòu)的行為。此音樂(lè)構(gòu)建過(guò)程中往往同時(shí)形成情感模型的構(gòu)建。其建立一方面來(lái)自邏輯（自覺(jué)），通過(guò)對(duì)已知的包含特定情感特征的和弦、音色、調(diào)性等的確立和規(guī)劃，來(lái)達(dá)成結(jié)構(gòu)性的、自主性的情感確立，這種情感的創(chuàng)造力在一定程度上是建立在相應(yīng)的音樂(lè)創(chuàng)作經(jīng)驗(yàn)、寫(xiě)作知識(shí)和生活意象結(jié)構(gòu)之上的，但又具有原理上的確定性。另一方面則來(lái)自非自覺(jué)，其也是建立在一定的音樂(lè)基礎(chǔ)之上，但更多的是不需要建構(gòu)情況下的音樂(lè)元素與生活意象的自然組合，具有流動(dòng)性，表現(xiàn)時(shí)間進(jìn)程，有時(shí)還因“動(dòng)作思維”而激發(fā)。

（四）音樂(lè)動(dòng)態(tài)性與音樂(lè)情感

最后，我們提出本文最重要的概念：音樂(lè)動(dòng)態(tài)性。經(jīng)過(guò)音樂(lè)創(chuàng)作與音樂(lè)情感的關(guān)系探討后，我們提出了音樂(lè)創(chuàng)作中情感傳導(dǎo)的建構(gòu)（非自覺(jué)）-流動(dòng)（自覺(jué)）平衡理論。而音樂(lè)動(dòng)態(tài)性則是在理論中的平衡區(qū)域。

將音樂(lè)賦予動(dòng)態(tài)性，通俗來(lái)說(shuō)就是在進(jìn)行音樂(lè)情感內(nèi)涵賦予時(shí)，除了建立基本的情感模型外，在時(shí)間進(jìn)程中給與音樂(lè)元素充分的流動(dòng)性，使音樂(lè)元素在“前理解”的基礎(chǔ)上自然進(jìn)入模型。這樣創(chuàng)造出來(lái)的音樂(lè)既具有情感的整體性，又充滿個(gè)性化的靈動(dòng)感。

由前述可以推出，創(chuàng)造音樂(lè)動(dòng)態(tài)性的關(guān)鍵點(diǎn)有三：其一是音樂(lè)情感模型，即結(jié)構(gòu)思維的構(gòu)建；二是豐富的前理解，即樂(lè)感、非自覺(jué)意識(shí)地形成；其三，便是時(shí)間進(jìn)程地把握，構(gòu)建動(dòng)態(tài)序列的分布。抓住這三個(gè)要素，則音樂(lè)動(dòng)態(tài)性基本形成，音樂(lè)的情感性也就此完善。

三、以人工智能實(shí)現(xiàn)音樂(lè)創(chuàng)作的動(dòng)態(tài)性[11-16]

分別了解人工智能和音樂(lè)情感基礎(chǔ)后，現(xiàn)在我們可以把人工智能音樂(lè)的情感性提升落實(shí)到創(chuàng)造人工智能動(dòng)態(tài)性上來(lái)，而關(guān)鍵便是抓住以上三點(diǎn)。

音樂(lè)創(chuàng)作的動(dòng)態(tài)性的根基在于結(jié)構(gòu)思維的構(gòu)建，在于音樂(lè)情感的模型化。

對(duì)此，人工智能音樂(lè)利用音樂(lè)規(guī)律給人工智能制定算法規(guī)則，通過(guò)吸納海量從曲式、調(diào)式、意境等不同方面的音樂(lè)建立數(shù)據(jù)庫(kù)，進(jìn)行深度學(xué)習(xí)，在分析、概括其原曲的規(guī)則、結(jié)構(gòu)等各項(xiàng)要素，解讀出原曲的情感表達(dá)后，重新根據(jù)指令操作生成音樂(lè)。

而樂(lè)感、非自覺(jué)意識(shí)地形成則是人工智能音樂(lè)形成動(dòng)態(tài)性、邁入情感化的門(mén)檻。

首先，樂(lè)感地形成需要良好的情感空間的構(gòu)造。人工智能音樂(lè)創(chuàng)作的傳統(tǒng)訓(xùn)練方式具有數(shù)據(jù)依賴性，并沒(méi)有將音樂(lè)情感單獨(dú)標(biāo)注，而是與曲式、調(diào)式、意境等音樂(lè)元素在通過(guò)信號(hào)流傳輸后，被共同提取為特征流進(jìn)入特征空間進(jìn)行學(xué)習(xí)。音樂(lè)情感被削弱，從而減少了音樂(lè)動(dòng)態(tài)性的創(chuàng)造。

在音樂(lè)心理學(xué)中，心理模糊性是人腦反映客觀差異的中介過(guò)渡性以及所致的不確定性的量化，是理解人與音樂(lè)交互過(guò)程中產(chǎn)生音樂(lè)情感的心理過(guò)程的重要因素。由于音樂(lè)情感在大眾的理解中具有的相通性，個(gè)人主觀因素的存在不會(huì)影響音樂(lè)情感量化后在音樂(lè)創(chuàng)作中的再輸出。 通過(guò)模糊隸屬函數(shù)形成基于語(yǔ)義相似關(guān)系的語(yǔ)言計(jì)算模型，借助語(yǔ)言值產(chǎn)生對(duì)音樂(lè)情感的良好表達(dá)。通過(guò)前期基于語(yǔ)義相似關(guān)系的語(yǔ)言計(jì)算模型對(duì)音樂(lè)情感的單獨(dú)標(biāo)注，音樂(lè)動(dòng)態(tài)性地表達(dá)將得到豐富。

其次，人工智能音樂(lè)前理解地形成，則需要借助音樂(lè)主旋律的識(shí)別記憶，以進(jìn)行情感分類(lèi)判別。人工智能在學(xué)習(xí)訓(xùn)練時(shí)，定位主旋律軌道并提取相應(yīng)樂(lè)段是判斷其風(fēng)格并歸類(lèi)的重要因素，結(jié)合音程特征的統(tǒng)計(jì)與分析，制定主音軌自動(dòng)判別算法。該算法的本質(zhì)是分類(lèi)函數(shù)的應(yīng)用，在這里我們以BP算法，即前向反饋神經(jīng)網(wǎng)絡(luò)模型為核心，根據(jù)實(shí)際的訓(xùn)練樣本與檢驗(yàn)樣本數(shù)量稍稍加以改動(dòng)，以此得到高擬合度的分類(lèi)判別。

最后，時(shí)間進(jìn)程地把握、構(gòu)建動(dòng)態(tài)序列的分布則是音樂(lè)動(dòng)態(tài)性的核心。對(duì)已經(jīng)攫取的主旋律音軌，確定其中的主題旋律，是給人工智能通過(guò)數(shù)據(jù)庫(kù)訓(xùn)練再創(chuàng)作的關(guān)鍵，主題旋律往往具有的高重復(fù)性特征，能夠讓計(jì)算機(jī)通過(guò)字符串連接的操作手段提取主題旋律，但通過(guò)矩陣的方式檢測(cè)分割片段的運(yùn)算會(huì)占據(jù)計(jì)算機(jī)大量?jī)?nèi)存，降低了人工智能自我處理的時(shí)間效率。因此我們?cè)谧址B接方式上做出優(yōu)化，分割片段不再以音符為最小單位，而是以小節(jié)為最小單位，小節(jié)相較音符，在旋律上表達(dá)更為宏觀，每一小節(jié)不僅蘊(yùn)含了音符的時(shí)間信息，也包含了不能從單音符分析提取出的節(jié)拍信息，增強(qiáng)了音樂(lè)的流動(dòng)性。

總結(jié)來(lái)說(shuō)，音樂(lè)特征檢索與識(shí)別的多重算法結(jié)合音樂(lè)情感量化研究中構(gòu)建的模型，形成了以音樂(lè)作品輸入信號(hào)流為分割，情感標(biāo)注和特征提取并行分類(lèi)處理的模型運(yùn)行過(guò)程，面向音樂(lè)創(chuàng)作的動(dòng)態(tài)性，情感流和特征流的信號(hào)被分別進(jìn)入情感空間和特征空間，最終進(jìn)入模型的樣本空間進(jìn)行深度學(xué)習(xí)。作為廣泛應(yīng)用于機(jī)器翻譯、對(duì)話生成和編解碼領(lǐng)域的結(jié)構(gòu)，LSTM長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)對(duì)人類(lèi)邏輯思維的表征有著明顯的優(yōu)勢(shì)，人工智能音樂(lè)的學(xué)習(xí)包含了大量經(jīng)量化后的主觀因素，以LSTM作為訓(xùn)練模型將有助于音樂(lè)動(dòng)態(tài)性的生成訓(xùn)練，之后通過(guò)機(jī)器學(xué)習(xí)將離散序列平滑完整的拼接，最終形成滿足動(dòng)態(tài)特征的音樂(lè)序列，實(shí)現(xiàn)人工智能音樂(lè)創(chuàng)作的動(dòng)態(tài)性。

四、結(jié)論

音樂(lè)融匯藝術(shù)與科學(xué)，因此技術(shù)支撐其在數(shù)字化時(shí)代更好地探索和發(fā)展。動(dòng)態(tài)性是音樂(lè)的脈搏、情感性是音樂(lè)的本質(zhì)，二者描摹著人工智能音樂(lè)人格的外在色彩。算法是人工智能的血脈、模型是人工智能的骨架，二者探索著人工智能音樂(lè)人格的內(nèi)在特征。本文分別從音樂(lè)基礎(chǔ)和人工智能技術(shù)對(duì)人工智能音樂(lè)發(fā)展展開(kāi)論述，并結(jié)合二者，試驗(yàn)性地提出了實(shí)現(xiàn)音樂(lè)創(chuàng)作動(dòng)態(tài)性在人工智能模型與算法上的需求與演化。目前的時(shí)代仍是弱人工智能時(shí)代，相信未來(lái)，當(dāng)AI走向強(qiáng)水平，人工智能音樂(lè)情感局限將得以瓦解。

參考文獻(xiàn)：

[1]周莉，鄧陽(yáng).人工智能作曲發(fā)展的現(xiàn)狀和趨勢(shì)探究[J].藝術(shù)探索，2018，32（5）：107-111.

[2]王鉉，雷沁穎.人工智能對(duì)中國(guó)音樂(lè)產(chǎn)業(yè)鏈的滲透與革新[J].現(xiàn)代傳播，2019（12）：131-134.

[3] 吳兵兵.基于詞向量和LSTM的漢語(yǔ)零指代消解研究[D].哈爾濱：哈爾濱工業(yè)大學(xué)，2016.

[4] 趙德宇.關(guān)于深度強(qiáng)化學(xué)習(xí)的應(yīng)用研究[J].中國(guó)新通信，2019（15）：227-228.

[5][美]愛(ài)德華·T·科恩，何弦，譯，楊燕迪，校.作曲家的人格聲音[M].上海：華東師范大學(xué)出版社，2011.

[6]林華.音樂(lè)家是如何“思維”的[M].上海：上海音樂(lè)出版社，2018.

[7]浦江.全認(rèn)知情感理論——一種新的心智計(jì)算模型[J].計(jì)算機(jī)科學(xué)，2014，41（7）：15-24.

[8][美]弗朗西絲·H·勞舍爾，[德]維爾弗里德·格魯恩，南云等譯.音樂(lè)教育神經(jīng)科學(xué)[M].上海：上海教育出版社，2020.

[9]陳凱珊，蘭文杰.音樂(lè)情緒內(nèi)涵及音樂(lè)與情緒的關(guān)系探析[J].肇慶學(xué)院學(xué)報(bào)，2013（1）：55-59.

[10]羅琳.音樂(lè)情緒識(shí)別誘發(fā)的因素[J].赤子，2017（27）：213-214.

[11]李洪偉.音樂(lè)情感的腦電信號(hào)分析技術(shù)及神經(jīng)機(jī)制研究[D].哈爾濱：哈爾濱工業(yè)大學(xué)，2018.

[12]崔佳.試論“人工智能技術(shù)”（ai）在賦格創(chuàng)作中的應(yīng)用[J].齊魯藝苑，2019（1）：25-29.

[13]劉濤.音樂(lè)情感認(rèn)知模型與交互技術(shù)研究[D].杭州：浙江大學(xué)，2006.

[14]邵桂蘭，王建高.論音樂(lè)創(chuàng)作動(dòng)機(jī)的復(fù)雜性及其多維結(jié)構(gòu)[J].交響（西安音樂(lè)學(xué)院學(xué)報(bào)），2001，20（1）：37-39.

[15]陳世哲.淺談人工智能技術(shù)在音樂(lè)創(chuàng)作中的應(yīng)用[J].音樂(lè)探索，2020（1）：125-132.

[16]朱晨陽(yáng).動(dòng)態(tài)色彩與音樂(lè)情感表達(dá)的互動(dòng)關(guān)系[J].音樂(lè)傳播，2016（4）：106-108.

作者簡(jiǎn)介：陳益敏（2000-），女，漢族，浙江省杭州人，本科，溫州大學(xué)商學(xué)院，研究方向?yàn)榻鹑诠こ蹋粡垷j（2000-），男，漢族，山西省太原人，本科，諾丁漢大學(xué)馬來(lái)西亞分校，研究方向?yàn)橛?jì)算機(jī)科學(xué)與人工智能；劉聆風(fēng)（2001-），女，漢族，安徽合肥人，本科，佐治亞理工學(xué)院，研究方向?yàn)閿?shù)學(xué)。