-
第一章人工智能艺术专业的建设背景
本章是对人工智能艺术兴起的世界产业革命背景，以及人工智能艺术发展现状的梳理和总结，并论述人工智能艺术在发展中面临的问题和发展趋势。
-
●1.1世界产业革命变化与人工智能艺术的兴起
本节将21世纪产业革命变化特点概括为三方面，即数字化（信息化）、智能化、高端化。这是人工智能兴起的产业背景。高端装备制造业是21世纪世界产业革命变化的结果，其具有极高的附加值，是各国工业的发展方向。人工智能艺术是高端装备制造业的重要组成部分。
-
●1.2人工智能艺术发展的现状
本节首先界定人工智能艺术的概念，接下来介绍目前不同人工智能艺术学科的发展现状，这些领域包括人工智能音乐、人工智能绘画、人工智能舞蹈，以及人工智能艺术品修复。
-
●1.3人工智能艺术发展面临的问题
本节将围绕三个方面论述人工智能艺术发展中面临的问题，1.艺术观念，2.人才类型，3.材料与技术。
-
●1.4人工智能艺术发展的趋势
本节将从四方面论述人工智能艺术发展的趋势：1.国家与政府的支持，2.对艺术发展的总体影响，3.对每个艺术领域的影响，4.发展速度与技术变革周期。
-
第二章AI与音乐生成（上）
通过算法自动生成音乐并非新鲜事物，掷骰子作曲游戏就是一个早期的经典例子。本章将介绍随机思想、基于混搭理论以及细胞自动机、基于借鉴作曲理论的规则、马尔科夫模型以及遗传算法的音乐自动生成方法。
-
●2.1随机思想
掷骰子作曲游戏是一种通过随机组合音乐片段的音乐生成方法。作为先锋派作曲家，约翰·凯奇同样用随机的思想来产生一些有意思的音乐。
-
●2.2混沌理论&细胞自动机
掷骰子作曲游戏是一种通过随机组合音乐片段的音乐生成方法。作为先锋派作曲家，约翰·凯奇同样用随机的思想来产生一些有意思的音乐。
-
●2.3基于规则
众多的前辈大师，尤其是音乐背景出身的优秀学者，往往青睐于借鉴作曲理论来进行音乐生成。因此，基于规则的智能作曲项目不胜枚举。这一节将选取若干个例子介绍基于规则的智能音乐创作。
-
●2.4马尔科夫模型
马尔科夫模型用于音乐自动生成是一个热门的方向。如马尔科夫链，可以通过数据获取音符与音符之间转移的概率。这样的一个随机过程可以模仿一些特点风格甚至特点作曲家创作习惯的音乐创作。
-
●2.5遗传算法
所谓物竞天择，适者生存，达尔文的进化论阐述的这个道理，也正是遗传算法的真实写照。遗传算法同样可以在音乐的生成当中起到作用，通过筛选机制，让“不好”的音乐被去掉，留下那些值得聆听的经典。
-
第三章AI与音乐生成（下）
深度学习是近些年人工智能领域的研究热门。深度学习在音乐生成中的应用也掀起了一波浪潮。本章将介绍循环神经网络、Transformer、变分自编码器、受限波兹曼机、生成对抗网络等模型算法在音乐生成当中的应用。
-
●3.1循环神经网络
循环神经网络是一种时序模型，可以通过前面的序列推断后续的序列。音乐音符作为一种时间序列，可以采用循环神经网络对音乐数据进行学习，从而可以生成出音乐音符的时间序列。
-
●3.2Transformer
Transformer最早提出是用于解决自然语言处理领域的机器翻译问题，在近些年也应用在了含音乐生成在内的多个领域，是一个受关注度较高的模型。
-
●3.3变分自编码器
变分自编码器可以通过编码器把音乐编码到隐空间，再通过解码器还原，而隐空间的解析对音乐序列有潜在的积极意义。
-
●3.4受限波兹曼机
本节讲解基于受限波兹曼机的音乐生成案例，通过受限波兹曼机将钢琴谱片段转化成管弦乐总谱片段。
-
●3.5生成对抗网络
生成对抗网络在图像生成以及风格迁移中已具备显著的效果，本节介绍生成对抗网络在音乐生成上的应用。
-
第四章音乐信息检索
本章讲覆盖常见的音乐信息检索任务，包括音高估计、节奏分析、和弦识别、结构分析、乐谱跟随、声源分离、音乐搜索与音乐推荐以及光学乐谱识别。
-
●4.1音高估计
音高识别主要通过基频等物理信息，获取一段音乐中的音高信息。
-
●4.2节奏信息
通过一定方法提取一段音乐音频中与节奏相关的信息，包括检测起始点、分析节拍、估计速度等等。
-
●4.3和弦识别
在音乐中，和弦通常由多个音符组合而成。本节介绍通过模版匹配或者深度学习等方法，提取一段音频音乐中所包含的可被识别和弦。
-
●4.4结构分析
音乐创作大多是有结构的，不论是民歌、流行歌曲，亦或是交响乐，往往都不会是毫无重复的乐句或者乐段的循环。音乐结构的自动分析可以自动提取一段音乐中的曲式结构信息。
-
●4.5乐谱跟随
乐谱跟随技术指的是实时获取一段音乐（可以是乐手演奏，或者是计算机制作）中的时刻在乐谱当中的具体位置。乐谱跟随有诸多应用场景，例如实时给演奏的乐手进行自动伴奏。
-
●4.6声源分离
声源分离的目的是从一段完整的音频中，分离出原有的多个音轨，例如把歌声和伴奏进行分离，或者把管弦乐的若干乐器分离出各自音轨。
-
●4.7搜索与推荐
音乐搜索与音乐推荐是众多互联网听音乐app中的功能。这两个功能可以给用户带来便利，用户可以通过熟悉的旋律找到自己喜欢的歌。同时，应用程序的后台也会给用户推荐喜欢的歌曲，从企业的角度，这种功能可以增加用户粘性。
-
●4.8光学乐谱识别
光学乐谱识别可以把图像的乐谱提取出来，获得数字乐谱。从而帮助用计算机进行创作的音乐人获得数字乐谱，并进行进一步的编辑与制作。
-
第五章歌声合成
歌声合成时近些年颇受关注的一项技术，虚拟歌姬的闪亮登场更是让歌声合成技术大受欢迎。本章讲介绍与歌声合成相关的技术，包括物理模型、波形拼接以及参数合成等多种技术方案。同时，本章会介绍电子音色合成以及声音变换技术。
-
●5.1物理模型
物理模型，顾名思义，就是模拟人类声道的发声原理。本节主要介绍早期关于物理模型的语音以及歌声合成方案。
-
●5.2波形拼接
波形拼接，即将若干歌唱的单个波形拼接起来，从而形成完整的歌唱段落。基于这种技术衍生出了众多虚拟歌姬，包括初音未来、洛天依等等。
-
●5.3参数合成
随着机器学习以及深度学习的发展，基于参数合成的语音合成以及歌声合成技术蓬勃发展。本节将介绍一些参数合成的经典案例。
-
●5.4基于深度学习的电子音色合成
与歌声合成类似的是，电子音色合成也是一种合成技术，不同之处在于合成的是器乐音色，或者合成新的电子音色。本节将着重介绍若干基于深度学习的电子音色合成技术案例。
-
●5.5声音变换
声音变换意思是将一种音色迁移成另外一种音色。本节将介绍器乐以及人声的迁移，以及说话声转歌唱等等。
-
第六章国内外人工智能音乐领域技术状况及发展趋势
本章将以人工智能音乐技术发展历程为线索，通过对国内外人工智能音乐的案例以及现状的概览式回顾与总结，阐明人工智能艺术的发展趋势，进而使学习者对人工智能音乐产生一个更深入、更全面的了解。
-
●6.1国内外人工智能音乐研究现状
本节将介绍世界范围内的一些知名人工智能音乐机构，以及在人工智能作曲发展中的一些重要案例及相关技术。
-
●6.2人工智能音乐表演、教育及发展前景
本节将对一些重要的人工智能音乐表演、教育案例进行介绍，并对人工智能音乐的发展前景进行探讨。
-
第七章人工智能技术在音乐教育中的应用发展
本节将从早期和现代两个阶段对人工智能技术在音乐教育中的应用进行介绍，使学生了解人工智能技术在音乐教学，音乐智能软件，音乐教育网络化等场景下的应用价值。
-
●7.1人工智能技术在音乐教育中的应用发展
本章将从早期和现代两个阶段对人工智能技术在音乐教育中的应用进行介绍，使学生了解人工智能技术在电子乐器音乐教学，音乐智能软件，音乐教育网络化等场景下的应用价值。
-
第八章人工智能绘画概论
人工智能艺术的缘起和发展，常常被人们拿来与摄影出现对绘画的冲击相提并论。当时由于成像技术的诞生，模仿再现类的艺术表现形式遭受到前所未有的挑战；如今人工智能技术在越来越广泛的领域迅速拓展，新艺术的震撼再次来临。
-
●8.1程序辅助绘画——AI上色、打光
PaintsChainer线稿自动上色工具
-
●8.2神经风格迁移
神经风格迁移是人工智能在创造性环境中最令人惊奇的应用之一。在这个项目中，我们将看到如何将艺术绘画风格转换为所选图像，从而创造出令人惊叹的效果。
-
●8.3机器人绘画
“艺术家与机器人”（Artists and Robots）是对高科技领域的另一个方面感兴趣：人造想象的出现。一台机器能否等同于一位艺术家？ 机器人能代替画家还是雕塑家？ 人们可以在多大程度上谈论人造创造力？让我们带着这些问题去解析。
