工尺谱是应用范围最广的中国传统乐谱，作为一种非物质文化遗产，如今的工尺谱正在慢慢地淡出人们的视线。目前，北京邮电大学数字媒体教研室主任李荣锋主持项目“基于机器学习的中国传统乐谱自动翻译研究”，借助数据与计算机，将现有的工尺谱转换成更加明确、易于解读的五线谱。“希望能够通过这项研究，使中国人在学习工尺谱中代代相传所凝结出来的人类智慧，可以以数据的形式得以保存，并通过统计模型与计算机在新的时代发挥传承中华文明的作用，进而提高国人的文化自信。”李荣锋表示，该研究工作旨在为工尺谱的合理翻译提供一种新角度，而非完全代替人工翻译。
正在失传的“武功秘籍”
工尺谱鼎盛年代在清代。据《中国音乐书谱志》记载，清代至民国年间共约有种工尺谱曲本，现存的乐谱是中国传统乐谱中保存最多的一种。作为一种独立于西方音乐体系之外的乐谱形式，工尺谱蕴含的中国传统音乐内涵是其他乐谱所不具备的。“工尺谱往往不以纯音符的形式单独出现。”李荣锋举例，诗词的工尺谱，离不开歌词，甚至以歌词为主，音符只是辅助；乐器的工尺谱，虽然没有歌词，但是有比较完善的技法符号，像武功秘籍一样，把每一个地方应该怎么演奏都标记得清清楚楚。团队在调研中发现，从信息传递的角度来说，工尺谱相比西方的五线谱系统，除了基本的音高以及节奏符号之外，还记录了许多关于字腔表现、具体演唱与演奏法，音的虚实等符号以及关于句读、平仄方面的文学符号。其文化内涵是其他乐谱所不能代替的。
然而，随着时代的变迁，现代的中小学音乐启蒙教育大多基于西方的音乐理论基础，工尺谱在现今的基础教育中已经不再涉及。近几十年来，从事昆曲、京剧的教师、学生、乐师当中，使用简谱甚至五线谱进行传习与演奏已经成为主流。乐手们更愿意在简谱或者五线谱上添加原工尺谱中所标记的演奏记号来进行学习和演奏。虽然简谱或者五线谱在信息记载上，不可避免地丢失了很多很重要的音乐、文学、文化上的符号，但是由于其精确性、系统性，更符合当代人学习音乐的现状。使用简谱或者五线谱学习传统中国音乐成为一种必要的妥协，一种不可逆转的趋势。
懂工尺谱乐理的“程序员”
“我的专业是计算机科学技术，因为对传统音乐很感兴趣，希望用计算机的知识解决音乐问题。”李荣锋主要研究方向为计算机音乐、机器学习、统计计算等。年，他着手工尺谱自动翻译研究，以此作为年至年担任北京大学信息科学技术学院博士后期间的项目。目前，李荣锋担任北京邮电大学数字媒体与设计艺术学院讲师，其主持的项目“基于机器学习的中国传统乐谱自动翻译研究”获得教育部人文社科一般项目青年基金资助。
从技术的角度，工尺谱翻译跟语言翻译有很大相似性，可以借鉴使用自然语言处理当中使用的模型。“工尺谱翻译在计算机科学中，本质上是序列学习问题，这方面我有一些基础，因此当时认为比较容易上手，后来发现这是个超级大、超级难的课题，不是我一个没有上过音乐院校的小辈就能开展的课题。”在北京大学教授李文新、中国音乐学院教授毕明辉的全力支持下，李荣锋以对学术负责的态度将研究坚持到现在。
李文新、毕明辉两位老师带李荣锋拜访了很多专家，探讨工尺谱翻译的各种可能性。年初，在毕明辉引荐下，李荣锋到上海拜访了音乐家钱仁康，在病床前向他介绍用机器学习的方式翻译工尺谱的想法。近百岁的钱仁康看到年轻人对工尺谱翻译的热情非常高兴，当即唱了《请君试唱前朝曲》中的一些曲子。李荣锋认真记录，“钱老也许对计算机技术不是很了解，但是他非常鼓励年轻人创新，给了我非常大的信心。”
工尺谱翻译所涉及的机器学习，属于结构化学习范畴。这项技术通常被用在自然语言处理当中。因此，研发人员首先须具备机器学习，特别是深度学习的研发经验；此外还要懂得工尺谱的乐理知识，了解工尺谱的内涵，有解读工尺谱的经验。“这样研究才不会偏离实际，能朝着对音乐实践有帮助的方向进行。”李荣锋介绍，目前，工尺谱翻译项目由北京邮电大学与浙江音乐学院跨校紧密合作。浙江音乐学院团队研究方向更侧重于对工尺谱图像的识别和编辑软件的开发，北京邮电大学团队侧重于乐谱翻译。
不确定性是最大难点
相比中国的其他传统乐谱而言，工尺谱的符号体系是相对规范和统一的，对音高和节拍信息的记录也相对精确。然而，在节奏方面，工尺谱使用了一种相对自由的记谱方式，即只规定节拍的起始位置，而对于每一拍内的时值则未作规定。因此，即便知道工尺谱的符号规则，同样的一段乐谱符号，可以有多种解读方法，具体使用哪种方法，需要根据演唱经验来决定。这种在节奏上的不确定性，是工尺谱在解读方面历来的难题。一直以来，关于如何决定工尺谱中音符时值，主要是通过口传心授的方式代代相传。“这种不确定性是工尺谱翻译的最大难点。”李荣锋解释道，计算机比较擅长解决确定性的问题，告诉它什么是对的，什么是错的，它可以很好地进行学习。但是对于这种有些情况是确定的，有些情况又不确定，现有的模型就很难奏效。
工尺谱自动翻译使用已有的人工翻译结果，或是从实际演唱录音中提取演唱乐谱作为数据，建立统计模型，让计算机进行机器学习，从而将工尺谱自动翻译为五线谱或简谱形式。工尺谱的不确定性并非完全自由。如杨荫浏在《工尺谱浅说》中所说，每个音的长短不能由应用者自由决定。因为在同一曲调中，在这些细微节奏的处理上，在民间实际流行的唱法中，一般来说是比较固定的。而且在各个流派之间，大体上是一致的。“计算机将工尺谱翻译成在节奏上更加精确的简谱或者五线谱，结果并不惟一，却可以做到合理，这将给工尺谱学习者带来极大的便利。”李荣锋说，“我们的目标并不是代替人去翻译工尺谱，而是帮助人进行更全面的工尺谱分析。”
使用工尺谱记谱的传统音乐是巨大宝库，如果这些古代乐谱都能进行机器翻译，将有利于作曲家及演唱者更方便地了解传统音乐。年，作曲家李博禅听了用机器翻译的《浣溪沙》，觉得非常有意思，以此为雏形，创作了一首《古风幻想曲》。年9月，北京大学中乐学社将其搬上了英国爱丁堡皇家教堂舞台，由毕明辉指挥，后续多次在国内演出。“传统音乐对现代人来说是相对陌生的。很多传统音乐的失传，原因复杂，并不代表它们不受欢迎。如果计算机技术能弥补这些遗憾，让更多的人可以更容易地了解传统音乐，反而有可能激发新的灵感。”李荣锋说。
目前，工尺谱翻译模型可以达到88%的正确率。“10个音符错一个，这在音乐中是很糟糕的情况。与人脸识别、文字识别不一样，乐谱翻译要求无限接近，甚至达到%的正确率。”李荣锋表示，目前实验数据来源主要是钱仁康著作《请君试唱前朝曲》中的96首诗词工尺谱，距离计算机学习需要的数据量相差甚远。下一步，团队将集中研究图像处理，提高工尺谱输入效率，将数据扩充起来，再进行翻译研究。“在这个过程中，很多经验可以推广到别的中国传统乐谱，例如古琴减字谱等。”李荣锋希望，通过现代计算机技术，让现代人能够不错过那些好听的传统曲子，也能加深对民族文化的了解，提高民族自豪感。
卢旸/文
转载请注明：http://www.0431gb208.com/sjszlff/3992.html
