Blog

萬物皆可入聲(二)Trope app by Brian Eno

1_psOdh9Aggz9h4e7Y_VyHFg

軟體自身即可成為曲目。數位工具最有趣的地方,在於他們不必然要以現有原音樂器的邏輯解讀與再現,經常會見到特定的數位工具只為某一個作品或計劃被開發出來。

軟體還具備其他優點,像是能更有效地隨機選擇與執行複雜運算。「隨機性(Randomness)」是設計生成式系統時非常實用的參數。在預設好的條件與規則下,經由排列組合,你能得到超乎想像的可能性,進而探索介於規律與混亂間的世界。適度增加「隨機性」也可避免數位音訊中太過固定的重複。另一個在生成式音樂常見的核心元素是「演算法(Algorithm)」,通常跟隨一個清楚的規則、進行運算,然後做形式上的推理。

互動式與生成式音樂(Interactive and Generative Music)

討論到「互動」,勢必會指向最有趣也最複雜的對象-人類。為了與人-觀眾發生關繫,作曲家們開始創造帶有互動性的生成式音樂系統。以伊諾的《Trope》為例,當使用者以手劃過螢幕,就會在介面上留下軌跡,介入原本自動運行的音樂。這類作品等於是讓聽者去完成音樂,模糊了作曲家與聽眾的界線。

Brian Eno《Trope》軟體介面

一方面來說,作曲家放棄了一些控制權,藉由留下一些未完成的美學抉擇,讓觀眾能夠參與。從另一方面來說,作曲家仍然有著全然的控制能力,像是一個系統的設計者,打造出一個生成式空間(Generative space)給聽者去探索。當你給予使用者越多自由,「互動」就變成音樂家與生成系統「協作」的過程。儘管是在被預先設計好的機制之中,但當聽者有能力去控制音樂的結構;此時,觀眾就是音樂家。

另一種人機(human-machine)互動的模式,是去「教」機器該怎麼執行。與設計整個生成系統不同,創作者能透過展示某種期望被生成的音樂範例,讓機器去分析與模仿,這就是機器學習(machine learning)。在音樂領域,以往多是應用「馬可夫鍊(Markov Chain)」這種雖然古老但至今仍有效的機制,藉由判斷相關性與條件機率來產生新的音樂事件。「事件」可以是一段旋律中的音符、或樂句間的排列組合。 現在則多透過類神經網路與深度學習等技術來實現更全面的學習,例如Magenta計畫。

延伸閱讀:生成式音樂案例介紹什麼是「資訊聲音化」萬物皆可入聲(一)日全蝕居然可以變成一首歌??

Write a comment