人工智能技術(shù)在音樂創(chuàng)作中的應(yīng)用

[摘??要]在“互聯(lián)網(wǎng)+”時(shí)代，人工智能技術(shù)得到了飛速發(fā)展，并在眾多領(lǐng)域得到了廣泛應(yīng)用，音樂領(lǐng)域也不例外。通過在音樂創(chuàng)作中合理應(yīng)用人工智能技術(shù)，可以徹底改革傳統(tǒng)音樂創(chuàng)作模式，提高音樂創(chuàng)作實(shí)效性。本文立足音樂創(chuàng)作現(xiàn)狀，對(duì)人工智能技術(shù)的應(yīng)用意義與表現(xiàn)進(jìn)行了重點(diǎn)論述，旨在可以為數(shù)字化音樂產(chǎn)業(yè)發(fā)展提供一些理論參考。

[關(guān)鍵詞]音樂創(chuàng)作;人工智能技術(shù);應(yīng)用意義

在信息技術(shù)快速發(fā)展的背景下，以人工智能（下稱AI技術(shù)）為代表的科技是當(dāng)下科研領(lǐng)域研究與應(yīng)用的熱點(diǎn)。AI技術(shù)的誕生可以賦予計(jì)算機(jī)更加人性化、智能化的功能，使得計(jì)算機(jī)不再呈現(xiàn)為冷漠的“死物”，而開始具備人類思考及情感方式的“活物”，這使得其同樣可以完成一些創(chuàng)造性任務(wù)，不再單純執(zhí)行重復(fù)性操作[1]。同理，在音樂創(chuàng)作領(lǐng)域中，通過AI技術(shù)的引入可以輔助音樂創(chuàng)作者更加高效完成作曲任務(wù)，提高了音樂創(chuàng)作質(zhì)量與效率。

一、音樂創(chuàng)作中人工智能技術(shù)的應(yīng)用意義

（一）識(shí)別音樂旋律情況

在音樂創(chuàng)作過程中需要運(yùn)用到豐富的音樂方面的知識(shí)，如要注重旋律、節(jié)奏、音調(diào)等眾多方面的內(nèi)容，它們本身是決定最終音樂創(chuàng)作質(zhì)量的關(guān)鍵指標(biāo)與因素。以旋律為例，基于AI技術(shù)的創(chuàng)新應(yīng)用可以實(shí)現(xiàn)對(duì)音樂旋律進(jìn)行高效識(shí)別這一基本功能，即基于數(shù)學(xué)方法與思想來對(duì)相關(guān)音樂旋律方面的數(shù)據(jù)是否存在于固有音樂模式之中來進(jìn)行數(shù)據(jù)對(duì)比分析，以此來驗(yàn)證相應(yīng)音樂旋律本身的合理性與科學(xué)性。通過有效地對(duì)音樂旋律進(jìn)行識(shí)別，可以使計(jì)算機(jī)或者其他一些專門音樂創(chuàng)作相關(guān)的設(shè)備基于已有音樂旋律方面知識(shí)融入到全新的創(chuàng)作數(shù)據(jù)中，這樣就可以借助計(jì)算機(jī)來判定所創(chuàng)作音樂旋律是否同既有的音樂旋律知識(shí)庫中相關(guān)數(shù)據(jù)是否匹配，最終可以借此來實(shí)現(xiàn)“聽歌識(shí)曲”或“聽音識(shí)曲”等軟件功能，這些都是AI技術(shù)和音樂旋律識(shí)別功能的有機(jī)結(jié)合。但是為了保證基于AI技術(shù)的音樂旋律識(shí)別準(zhǔn)確度與效率，必須要采取緊密性、高效性的計(jì)算方法，保證可以通過高效地分析音樂調(diào)性及開展自動(dòng)標(biāo)注等功能來提高音樂旋律及結(jié)構(gòu)等方面知識(shí)分析及應(yīng)用效果。這樣會(huì)為數(shù)字化音樂創(chuàng)作乃至智能化管理等提供強(qiáng)大的技術(shù)支持，提高了相關(guān)音樂作品創(chuàng)作的實(shí)效性。

（二）預(yù)測音樂流行情況

在音樂創(chuàng)作過程中需要考慮的一個(gè)關(guān)鍵指標(biāo)是所創(chuàng)作的音樂作品是否會(huì)受到社會(huì)大眾的青睞及喜愛，所以音樂流行情況也是音樂創(chuàng)作中需要考慮的重要指標(biāo)之一。以往的音樂流行情況方面數(shù)據(jù)多采取問卷調(diào)查等線下調(diào)查方式來獲取，但是基于AI技術(shù)的應(yīng)用則可以借助大數(shù)據(jù)技術(shù)等先進(jìn)科學(xué)技術(shù)，基于計(jì)算機(jī)平臺(tái)來對(duì)所創(chuàng)作音樂作品本身的流行性進(jìn)行有效地預(yù)測[2]。比如，“Shazam”這一音樂軟件（英國）對(duì)本年度的夏季流行音樂榜單進(jìn)行了預(yù)測，期間有效地挖掘了每天2億多用戶使用軟件的情況來挖掘、利用及分析這些相關(guān)方面的數(shù)據(jù)資源。這使得其在預(yù)測流行音樂本身的流行趨勢(shì)方面要顯著超前于人為思考方式。通過基于AI技術(shù)來對(duì)時(shí)下流行音樂本身的流行趨勢(shì)進(jìn)行大膽地剖析，之后可以結(jié)合預(yù)測的結(jié)果來對(duì)音樂創(chuàng)作的內(nèi)容進(jìn)行合理調(diào)整，保證所創(chuàng)作出來的音樂作品本身可以符合當(dāng)下流行趨勢(shì)與風(fēng)向，避免因?yàn)闆]有前期調(diào)研市場的音樂流行趨勢(shì)而直接影響了最終的音樂作品設(shè)計(jì)效果。

（三）音樂創(chuàng)作的進(jìn)化樹

在音樂創(chuàng)作中或者對(duì)音樂作品風(fēng)格進(jìn)行研究的過程中，“進(jìn)化樹”扮演著非常重要的角色?；谝魳愤M(jìn)化樹的靈活應(yīng)用，可以對(duì)有關(guān)音樂作品的創(chuàng)作者所創(chuàng)作出的音樂作品的風(fēng)格，或者某一種音樂流派本身的發(fā)展趨勢(shì)進(jìn)行有效的梳理。但是以往的人工審查及分析方式具有比較低的效率，且容易受到人為主觀因素的影響，但是此時(shí)如果可以創(chuàng)新應(yīng)用AI技術(shù)來賦予計(jì)算機(jī)更加豐富、多樣的功能，那么就可以借助一些特殊計(jì)算手段與方法的靈活應(yīng)用來對(duì)相應(yīng)音樂進(jìn)化樹本身進(jìn)行更加高效地剖析及確定，提高了音樂進(jìn)化樹分析結(jié)果的可靠性與準(zhǔn)確性，從而可以更好地服務(wù)于音樂創(chuàng)作實(shí)踐活動(dòng)。有關(guān)學(xué)者在對(duì)進(jìn)化樹進(jìn)行分析過程中有效運(yùn)用了一種基于AI技術(shù)的自動(dòng)化定量剖析算法來對(duì)不同流行音樂作品集彼此之間的相似度情況進(jìn)行有效分析?；贏I算法的靈活運(yùn)用，可以基于計(jì)算機(jī)平臺(tái)來講各首音樂作品本身相應(yīng)地轉(zhuǎn)換成以二維頻譜形式呈現(xiàn)的直觀視覺圖片，借此可以對(duì)歌曲作品本身的聲波變化中的紋理、形狀與頻率等進(jìn)行有效地呈現(xiàn)。與此同時(shí)，基于這種AI算法的靈活應(yīng)用，還可以通過對(duì)聲音“頻譜”進(jìn)行對(duì)比分析來分析以及排列不同的歌曲作品。最后基于數(shù)學(xué)領(lǐng)域中的統(tǒng)計(jì)學(xué)知識(shí)可以高效地分析不同音樂作品彼此之間的祥光新。這樣就可以借助得到的樹狀圖中連線長度情況來對(duì)它們彼此之間相似度進(jìn)行反映。一般連線長度越大，那么二者具有越低的相似度，反之則具有更高的相似度。通過該種AI算法應(yīng)用可以對(duì)不同音樂流派彼此之間的相關(guān)性，以及同一流派中不同音樂家彼此創(chuàng)作風(fēng)格等之間的相關(guān)性進(jìn)行有效地分析，這樣就借助基于AI技術(shù)的“進(jìn)化樹”來助力音樂創(chuàng)作活動(dòng)高效開展。

（四）賦予音樂作品情感

音樂本身不僅僅反映的是一種對(duì)生活情形的表達(dá)，更是一種對(duì)內(nèi)心情感進(jìn)行有效表達(dá)的方式。音樂本身和個(gè)人情緒或情感之間具有非常強(qiáng)的聯(lián)系性?；谝魳纷髌返膭?chuàng)作，同樣需要綜合考慮所創(chuàng)作音樂作品本身所要向受眾傳達(dá)的內(nèi)在思想情感，或者悲涼或者歡快等等。比如，如果要配合激動(dòng)震撼的演講活動(dòng)，那么適宜選擇大調(diào)樂曲來展現(xiàn)出激昂特性，因?yàn)槠浔旧砭哂袃?yōu)美、流暢的旋律以及鮮明、暢快的節(jié)奏，并且其中往往會(huì)融入一些自得其樂的良好情感和情緒。比如，在G大調(diào)弦樂小夜曲創(chuàng)作中就有效地融入了上述這種非常真實(shí)的作品情感，提高了整體作品創(chuàng)作的效果。而在其他一些場合當(dāng)中，如要為受人敬愛的逝世者起祈禱，此時(shí)悼詞或者音樂都要展現(xiàn)出悲哀的情緒，相應(yīng)的樂曲作品本身要展現(xiàn)出委婉、舒緩的小調(diào)旋律，這樣才能夠更好地使所創(chuàng)作的音樂作品本身可以充分展現(xiàn)出內(nèi)心的凄切和悲涼等感情。通過這種有效利用音樂表達(dá)情感的方式才能夠更好提升整體的音樂創(chuàng)作效果。而至于為什么大調(diào)音和小調(diào)音本身所展現(xiàn)出的兩種不同的情感表達(dá)方式方法本身是音樂史中非常關(guān)鍵的一個(gè)研究課題。而在以往依靠人工統(tǒng)計(jì)分析的方式，整體的統(tǒng)計(jì)分析效率低下，結(jié)果準(zhǔn)確性不足。而此時(shí)如果可以創(chuàng)新應(yīng)用AI技術(shù)，那么可以借助AI計(jì)算的方式來對(duì)各種音樂創(chuàng)作中的音樂進(jìn)行情緒或心情標(biāo)注。比如，有些音樂創(chuàng)作方面的相關(guān)企業(yè)可能會(huì)借助網(wǎng)絡(luò)平臺(tái)的構(gòu)建來為他們提供一些匹配他們各自心情的情緒，或者針對(duì)某些情感的音樂歌曲來相應(yīng)地提供其具體的風(fēng)格等等，這樣都可以保證最終所創(chuàng)作的音樂作品本身更容易符合受眾的心境，這更有利于引發(fā)他們內(nèi)心的情感共鳴。比如，基于智能化穿戴設(shè)備的應(yīng)用，可以對(duì)用戶心率、面部表情等進(jìn)行有效捕捉，并結(jié)合這些數(shù)據(jù)來進(jìn)行AI分析，這樣就可以明確用戶此時(shí)的心情狀態(tài)，之后可以繼續(xù)為他們提供符合他們心情的音樂作品，極大提高了整體的音樂作品設(shè)計(jì)效果。此外，在音樂創(chuàng)作實(shí)踐中，如果可以靈活地應(yīng)用AI技術(shù)，那么可以在創(chuàng)作音樂作品實(shí)踐中更好地為作品賦予相應(yīng)的內(nèi)心情感，這對(duì)提高整體的音樂作品創(chuàng)作效果也有非常大的幫助。

（五）提高音樂創(chuàng)作質(zhì)量

AI技術(shù)在音樂創(chuàng)作實(shí)踐中的有效應(yīng)用有效助力了傳統(tǒng)音樂創(chuàng)作活動(dòng)的高效開展，無論在音樂創(chuàng)作思路、創(chuàng)作技術(shù)支持以及創(chuàng)作作品評(píng)估及分析等方面都可以提供強(qiáng)大的技術(shù)支持，這樣方能夠更好提高音樂創(chuàng)作的整體質(zhì)量。與此同時(shí)，在音樂創(chuàng)作過程中有效應(yīng)用AI技術(shù)期間，還可以通過認(rèn)真分析音樂信號(hào)本身的種類，如對(duì)音頻信號(hào)本身是否屬于波形文件及其本身的頻率情況進(jìn)行分析，這些都可以借助傅里葉等方面統(tǒng)計(jì)分析技術(shù)來對(duì)音頻頻譜信息及數(shù)據(jù)等進(jìn)行有效地分析。而這一切變化都可以借助專門的基于AI技術(shù)的機(jī)器來高效地處理相關(guān)信息，確保音樂創(chuàng)作過程中相應(yīng)音樂規(guī)則以及音樂信息處理效率，提高了整體音樂作品的整體創(chuàng)作效果。特別是可以立足于AI技術(shù)視角，通過自動(dòng)化融入一些音樂旋律等方面的要素來時(shí)所創(chuàng)作出來的作品本身增加生動(dòng)、形象，更富有豐富、充足的音樂情感，提高了整體音樂作品創(chuàng)作的質(zhì)量。此外，相較于傳統(tǒng)音樂作品本身的創(chuàng)作流程，基于AI技術(shù)的有效支持，可以更好地提高相應(yīng)音樂創(chuàng)作本身的效率，使音樂創(chuàng)作活動(dòng)變得更加輕松，更加有趣，這是傳統(tǒng)音樂創(chuàng)作手段及方法所無法比擬的巨大優(yōu)勢(shì)，對(duì)提高整體的音樂創(chuàng)作效果有積極意義。

二、音樂創(chuàng)作中常見的人工智能技術(shù)及應(yīng)用

（一）神經(jīng)網(wǎng)絡(luò)

以往AI技術(shù)本身應(yīng)用中主要采用規(guī)則的方式執(zhí)行程序，即依據(jù)由上到下的思路來進(jìn)行問題分析及解決。而神經(jīng)網(wǎng)絡(luò)（NN）則是基于由下向上的思路來對(duì)問題進(jìn)行分析及求解，其最大的特征就是對(duì)人類頭腦中的神經(jīng)元彼此之間的信息傳遞模式進(jìn)行模仿。NN本身具備如下2個(gè)突出的特征：一是各個(gè)神經(jīng)元都可以基于對(duì)應(yīng)輸出函數(shù)來對(duì)相鄰神經(jīng)元彼此之間的對(duì)應(yīng)加權(quán)輸入值進(jìn)行合理計(jì)算及有效處理;二是基于加權(quán)值來對(duì)神經(jīng)元彼此之間的信息交互聯(lián)系進(jìn)行表達(dá)，相應(yīng)的算法處理起來也是一直秉承持續(xù)開展自我學(xué)習(xí)和持續(xù)調(diào)整及優(yōu)化這一基本理念。此外，神經(jīng)網(wǎng)絡(luò)本身的處理環(huán)節(jié)涉及到海量數(shù)據(jù)開展訓(xùn)練，所以NN處理數(shù)據(jù)的過程本身具備了自組織與適應(yīng)，并行、分布式以及非線性等多樣化的計(jì)算特征。

在以往人工創(chuàng)作音樂作品期間，通常需要先后經(jīng)歷賞析和感知音樂作品內(nèi)涵，模仿音樂創(chuàng)作，以及逐步過渡到最終的獨(dú)立開展音樂創(chuàng)作。在整個(gè)音樂創(chuàng)作實(shí)踐中實(shí)際上包含著非常豐富的音樂創(chuàng)作知識(shí)，如包含學(xué)聲理論、作曲技巧與方法等等，同時(shí)學(xué)習(xí)者需要在音樂創(chuàng)作的實(shí)踐中或者訓(xùn)練中需要接受指導(dǎo)者的反復(fù)批評(píng)改正及教育引導(dǎo)方可使他們對(duì)自己的音樂創(chuàng)作思路進(jìn)行不斷改進(jìn)及完善。這些學(xué)習(xí)過程實(shí)際上都可以創(chuàng)新應(yīng)用基于NN的架構(gòu)來進(jìn)行有效模擬，同時(shí)NN這一AI技術(shù)本身應(yīng)用于音樂創(chuàng)作的一個(gè)重要表現(xiàn)就是巧妙地應(yīng)用NN來構(gòu)建音樂創(chuàng)作基本思路及架構(gòu)。但是在基于NN運(yùn)作期間主要涉及到數(shù)據(jù)輸入及輸出環(huán)節(jié)，還設(shè)置有感知器來保證完成音樂創(chuàng)作數(shù)據(jù)的高效應(yīng)用及處理任務(wù)。實(shí)際上，可以將NN當(dāng)成一個(gè)“黑盒子”，只需要給予其充足的訓(xùn)練干預(yù)，即通過在輸入端持續(xù)性給定必要的X數(shù)據(jù)訓(xùn)練之后就可以從輸出端獲取到預(yù)期的Y。只有經(jīng)過基于NN開展海量數(shù)據(jù)處理及分析之后方可從中找到最佳的答案，而持續(xù)分析的過程可以對(duì)所構(gòu)建的數(shù)據(jù)分析訓(xùn)練模型進(jìn)行持續(xù)性修改及完善，保證可以更好地助力音樂創(chuàng)作活動(dòng)高效開展。音樂本質(zhì)上是一種時(shí)間和語言的藝術(shù)，其中許多信息都是建立在時(shí)間軸基礎(chǔ)上，而神經(jīng)網(wǎng)絡(luò)本身涉及到比較多的網(wǎng)絡(luò)實(shí)現(xiàn)機(jī)制，并且RNN這一神經(jīng)網(wǎng)絡(luò)可以對(duì)時(shí)間軸信息進(jìn)行高效處理。因?yàn)镽NN本身可以通過對(duì)時(shí)間維度信息進(jìn)行表示的相關(guān)參數(shù)新增來確保NN除了可以結(jié)合現(xiàn)階段數(shù)據(jù)開展數(shù)據(jù)分析外，也可以有效利用先前的數(shù)據(jù)分析來高效開展學(xué)習(xí)活動(dòng)?；赗NN本身的應(yīng)用優(yōu)勢(shì)及特征，可以在音樂創(chuàng)作中有效運(yùn)用RNN來提高整體的音樂創(chuàng)作效果。

（二）長短期記憶單元

長短期記憶單元（LSTM）本身是一種對(duì)RNN結(jié)構(gòu)的升級(jí)結(jié)構(gòu)，不僅可以對(duì)RNN本身的爆炸所形成的神經(jīng)網(wǎng)絡(luò)或梯度消失問題進(jìn)行有效克服的同時(shí)，也充分地繼承了RNN分析模型本身的各種優(yōu)勢(shì)特征及應(yīng)用作用。比如，RNN固然能夠高效處理時(shí)間維度的相關(guān)信息，但是如果拉長了時(shí)間間隔，那么信息長期保存之后所形成的學(xué)習(xí)效果不是非常理想，這樣會(huì)對(duì)音樂信息處理效果帶來不利影響。而對(duì)該問題進(jìn)行有效求解的一個(gè)有效手段就是對(duì)網(wǎng)絡(luò)存儲(chǔ)進(jìn)行擴(kuò)增。而基于LSTM的有效應(yīng)用則可以實(shí)現(xiàn)長期保存及輸入自然行為方面的數(shù)據(jù)。實(shí)際上，LSTM本身相較于RNN的改變是多了忘記門、輸出門和輸入門這3個(gè)門。在實(shí)際的應(yīng)用過程中，LSTM本身的數(shù)據(jù)處理效果要顯著由于RNN的數(shù)據(jù)處理效果，尤其是這種優(yōu)勢(shì)最早被應(yīng)用在了編解碼、對(duì)話生成與機(jī)器翻譯等這些領(lǐng)域當(dāng)中。簡言之，基于LSTM的靈活應(yīng)用，可以對(duì)超出人類思維和認(rèn)知范疇等一些更為復(fù)雜的思考過程進(jìn)行有效地表征，所以更有利于助力音樂創(chuàng)作活動(dòng)的高效開展。

（三）自動(dòng)編碼器

編碼器本身的非監(jiān)督學(xué)習(xí)這一過程本身是建立在壓縮或解壓特征數(shù)據(jù)的基礎(chǔ)上，并且本質(zhì)上是由多層神經(jīng)網(wǎng)絡(luò)所構(gòu)成，同時(shí)其本質(zhì)上也是非監(jiān)督學(xué)習(xí)數(shù)據(jù)的一種重要模型。音樂創(chuàng)作過程中的相關(guān)數(shù)據(jù)本身不存在優(yōu)劣之分，所以更加適宜于引入及應(yīng)用非監(jiān)督模式。而其中的變分自動(dòng)編碼器（VAE）實(shí)際上就是一種常規(guī)自動(dòng)編碼器本身的升級(jí)型號(hào)，其結(jié)構(gòu)和一般自動(dòng)編碼器之間具有相似性，但是其根本原理及相關(guān)的區(qū)別主要體現(xiàn)在增設(shè)了一些限制因素和條件。這種處理原理實(shí)際上和音樂創(chuàng)作思維之間具有非常強(qiáng)的相關(guān)性。音樂創(chuàng)作過程本身上實(shí)際上就是一個(gè)規(guī)則與創(chuàng)作二者并存的過程，相應(yīng)的VAE機(jī)制構(gòu)建及應(yīng)用則可以很好地符合相應(yīng)的音樂創(chuàng)作需求及條件。

在音樂創(chuàng)作實(shí)踐當(dāng)中，通過創(chuàng)新應(yīng)用VAE可以在對(duì)多聲部音樂的樂器和高動(dòng)態(tài)等相關(guān)信息進(jìn)行分析及剖析的過程中獲得更好應(yīng)用，尤其是在爵士樂、古典樂等方面這些創(chuàng)作特征表現(xiàn)的更加顯著。特別是可以借助VAE的有效應(yīng)用來講莫扎特的音樂作品以爵士風(fēng)格進(jìn)行再現(xiàn)，這樣就可以使所創(chuàng)作的音樂作品本身呈現(xiàn)出一種混搭的風(fēng)格及方式。VAE本身是音樂內(nèi)容生成過程中最優(yōu)的一種方法，其可以對(duì)各種類型及形式的音樂數(shù)據(jù)進(jìn)行生成，如在多聲部音樂作品的生成過程中得到了廣泛運(yùn)用。然而，在相關(guān)的音樂數(shù)據(jù)本身屬于多模式的條件下，VAE無法提供更為明確的機(jī)制，無法推理離散值中的各種潛在變量，所以這就會(huì)對(duì)實(shí)際的音樂創(chuàng)作實(shí)踐活動(dòng)有序開展造成限制。比如，在處理C大調(diào)和c小調(diào)期間，對(duì)音階當(dāng)中各種音的使用趨勢(shì)及傾向是各不相同的，尤其是在擴(kuò)展到不低于24音的情況下VAE伴有比較嚴(yán)重的處理困難問題。針對(duì)這種情況，許多音樂創(chuàng)作者想要借助“LSTM+VAE”這種方式來避免單一應(yīng)用VAE所存在的一些突出問題，更有利于提高音樂作品本身的創(chuàng)作實(shí)效性。但是在實(shí)際的音樂創(chuàng)作中融入VAE的過程中必須要注意結(jié)合實(shí)際的情況來進(jìn)行合理設(shè)計(jì)，保證可以對(duì)其中涉及到的和弦問題進(jìn)行有效分析、評(píng)級(jí)及評(píng)估，保證可以最大程度助力音樂創(chuàng)作的實(shí)效性。

結(jié)??語

總之，AI技術(shù)是助力音樂創(chuàng)作質(zhì)量與效率提升的一種先進(jìn)科學(xué)技術(shù)。通過在音樂創(chuàng)作中有效融入AI技術(shù)，可以識(shí)別音樂旋律情況，預(yù)測音樂流行情況，音樂創(chuàng)作的進(jìn)化樹，賦予音樂作品情感和提高音樂創(chuàng)作質(zhì)量。而在實(shí)際的音樂創(chuàng)作中應(yīng)用AI技術(shù)期間，要注意結(jié)合實(shí)際創(chuàng)作需求來靈活地選用神經(jīng)網(wǎng)絡(luò)和長短期記憶單元、自動(dòng)編碼器等，保證最大程度提升音樂創(chuàng)作質(zhì)量。

注釋：

[1]陳世哲.淺談人工智能技術(shù)在音樂創(chuàng)作中的應(yīng)用[J].音樂探索，2020（01）：125—132.

[2]毛暉敏.人工智能技術(shù)在音樂創(chuàng)作中的運(yùn)用探析[J].文藝生活·下旬刊，2021（15）：275—276.

[收稿日期]2021-12-08

[作者簡介]王瑗瑗（1972—??），女，遼寧師范大學(xué)音樂學(xué)院副教授。（大連??116021）

（責(zé)任編輯：張洪全）