數(shù)字人文視域下的音樂文獻(xiàn)工作

Music Documentation from the Perspective of Digital Humanities

Abstract With the continuous advancement of digital humanities technologies，the limitations of traditional music documentation have become increasinglyapparent，resulting inaprofound paradigm shift inthe field.Digital humanities technologies have notonly expanded the goals，subjects，and methods of music documentationbut also guided the field fromthe eraof measurement into the era of computation.This paper explores the appication of digital humanities technologiesinmusicdocumentation from four dimensions：digitization，semanticization，inteligentization，and visualization.The aim is to reveal the profound impactof digital humanities onmusic documentationand to forecast the future trends and directions in this evolving field.

Key words digital humanities technologies; music documentation

數(shù)字人文（DigitalHumanities，DH），源于人文計(jì)算（HumanitiesComputing），是在計(jì)算機(jī)技術(shù)、網(wǎng)絡(luò)技術(shù)、多媒體技術(shù)等新興技術(shù)支撐下開展人文研究而形成的新型跨學(xué)科研究領(lǐng)域1。數(shù)字人文不僅是一場(chǎng)技術(shù)革新，更是全新的研究范式。它將量化分析與質(zhì)性研究相結(jié)合，為人文研究帶來了更加精準(zhǔn)、深入的分析手段。從歷史學(xué)、考古學(xué)、語言學(xué)，到文學(xué)、藝術(shù)、哲學(xué)等多個(gè)領(lǐng)域，數(shù)字人文都發(fā)揮著重要作用，為人文研究提供了全新的研究工具和平臺(tái)。

音樂文獻(xiàn)是記錄音樂知識(shí)信息的載體，它是音樂藝術(shù)歷史、音樂理論研究成果和各種音樂作品的知識(shí)集合[2]。音樂文獻(xiàn)工作則是科學(xué)組織音樂知識(shí)并促使其有效利用的工作3。在數(shù)字人文浪潮下，音樂文獻(xiàn)工作正在經(jīng)歷一場(chǎng)深刻的范式變革。這一變革的核心在于人工智能（ArtificialIntelligence，AI）和機(jī)器學(xué)習(xí)等數(shù)字技術(shù)的廣泛引入，使得音樂文獻(xiàn)工作圍繞著數(shù)字化和數(shù)據(jù)化展開，深刻地影響了音樂文獻(xiàn)的存儲(chǔ)方式、檢索效率、傳播范圍和利用深度，更促使音樂文獻(xiàn)的處理和解讀方式得以創(chuàng)新，如自動(dòng)分類、智能標(biāo)注、深度挖掘文獻(xiàn)中的信息，輔助音樂學(xué)的研究分析等，為音樂文獻(xiàn)工作開辟了全新的視角和領(lǐng)域。

1數(shù)字人文賦能音樂文獻(xiàn)工作多維拓展

1.1 目的拓展

音樂文獻(xiàn)是音樂歷史和音樂文化的重要載體，傳統(tǒng)音樂文獻(xiàn)工作首要任務(wù)是妥善保存和保護(hù)音樂文獻(xiàn)，確保音樂歷史和文化得以很好地傳承、傳播。在音樂文獻(xiàn)妥善保存的基礎(chǔ)上，對(duì)音樂文獻(xiàn)進(jìn)行系統(tǒng)的整理與分類，建立音樂文獻(xiàn)的體系和框架，便于查找和利用這些文獻(xiàn)。其最終目的是通過對(duì)音樂文獻(xiàn)藝術(shù)性、歷史性、文化性等方面的深入研究，全面揭示音樂文獻(xiàn)的內(nèi)涵和價(jià)值，推動(dòng)音樂文化事業(yè)的創(chuàng)新發(fā)展。

在數(shù)字人文背景下，音樂文獻(xiàn)工作的目的有了新的拓展與深化。數(shù)字人文作為信息技術(shù)與人文社科深度融合的產(chǎn)物，其核心在于利用計(jì)算技術(shù)深度挖掘人文領(lǐng)域的知識(shí)與價(jià)值。這一趨勢(shì)促使音樂文獻(xiàn)工作從傳統(tǒng)的文獻(xiàn)整理與保存向數(shù)據(jù)化、語義化、可視化及智能化方向全面轉(zhuǎn)型。

這一轉(zhuǎn)變?cè)从跀?shù)字人文對(duì)計(jì)算能力的依賴，即所有分析與研究都需基于可計(jì)算的數(shù)據(jù)進(jìn)行。因此，音樂文獻(xiàn)被轉(zhuǎn)化為機(jī)器可讀、可分析的數(shù)據(jù)資源。這一數(shù)據(jù)化過程不僅要求將音樂文獻(xiàn)轉(zhuǎn)化為數(shù)字格式，更強(qiáng)調(diào)對(duì)文獻(xiàn)內(nèi)容的深度解析與結(jié)構(gòu)化處理，以便后續(xù)的計(jì)算、分析與應(yīng)用。在數(shù)據(jù)化基礎(chǔ)上，通過語義分析、可視化呈現(xiàn)及智能化處理等手段，深入挖掘音樂文獻(xiàn)中的隱含信息，揭示其背后的文化、歷史與藝術(shù)價(jià)值。

1.2對(duì)象拓展

音樂文獻(xiàn)工作不僅關(guān)注音樂作品本身，還廣泛涉及與音樂相關(guān)的各個(gè)方面。傳統(tǒng)音樂文獻(xiàn)工作對(duì)象大致可分為兩種：一種是紙質(zhì)資料，如音樂類圖書、期刊、樂譜、手稿等；另一種是多媒體資料，如黑膠唱片、音樂磁帶、CD、DVD等。

在數(shù)字人文背景下，音樂文獻(xiàn)工作更關(guān)注音樂數(shù)據(jù)。大規(guī)模數(shù)字化的音樂資源，如樂譜、錄音、音樂視頻等，成為主要研究對(duì)象，其海量且多樣化的特點(diǎn)為研究工作提供了廣闊領(lǐng)域和豐富素材。同時(shí)，音樂用戶行為數(shù)據(jù)也日益受到關(guān)注，通過對(duì)用戶聽歌記錄、評(píng)分、分享等行為的分析，揭示用戶喜好和消費(fèi)習(xí)慣等特征，實(shí)現(xiàn)個(gè)性化的音樂推薦。音樂元數(shù)據(jù)和關(guān)聯(lián)數(shù)據(jù)也變得越來越重要，有助于發(fā)現(xiàn)新的音樂知識(shí)和模式。社交媒體上的音樂相關(guān)數(shù)據(jù)反映了公眾對(duì)音樂的興趣和態(tài)度，對(duì)音樂傳播等研究具有價(jià)值。此外，音樂與其他模態(tài)數(shù)據(jù)的融合研究成為新趨勢(shì)，如音樂與圖像、文本等跨模態(tài)研究，推動(dòng)了音樂跨學(xué)科的深度探索。

1.3方法拓展

數(shù)字人文技術(shù)為音樂文獻(xiàn)工作帶來了革命性的變革。相較于傳統(tǒng)人工文本分析和文獻(xiàn)整理方式，數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)和人工智能等技術(shù)實(shí)現(xiàn)了對(duì)音樂文獻(xiàn)數(shù)據(jù)的深度分析和處理，為音樂文獻(xiàn)工作提供了全新的視角和工具。

數(shù)字人文技術(shù)在音樂文獻(xiàn)工作中的應(yīng)用，表現(xiàn)為自動(dòng)化分析音樂符號(hào)的結(jié)構(gòu)和演奏方式，高效提取音樂作品的節(jié)奏、旋律、和聲等元素；通過數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)算法，迅速準(zhǔn)確地識(shí)別音樂的形式、結(jié)構(gòu)、主題和風(fēng)格等特征，進(jìn)而系統(tǒng)地探討不同音樂流派、作曲家風(fēng)格及音樂作品之間的關(guān)聯(lián)與影響；結(jié)合地理信息系統(tǒng)、虛擬現(xiàn)實(shí)等技術(shù)，對(duì)音樂歷史與文化背景進(jìn)行數(shù)字化重構(gòu)，直觀展示音樂作品所處的歷史時(shí)期、地域特色及其與其他藝術(shù)形式和社會(huì)現(xiàn)象的互動(dòng)關(guān)系；通過數(shù)字化整合與共享，實(shí)現(xiàn)音樂文獻(xiàn)資源的便捷檢索、瀏覽和引用，推動(dòng)音樂文獻(xiàn)的跨學(xué)科交流與合作；此外，數(shù)字人文技術(shù)還為音樂創(chuàng)作和表演提供智能化輔助，如基于人工智能技術(shù)的音樂生成系統(tǒng)和智能伴奏系統(tǒng)等，為音樂創(chuàng)作和表演開辟更廣闊的可能性和創(chuàng)新空間。

數(shù)字人文技術(shù)和方法在音樂文獻(xiàn)工作中的應(yīng)用涵蓋了多個(gè)方面，不僅提高了音樂研究效率，還能提供更精確的結(jié)果和更深入的洞察力。數(shù)字人文技術(shù)和方法已成為音樂文獻(xiàn)工作的重要工具和方法論，推動(dòng)音樂文獻(xiàn)學(xué)的發(fā)展。

2基于數(shù)字人文的音樂文獻(xiàn)工作

2.1 音樂文獻(xiàn)數(shù)據(jù)化

音樂文獻(xiàn)的數(shù)據(jù)化在大數(shù)據(jù)時(shí)代顯得尤為重要。為了達(dá)成此目標(biāo)，首要任務(wù)是進(jìn)行全面而詳盡的音樂文獻(xiàn)資料收集，其中涵蓋樂譜、書籍、期刊、音頻和視頻等多種形式。紙質(zhì)文獻(xiàn)通過高精度掃描技術(shù)轉(zhuǎn)化為數(shù)字圖像，然后利用光學(xué)字符識(shí)別（OpticalCharacterRecognition，OCR）技術(shù)將圖像轉(zhuǎn)化為可編輯、可搜索的文本信息。對(duì)于音頻和視頻資料，使用專業(yè)設(shè)備進(jìn)行數(shù)字化轉(zhuǎn)換，確保數(shù)據(jù)的完整性，并獲得高質(zhì)量的數(shù)字化成果。這些經(jīng)過數(shù)字化處理的音樂文獻(xiàn)被妥善保存在大型數(shù)據(jù)庫中，方便用戶快速檢索和利用。

借助數(shù)字人文技術(shù)，采用文本分詞、圖像切割等技術(shù)手段，可將文獻(xiàn)內(nèi)容進(jìn)一步拆解為粒度更細(xì)的單元，如詞匯、短語、句子等文本元素或圖像的特征區(qū)域，實(shí)現(xiàn)文獻(xiàn)內(nèi)容的深度表示。對(duì)這些細(xì)化后的元素進(jìn)行深度分析和標(biāo)注，實(shí)現(xiàn)精準(zhǔn)音樂元素提取。例如，利用音頻特征提取、音符識(shí)別、節(jié)奏分割等技術(shù)，從音樂文獻(xiàn)中精確提取音符、和弦、節(jié)奏型等音樂對(duì)象。特別是對(duì)樂譜的處理，光學(xué)樂譜識(shí)別（OpticalMusicRecognition，OMR）技術(shù)能自動(dòng)將樂譜圖像轉(zhuǎn)化為通用數(shù)字音樂格式，并將其進(jìn)一步細(xì)分為如小節(jié)、樂句等更小的單位[4]

這種數(shù)據(jù)化處理不僅方便用戶檢索與利用，還擴(kuò)大了研究的廣度和深度。例如，樂譜數(shù)據(jù)通過MusicXML標(biāo)注和編碼，能夠被機(jī)器理解和讀取，解決了不同軟件和系統(tǒng)之間的數(shù)據(jù)互通，為后續(xù)音樂文獻(xiàn)的大數(shù)據(jù)研究打下基礎(chǔ)。只有利用數(shù)據(jù)化處理后的數(shù)據(jù)，才能實(shí)現(xiàn)如語義計(jì)算、特征發(fā)現(xiàn)、AI音樂創(chuàng)作等功能，從而實(shí)現(xiàn)音樂文獻(xiàn)研究的不斷創(chuàng)新和發(fā)展。

2.2 音樂文獻(xiàn)語義化

自然語言處理（Natural Language Processing，NLP）是計(jì)算機(jī)科學(xué)、人工智能和語言學(xué)等學(xué)科交叉的前沿領(lǐng)域。其目標(biāo)是讓計(jì)算機(jī)能夠理解、處理和生成自然語言，使計(jì)算機(jī)具有類似人類的語言交互和文本理解能力[5]。NLP技術(shù)能夠?qū)σ魳肺墨I(xiàn)中的文本信息進(jìn)行語義分析，揭示隱藏的語義關(guān)系和模式，探索音樂作品背后的社會(huì)文化意義。

音樂文獻(xiàn)包含豐富的文本信息，如音樂類型、歌詞、樂譜、作曲家傳記等。通過分詞、詞性標(biāo)注等詞向量技術(shù)，提取音樂文本信息中的關(guān)鍵信息和語義關(guān)系，分析和挖掘音樂文獻(xiàn)所表達(dá)的情感和主題。樂譜雖然以音樂符號(hào)為主要表現(xiàn)形式，不同于一般的自然語言文本，但NLP技術(shù)仍能在樂譜處理和分析中發(fā)揮作用。如沈哲旭等人結(jié)合自然語言處理與音樂情感分析，通過預(yù)訓(xùn)練語言模型，實(shí)現(xiàn)了對(duì)電子樂譜的精準(zhǔn)情感分類。除了主題和情感分析，NLP技術(shù)在音樂信息檢索系統(tǒng)中也發(fā)揮著重要作用，它可以分析用戶的查詢文本，挖掘查詢文本的語義意圖，并在音樂文獻(xiàn)庫中匹配相應(yīng)的結(jié)果。

另外，音樂知識(shí)圖譜能夠?qū)崿F(xiàn)音樂文獻(xiàn)語義化。知識(shí)圖譜是一個(gè)基于語義技術(shù)的信息組織和知識(shí)管理系統(tǒng)，它能夠整合大量的結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)，形成一個(gè)統(tǒng)一的語義關(guān)系網(wǎng)絡(luò)，實(shí)現(xiàn)信息資源的語義化組織和管理，廣泛應(yīng)用于語義檢索和智能問答中。

音樂知識(shí)圖譜的構(gòu)建涉及多個(gè)環(huán)節(jié)。首先廣泛收集與音樂相關(guān)的各種數(shù)據(jù)，如文本、圖像、音頻和視頻等。通過人工智能技術(shù)、自然語言處理技術(shù)從收集的數(shù)據(jù)中識(shí)別出音樂實(shí)體，利用RDF（ResourceDescriptionFramework，資源描述框架）的三元組資源描述方法描述實(shí)體的屬性和特征，抽取實(shí)體間的關(guān)系，設(shè)計(jì)音樂知識(shí)本體，揭示實(shí)體間的語義關(guān)系，導(dǎo)入音樂知識(shí)實(shí)體，構(gòu)建音樂知識(shí)庫。知識(shí)圖譜建成后，利用其中的語義關(guān)系和推理規(guī)則進(jìn)行推理和查詢，可發(fā)現(xiàn)新的知識(shí)關(guān)系和事實(shí)，獲取特定領(lǐng)域的音樂知識(shí)和信息。音樂文獻(xiàn)知識(shí)圖譜可以應(yīng)用于音樂推薦、音樂教育或音樂歷史研究等，通過深度分析和挖掘知識(shí)庫中的信息，提供更準(zhǔn)確、豐富的音樂知識(shí)和服務(wù)。如由馬欣尹等人設(shè)計(jì)的網(wǎng)易云音樂知識(shí)圖譜和音樂推薦系統(tǒng)就是很好的展示[7]。曹軍軍團(tuán)隊(duì)針對(duì)中國傳統(tǒng)音樂特征與傳統(tǒng)音樂學(xué)的知識(shí)結(jié)構(gòu)，設(shè)計(jì)構(gòu)建了中國傳統(tǒng)音樂知識(shí)庫的\"元數(shù)據(jù)本體”[8]。

2.3 音樂文獻(xiàn)可視化

可視化（Visualization）是計(jì)算機(jī)圖形學(xué)與圖像處理技術(shù)深度融合的產(chǎn)物，通過圖像化手段高效表達(dá)與解析數(shù)據(jù)，并促進(jìn)數(shù)據(jù)的交互式探索與理解。其應(yīng)用領(lǐng)域廣泛，數(shù)據(jù)形態(tài)多樣，包括文本數(shù)據(jù)、層次數(shù)據(jù)、時(shí)空數(shù)據(jù)及多維數(shù)據(jù)等。在音樂文獻(xiàn)領(lǐng)域，可視化不僅為研究者提供了新穎的研究視角與洞察工具，還深刻重塑了音樂知識(shí)的呈現(xiàn)與傳播方式。

音樂文獻(xiàn)可視化，是將音樂文獻(xiàn)數(shù)據(jù)轉(zhuǎn)換為結(jié)構(gòu)化的可視化數(shù)據(jù)格式，對(duì)文本、音頻、圖像等數(shù)據(jù)進(jìn)行解析、抽取和轉(zhuǎn)換，發(fā)現(xiàn)音樂文獻(xiàn)的信息特征。根據(jù)音樂文獻(xiàn)的特點(diǎn)和研究需求可選擇多種可視化形式，如詞云、圖表、網(wǎng)絡(luò)圖、熱力圖或時(shí)空可視化等[9]。這些可視化形式能形象地展示音樂知識(shí)的關(guān)系和趨勢(shì)。同時(shí)，可選擇不同的可視化工具。如Tableau是一款通用的數(shù)據(jù)可視化工具，適用于各種數(shù)據(jù)類型，提供豐富的可視化選項(xiàng)。D3.js是一個(gè)高度靈活的JavaScript庫，用于創(chuàng)建自定義的數(shù)據(jù)驅(qū)動(dòng)可視化。馬秋梅等人運(yùn)用D3.js，從歷史起源、藝術(shù)特色和發(fā)展傳承3個(gè)方面出發(fā)，基于6個(gè)可視化模塊，構(gòu)建了一個(gè)川劇文化大數(shù)據(jù)可視分析系統(tǒng)[10]。Gephi專注于網(wǎng)絡(luò)分析和可視化，特別適用于音樂作品之間的關(guān)系展示。Voyant則專注于文本數(shù)據(jù)的可視化和分析，揭示音樂文獻(xiàn)中的主題和情感色彩。朱子彤在呂班電影研究中運(yùn)用Voyant做人物對(duì)話的趨勢(shì)圖分析[11]

樂譜記錄了音符、節(jié)奏、樂句、段落等豐富的音樂信息，是音樂文獻(xiàn)工作的重點(diǎn)對(duì)象。可視化樂譜時(shí)，通過不同顏色、形狀和大小來表示不同音符時(shí)值和節(jié)奏，直觀展現(xiàn)音樂的流動(dòng)感和節(jié)奏感。對(duì)于包含歌詞的樂譜，可將歌詞以詞云的形式進(jìn)行可視化，使讀者更為直觀地理解歌詞的主題及作品的意境。對(duì)于樂譜的層次結(jié)構(gòu)，可將層次結(jié)構(gòu)轉(zhuǎn)化為層次數(shù)據(jù)，再以樹狀圖的形式進(jìn)行可視化，以節(jié)點(diǎn)表示層次單位（如音符、樂句、段落等），連線表示節(jié)點(diǎn)之間的層次關(guān)系。可視化樂譜的時(shí)空特征，可結(jié)合作曲家等的人生起伏、行跡、作品信息等在時(shí)序空間上進(jìn)行展示，有助于洞察作曲家的創(chuàng)作風(fēng)格與時(shí)空背景的聯(lián)系?？梢暬瘶纷V的風(fēng)格和流派，可利用時(shí)間軸、散點(diǎn)圖等方法展示樂譜的多維屬性，動(dòng)態(tài)展示音樂風(fēng)格或流派的歷史演變過程。

2.4 音樂文獻(xiàn)智能化

在數(shù)字人文視角下，音樂文獻(xiàn)工作曾面臨海量數(shù)據(jù)處理和深度挖掘的挑戰(zhàn)。然而，隨著AI技術(shù)的融入，這一局面得到了根本性改變。AI技術(shù)通過音頻處理、自然語言處理、機(jī)器學(xué)習(xí)等方法揭示音樂文獻(xiàn)的語義和知識(shí)，促進(jìn)了音樂文獻(xiàn)工作的智能化進(jìn)程。

2.4.1音樂作品分析

音樂作品分析主要從旋律、節(jié)奏、和聲、曲式結(jié)構(gòu)、調(diào)性、音樂風(fēng)格和形象等多個(gè)維度進(jìn)行研究。傳統(tǒng)音樂作品分析主要依賴人工進(jìn)行，需要耗費(fèi)大量時(shí)間和精力，對(duì)分析者的專業(yè)知識(shí)和經(jīng)驗(yàn)要求較高。分析過程中可能受到主觀因素的影響，主要關(guān)注音樂的特定方面，對(duì)數(shù)據(jù)的利用受限于分析者的知識(shí)和經(jīng)驗(yàn)。且通常是單向的解讀過程，缺乏交互性。

數(shù)字人文技術(shù)的引入，極大提升了音樂作品分析的智能化水平。機(jī)器學(xué)習(xí)算法和自動(dòng)處理工具能迅速對(duì)作品進(jìn)行自動(dòng)分析和處理，大大提高分析效率，更準(zhǔn)確地識(shí)別和提取音樂作品的特征，減少主觀誤差，并對(duì)音樂作品的多個(gè)方面進(jìn)行全面而深入的分析。

以音樂作品旋律分析為例。首先，通過音頻處理工具或機(jī)器學(xué)習(xí)算法提取與旋律緊密相關(guān)的特征，如音高、音程和節(jié)奏等。為使這些特征能被計(jì)算機(jī)處理，采用音樂信息檢索（MusicInformationRetrieval，MIR）技術(shù)將其轉(zhuǎn)化為如旋律矩陣、旋律向量等數(shù)據(jù)結(jié)構(gòu)。如周利娟等人提出了基于TLDA和SVSM的音樂檢索模型，實(shí)現(xiàn)音樂個(gè)性化的分類管理，并提高音樂信息檢索系統(tǒng)的性能[12]。王培培等人提出了基于得分矩陣的音樂哼唱快速檢索技術(shù)，實(shí)現(xiàn)音樂的快速檢索[13]。其次，利用相似度計(jì)算算法，例如余弦相似度和歐氏距離，量化不同音樂作品間旋律的相似程度。如朱永強(qiáng)等人結(jié)合Unicode中文單元的內(nèi)部關(guān)聯(lián)性，優(yōu)化了Sunday算法的匹配規(guī)則，提高了匹配效率[14]。Park等人提出了cross-scape這種可視化展示旋律相似性的方法，展示兩段MIDI的相似度以及熱力圖，提高了比對(duì)結(jié)果的可讀性[15]。最后，通過應(yīng)用聚類算法，不僅可以區(qū)分各種音樂風(fēng)格和流派，還可揭示它們之間的關(guān)系和差異。

目前，在數(shù)字人文背景下許多研究人員在音樂作品分析領(lǐng)域取得了較為突出的成績(jī)。如穆罕默德·阿西姆使用機(jī)器學(xué)習(xí)算法對(duì)音樂流派進(jìn)行分類[16]。Deezer利用音頻信號(hào)和歌詞來識(shí)別歌曲的情緒，成功開發(fā)出能識(shí)別歌曲音樂情緒的AI系統(tǒng)[1]。還有基于用戶行為和偏好進(jìn)行音樂個(gè)性化推薦的數(shù)字音樂推薦系統(tǒng)等[18]。

2.4.2 AI作曲

AI作曲是利用人工智能技術(shù)生成音樂作品的一項(xiàng)前沿應(yīng)用，不僅是對(duì)傳統(tǒng)作曲方式的創(chuàng)新，更是人機(jī)協(xié)作的新嘗試。AI作曲的數(shù)據(jù)化文獻(xiàn)主要基于MIDI文件和MusicXML文件兩種格式。MIDI是國際上一種用于存儲(chǔ)數(shù)字音樂和電子合成樂器的統(tǒng)一標(biāo)準(zhǔn)，又稱樂器數(shù)字接口[19]。MusicXML和MIDI類似，是一種用于電子樂譜信息交換與分享的文件存儲(chǔ)格式，又稱音樂擴(kuò)展標(biāo)記語言[20]

基于MIDI文件的AI作曲領(lǐng)域，最具代表性的是Google開發(fā)的MusicVAE技術(shù)，該技術(shù)采用變分自編碼器的生成模型[21]。它能夠從大量音樂數(shù)據(jù)中學(xué)習(xí)到音樂的潛在表示，并據(jù)此創(chuàng)作新的音樂作品。MusicVAE支持多種音樂表示方式，包括鋼琴卷簾和MIDI文件，并能夠創(chuàng)作出具有不同風(fēng)格和情感的音樂作品。另一種技術(shù)是AmadeusCode，它是一種基于深度學(xué)習(xí)的音樂生成系統(tǒng)。AmadeusGode運(yùn)用循環(huán)神經(jīng)網(wǎng)絡(luò)和生成對(duì)抗網(wǎng)絡(luò)等技術(shù)來創(chuàng)作音樂，能根據(jù)用戶提供的旋律、和弦進(jìn)行和情感標(biāo)簽生成符合要求的音樂作品。AIVA技術(shù)則是一種基于人工智能的音樂創(chuàng)作平臺(tái)，該平臺(tái)利用深度學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)和遺傳算法等技術(shù)來創(chuàng)作音樂。

基于MusicXML文件的AI作曲，最具代表性的是Jukedeck和AmperMusic在商業(yè)領(lǐng)域的廣泛應(yīng)用。Jukedeck基于機(jī)器學(xué)習(xí)，根據(jù)用戶輸入的旋律、節(jié)奏、風(fēng)格等參數(shù)自動(dòng)生成符合要求的音樂作品，并支持包括MusicXML文件的多種輸出格式。AmperMusic則基于云計(jì)算和人工智能，根據(jù)用戶提供的和弦、節(jié)奏和風(fēng)格等信息，自動(dòng)生成完整的音樂作品，也支持MusicXML文件輸出和高度定制化選項(xiàng)[22]。前面提到的MusicVAE技術(shù)，亦可從大量的MusicXML文件中學(xué)習(xí)音樂的潛在表示，進(jìn)而生成多樣化風(fēng)格的音樂作品。

3數(shù)字人文對(duì)音樂文獻(xiàn)工作的影響和變革

3.1更新音樂文獻(xiàn)管理模式

數(shù)字人文技術(shù)推動(dòng)了音樂文獻(xiàn)管理從傳統(tǒng)的紙質(zhì)文獻(xiàn)管理向數(shù)字化管理的根本轉(zhuǎn)變。如今，傳統(tǒng)紙質(zhì)文獻(xiàn)管理已無法滿足高速發(fā)展的社會(huì)需求，弊端日益凸顯，如存儲(chǔ)不便、易損壞、易丟失等，而數(shù)字化管理有效解決了這些不足。音樂文獻(xiàn)通過數(shù)字化不僅大大提高了文獻(xiàn)的存儲(chǔ)密度和檢索效率，而且使文獻(xiàn)的傳輸、利用和研究更加高效便捷。

大數(shù)據(jù)、云計(jì)算、人工智能等數(shù)字技術(shù)在音樂文獻(xiàn)工作中的運(yùn)用，極大地提升了音樂文獻(xiàn)的智能化管理水平。文獻(xiàn)智能化管理模式主要是基于先進(jìn)的大數(shù)據(jù)、人工智能等新興技術(shù)，對(duì)海量的文獻(xiàn)數(shù)據(jù)進(jìn)行深度挖掘和分析，實(shí)現(xiàn)知識(shí)的發(fā)現(xiàn)、整合和共享，從而提高文獻(xiàn)資源的利用效率和價(jià)值。通過對(duì)音樂文獻(xiàn)數(shù)據(jù)的智能化管理，可實(shí)現(xiàn)音樂信息資源的整合與共享，通過進(jìn)一步挖掘和分析，為用戶提供個(gè)性化、精準(zhǔn)化的智能決策。

基于語義的音樂元數(shù)據(jù)管理。音樂元數(shù)據(jù)管理實(shí)質(zhì)為一套管理體系，其核心為權(quán)限管理，通過定義不同角色并為其分配相應(yīng)權(quán)限，實(shí)現(xiàn)共享管理以及其他相關(guān)功能，實(shí)現(xiàn)對(duì)元數(shù)據(jù)的精準(zhǔn)操作控制，從而構(gòu)建一個(gè)完整的管理體系。根據(jù)預(yù)設(shè)規(guī)則判斷用戶訪問特定元數(shù)據(jù)的權(quán)限，確保數(shù)據(jù)安全性，訪問控制機(jī)制起到關(guān)鍵作用。審計(jì)和跟蹤功能維護(hù)數(shù)據(jù)完整性并追溯可能的問題，記錄所有數(shù)據(jù)訪問和操作行為。在共享管理方面，系統(tǒng)支持多種策略，使元數(shù)據(jù)在組織內(nèi)外得到合理利用。這些功能共同構(gòu)成一個(gè)強(qiáng)大而靈活的元數(shù)據(jù)管理系統(tǒng)。

在數(shù)字人文背景下，音樂作品的指紋版權(quán)管理得到了顯著的提升和完善。大數(shù)據(jù)技術(shù)為音樂作品的指紋版權(quán)管理提供了強(qiáng)大的數(shù)據(jù)處理和分析能力，使版權(quán)管理更加精細(xì)化、智能化和高效化。通過深度挖掘和分析海量數(shù)據(jù)，不僅能精準(zhǔn)提取音樂作品的獨(dú)特指紋，還能實(shí)時(shí)監(jiān)測(cè)作品的傳播與使用情況，智能化追蹤侵權(quán)行為[23]。結(jié)合自動(dòng)化的維權(quán)機(jī)制與數(shù)據(jù)可視化技術(shù)，大數(shù)據(jù)技術(shù)為版權(quán)管理提供了高效、精準(zhǔn)的解決方案，確保創(chuàng)作者的權(quán)益得到充分保護(hù)。如網(wǎng)易云音樂基于音頻指紋的聽歌識(shí)曲系統(tǒng)研究[24]。

3.2開辟音樂文獻(xiàn)新的研究視角與方法

從宏觀視角來看，數(shù)字人文背景下的音樂文獻(xiàn)工作是文獻(xiàn)學(xué)與數(shù)字人文學(xué)科的深度交融，這種跨學(xué)科的交融為音樂文獻(xiàn)工作提供了新的研究方法和路徑，預(yù)示著音樂文獻(xiàn)工作未來的發(fā)展方向。并且，數(shù)字人文背景下的音樂文獻(xiàn)工作方法較傳統(tǒng)方法更為開放、多元和深人。以數(shù)據(jù)驅(qū)動(dòng)的研究范式成為主導(dǎo)，大規(guī)模的數(shù)據(jù)集被用于提取音樂領(lǐng)域有意義的信息和模式。同時(shí)，基于網(wǎng)絡(luò)的研究框架、開放科學(xué)和合作研究的理念、跨學(xué)科的視角等不僅可以實(shí)現(xiàn)音樂文獻(xiàn)資源的共享與協(xié)作，更能促進(jìn)音樂學(xué)與計(jì)算機(jī)科學(xué)、數(shù)據(jù)科學(xué)等領(lǐng)域的交融，為音樂研究提供更全面的理論和方法支持。這些研究思路和設(shè)計(jì)相互交織，共同構(gòu)建了音樂文獻(xiàn)工作的新框架和新路徑。

從微觀角度來看，大數(shù)據(jù)、云計(jì)算、物聯(lián)網(wǎng)和人工智能技術(shù)等信息技術(shù)，為音樂文獻(xiàn)工作提供了更多的研究方法，如自然語言處理技術(shù)能高效提取音樂文獻(xiàn)中的關(guān)鍵信息和知識(shí)，為音樂研究提供有力支持；語音識(shí)別技術(shù)能方便轉(zhuǎn)錄和整理音樂作品中的語音內(nèi)容；使用機(jī)器翻譯技術(shù)可幫助克服語言障礙，并獲取跨文化的音樂研究成果。

此外，基于Transformer注意力機(jī)制的大語言模型能夠準(zhǔn)確學(xué)習(xí)到音樂作品中的復(fù)雜結(jié)構(gòu)和模式信息。通過大語言模型深入分析音樂作品的結(jié)構(gòu)、風(fēng)格和情感表達(dá)等?；陬A(yù)訓(xùn)練-微調(diào)技術(shù)的大語言模型是深人研究音樂作品的有力工具，為音樂文獻(xiàn)研究提供了更高效、更準(zhǔn)確的分析方法。

3.3拓展音樂文獻(xiàn)傳播路徑

在數(shù)字時(shí)代，通過響應(yīng)式設(shè)計(jì)、統(tǒng)一的API（ApplicationProgrammingInterface，應(yīng)用程序接口）以及云端服務(wù)等實(shí)現(xiàn)跨平臺(tái)服務(wù)，用戶可以在不同時(shí)空、不同設(shè)備的操作系統(tǒng)和網(wǎng)絡(luò)環(huán)境下使用音樂文獻(xiàn)。在此基礎(chǔ)上，音樂文獻(xiàn)內(nèi)容的傳播也不再局限于傳統(tǒng)渠道，而是廣泛分布于各類擁有不同用戶群體和使用場(chǎng)景的數(shù)字平臺(tái)，如Spotify、抖音、小紅書等音樂流媒體平臺(tái)和社交媒體等。這些數(shù)字平臺(tái)基于收集的用戶數(shù)據(jù)構(gòu)建用戶畫像，再利用智能推薦算法，向特定用戶推送個(gè)性化的音樂內(nèi)容。

通過可視化技術(shù)，音樂文獻(xiàn)中的復(fù)雜數(shù)據(jù)和抽象概念得以直觀展示。傳統(tǒng)音樂文獻(xiàn)，尤其是復(fù)雜的樂譜和理論分析，往往需要讀者具備較高的音樂素養(yǎng)才能理解。然而，通過可視化手段，如將樂譜轉(zhuǎn)化為動(dòng)態(tài)的音符流動(dòng)、將和聲結(jié)構(gòu)以色彩或形狀的方式呈現(xiàn)，這些高度專業(yè)化的信息變得更為直觀，降低了理解的門檻。

借助交互設(shè)計(jì)技術(shù)可以創(chuàng)建交互式音樂文獻(xiàn)展示平臺(tái)。用戶通過點(diǎn)擊、拖動(dòng)等操作，查看音樂文獻(xiàn)的詳細(xì)信息或進(jìn)行數(shù)據(jù)分析等，從而獲得更加豐富和個(gè)性化的音樂體驗(yàn)。利用虛擬現(xiàn)實(shí)和增強(qiáng)現(xiàn)實(shí)技術(shù)則可以實(shí)現(xiàn)用戶對(duì)音樂的沉浸式體驗(yàn)。如歷史音樂場(chǎng)景重現(xiàn)，虛擬的音樂元素與現(xiàn)實(shí)世界相結(jié)合等。這種體驗(yàn)方式不僅能使用戶深刻感受音樂作品的深度，還能啟發(fā)創(chuàng)作者創(chuàng)作出新的音樂作品或表達(dá)方式。

4總結(jié)和展望

在數(shù)字人文背景下，音樂文獻(xiàn)工作經(jīng)歷了前所未有的變革。傳統(tǒng)音樂文獻(xiàn)處理與保存方式逐漸被數(shù)字化所取代，這不僅極大提升了文獻(xiàn)的存儲(chǔ)密度和檢索效率，而且通過數(shù)據(jù)分析技術(shù)，更為全面和深入地挖掘音樂文獻(xiàn)的內(nèi)涵和價(jià)值。特別是大數(shù)據(jù)、自然語言處理、機(jī)器學(xué)習(xí)等技術(shù)的應(yīng)用，為音樂文獻(xiàn)的智能化管理、分析與創(chuàng)作提供了新的可能性。音樂文獻(xiàn)工作不再局限于保存和保護(hù)音樂文獻(xiàn)，而是進(jìn)一步拓展至數(shù)據(jù)收集與整合、潛在關(guān)聯(lián)與模式挖掘、音樂創(chuàng)作模式與趨勢(shì)洞察，以及為音樂學(xué)術(shù)研究提供更豐富、更精確的數(shù)據(jù)支持等方面。

未來，隨著技術(shù)的不斷進(jìn)步和跨學(xué)科研究的深入，數(shù)字人文視域下的音樂文獻(xiàn)工作將展現(xiàn)出更加廣闊的前景。一方面，隨著元宇宙、虛擬現(xiàn)實(shí)等前沿技術(shù)的發(fā)展，音樂文獻(xiàn)的可視化和沉浸式體驗(yàn)將得到極大提升，用戶可通過更直觀、交互的方式，探索和理解音樂作品背后的文化和歷史。另一方面，跨模態(tài)數(shù)據(jù)融合研究將成為新的趨勢(shì)，深人揭示音樂文獻(xiàn)與其他藝術(shù)形式、社會(huì)現(xiàn)象之間的內(nèi)在聯(lián)系，推動(dòng)音樂文獻(xiàn)工作向更高層次發(fā)展。此外，隨著開放科學(xué)和合作研究理念的普及，音樂文獻(xiàn)數(shù)據(jù)的開放獲取和共享將成為常態(tài)，為學(xué)者們提供更加豐富和全面的研究資源，促進(jìn)音樂學(xué)術(shù)研究的創(chuàng)新與進(jìn)步。

參考文獻(xiàn)：

[1]劉煒，葉鷹.數(shù)字人文的技術(shù)體系與理論結(jié)構(gòu)探討[J].中國圖書館學(xué)報(bào)，2017，43（5）：32-41.

[2]王小盾，喻意志.中國音樂文獻(xiàn)學(xué)：以楊蔭瀏為樞紐的兩個(gè)時(shí)期[J].中國音樂學(xué)，2000（3）：13-24.

[3]郭小林.再論音樂文獻(xiàn)學(xué)[J].黃鐘（中國·武漢音樂學(xué)院學(xué)報(bào)），2008（1）：128-132.

[4]BAINBRIDGED，BELLT.Thechallengeofoptical music recognition[J].Computersandthe Humanities，20O1，35（2）：95-121.

[5]趙鐵軍，許木璠，陳安東.自然語言處理研究綜述[J].新疆師范大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版），2025，46（2）：89-111，2.

[6]沈哲旭，曾景杰，丁健，等.基于預(yù)訓(xùn)練語言模型的電子樂譜情感分類研究[J].復(fù)旦學(xué)報(bào)（自然科學(xué)版），2022，61（5）：581-588.

[7]馬欣尹，沈永亮，方共凡.網(wǎng)易云音樂知識(shí)圖譜和音樂推薦系統(tǒng)[EB/OL].[2024-10-10].htp：//data.openkg.cn/datasel/

163music.

[8]曹軍軍，李俊萱，王雨荷.中國傳統(tǒng)音樂知識(shí)庫的\"元數(shù)據(jù)本體\"構(gòu)建研究[J].數(shù)字人文研究，2022，2（4）：22-37.

[9]任磊，杜一，馬帥，等.大數(shù)據(jù)可視分析綜述[J].軟件學(xué)報(bào)，2014，25（9）：1909-1936.

[10]馬秋梅，江興濤，曾琦峰，等.川劇文化大數(shù)據(jù)可視分析[J/OL].計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)，1-12［2025-01-10].http：//kns.cnki.net/kcms/detail/11.2925.tp.20240321.1719.002.html.

[11]朱子彤.數(shù)字人文視域下的呂班電影研究：以CiteSpace、Darwin、微詞云、Voyant為主要工具[J].當(dāng)代電影，2023（4）：63-69.

[12]周利娟，林鴻飛，閆俊.基于TLDA和SVSM的音樂信息檢索模型[J].計(jì)算機(jī)科學(xué)，2014，41（2）：174-178.[13]王培培，王斌.支持得分矩陣的音樂檢索技術(shù)[J].計(jì)算機(jī)工程與應(yīng)用，2017（5）：17-23.[14]朱永強(qiáng)，秦志光，江雪，等.基于Sunday算法的改良單模式匹配算法[J].計(jì)算機(jī)應(yīng)用，2014，34（1）：208-212.[15]PARK S，KWON T，LEE J，et al.Across-scape plot representation for visualizing symbolic melodic similarity[C]/Proceedingsof the2Oth International SocietyforMusic InformationRetrieval Conference.Delft： ISMIR，2019：423-430.[16]ASIM M，AHMED Z.Automatic music genres classification using machinelearning[J].International Journalof AdvancedComputer Science and Applications，2017，8（8）：337-344.

[17]Deezer成功開發(fā)出能識(shí)別歌曲音樂情緒的AI系統(tǒng)[EB/OL].[2025-01-10].htps：/smart.huanqiu.com/article/9CaKrnKcYHb.[18］劉義理，朱茂然，胡莼.基于用戶行為軌跡的在線音樂偏好模型［J].復(fù)旦學(xué)報(bào)（自然科學(xué)版），2022，61（3）：342-352.

[19]LOY G.Musicians make a standard： The MIDI phenomenon[J]. Computer Music Journal，1985，9（4）：8-26.[20]GOOD，MICHAEL. MusicXML：An internet-friendly format for sheet music[C]/XML Conference and Expo.Boston：IDEAlliance，2001：3-4.[21]ROBERTSA，ENGELJ，RAFFELC，etal.Ahierarchical latentvector modelforlearning long-term structure inmusicC]/Proceedings of the35th International Conference on Machine Learning.Stockholm：PMLR，2018：4364-4373.[22]陳吉尚，哈里旦木·阿布都克里木，梁蘊(yùn)澤，等.深度學(xué)習(xí)在符號(hào)音樂生成中的應(yīng)用研究綜述[J].計(jì)算機(jī)工程與應(yīng)用，2023，59（9）：27-45.[23]牛曉林，韓德志，孫志杰.基于聯(lián)盟鏈的音樂版權(quán)保護(hù)與交易系統(tǒng)[J].計(jì)算機(jī)應(yīng)用研究，2022，39（1）：18-23.[24]李佳.《網(wǎng)易云音樂7》體驗(yàn)[J].計(jì)算機(jī)與網(wǎng)絡(luò)，2020，46（2）：35.

作者簡(jiǎn)介：付春梅，碩士，副研究館員，研究方向?yàn)樾畔①Y源管理、數(shù)據(jù)分析。收稿日期：2024-12-20 修回日期：2025-01-27 編校：鄭秀花李萍