探索人工智能与声音创作的交汇点
这个研究生课程深入探讨人工智能与听觉生产之间的联系，通过一种革命性的教学方法，将技术能力与批判性反思相结合。🎵
配对学习方法论
课程结构基于称为études的对比练习对。在每个模块的初始阶段，参与者按照其原始技术参数实施每种AI模式，掌握如生成对抗网络用于听觉合成或transformers用于符号作曲等工具。随后阶段引入方法论转折，将相同系统导向意想不到的目的，例如强迫文本到音频模型从矛盾描述生成声音，或在声学不协调的域之间应用音色转移。这种战略性偏差有助于揭开算法中看似中立的表象，并揭示这些系统如何融入审美和文化偏见。🔄
探索的技术领域：- 通过机器学习算法的符号作曲
- 使用深度神经模型的高级语音合成
- 不同声音源之间的音色特征转移
最复杂的音乐AI系统往往在彻底失败于其初始目标时产生最迷人的结果，仿佛创造力恰恰在算法控制破裂的地方涌现。
概念框架与创意影响
理论基础结合了后麦克卢汉媒介理论与后结构主义对音乐符号的解读，将AI系统视为积极干预创意实践转型的实体，而非透明工具。理论课程分析这些技术如何重新定义文本、符号、音色与声音之间的界限，生成新的意义生态，其中创意能动性在人类与算法之间分布。学员制作项目来表现这些张力，既产生声音作品，也撰写反思性文本记录每个系统表征边界的发现过程。🎹
实施的教学方法：- 按照原始规格的技术实施
- 重构练习以揭示表征限制
- 算法发现过程的反思性文档
认识论与创意含义
该课程基于AI系统作为跨模态翻译媒介的前提，考察五个基本领域：符号作曲、语音合成、音色转移、神经音频合成和文本到音频系统。每种技术首先从其常规应用研究，然后接受重语境化练习，以发现其表征限制和涌现行为。在一个悖论性转折中，我们观察到最先进的音乐AI技术往往在 spectacularly 失败于其原始目的时产生最有趣的结果，仿佛创造力恰恰在算法支配破裂的地方涌现。🎭