音樂(lè)具有感染人心的魔力，可以拉近人與人之間的距離、創(chuàng)造共同的回憶、增加活動(dòng)或戲劇的氣氛，更能輕易地引起我們的喜怒哀愁。熱情的歌曲讓我們慷慨激昂、悲傷的歌曲說(shuō)出人們的心傷、悠揚(yáng)的歌曲則讓我們心情平靜。人們對(duì)于音樂(lè)的情緒具有這樣的欣賞力與鑒別力，但計(jì)算機(jī)卻還沒(méi)有。

如何讓計(jì)算機(jī)如人腦一般，具有辨別音樂(lè)情緒的能力呢？這就是“音樂(lè)情緒辨識(shí)”（MusicEmotionRecognition）所要研究的。

為什么要做音樂(lè)情緒辨識(shí)？

音樂(lè)與情緒有密不可分的關(guān)系，自古以來(lái)便有許多不同學(xué)科的學(xué)者在探究音樂(lè)與情緒的關(guān)系，包括哲學(xué)家、社會(huì)學(xué)家、音樂(lè)學(xué)家、人類(lèi)學(xué)家、神經(jīng)科學(xué)家、音樂(lè)治療學(xué)家等，但在信息領(lǐng)域真正大量投入人力研究自動(dòng)化音樂(lè)情緒辨識(shí)系統(tǒng)，卻是遲至21世紀(jì)初期的事。

音樂(lè)情緒辨識(shí)的興起，主要是源于數(shù)字化時(shí)代的來(lái)臨，MP3壓縮技術(shù)以及硬盤(pán)儲(chǔ)存能力長(zhǎng)足的發(fā)展。不僅儲(chǔ)存媒體空間越來(lái)越大，價(jià)格也越壓越低，人們能輕而易舉地在個(gè)人計(jì)算機(jī)或是便攜裝置上儲(chǔ)存成千上萬(wàn)首的歌曲，可是如何在那么龐大的音樂(lè)庫(kù)中找到想聽(tīng)的歌曲，就成了個(gè)棘手的問(wèn)題。

傳統(tǒng)上，一般使用者還是習(xí)慣將歌曲以歌手名稱(chēng)、專(zhuān)輯名稱(chēng)等分文件夾存放，就如同一片片的光盤(pán)一樣。想要聽(tīng)歌的時(shí)候，使用者必須在文件夾間瀏覽，選取自己想要聆聽(tīng)的專(zhuān)輯，或是從不同專(zhuān)輯中挑出部分歌曲。較為熟練的使用者會(huì)將不同專(zhuān)輯的歌曲組合、儲(chǔ)存成播放列表，在不同的時(shí)機(jī)挑選不同的播放列表來(lái)聽(tīng)。

然而，手動(dòng)地挑歌是非常耗時(shí)的，播放列表的使用也造成只有少數(shù)部分歌曲被反復(fù)地聆聽(tīng)，大多數(shù)的歌曲其實(shí)很少會(huì)被使用者選到，降低了音樂(lè)庫(kù)實(shí)質(zhì)上的豐富性。況且，在許多時(shí)候使用者并不清楚或不愿意選擇要聽(tīng)哪些歌曲，而只想跟著當(dāng)下的情緒或是情境，聆聽(tīng)符合那種感覺(jué)的歌曲。比如說(shuō)，無(wú)聊的時(shí)候想要聽(tīng)點(diǎn)讓人亢奮的音樂(lè)；專(zhuān)心念書(shū)或是工作的時(shí)候想要聽(tīng)點(diǎn)優(yōu)雅安靜的音樂(lè)。這樣的需求必須透過(guò)音樂(lè)情緒辨識(shí)的幫助，深入分析音樂(lè)的內(nèi)容及情緒，方才能夠被滿(mǎn)足。

有了音樂(lè)情緒辨識(shí)系統(tǒng)，用戶(hù)可以以情緒為索引來(lái)找尋歌曲。比如說(shuō)，使用者可以指定特定的情緒，要求系統(tǒng)提供帶有這一類(lèi)情緒的歌曲；用戶(hù)也可以指定一系列的情緒，例如說(shuō)從平靜到亢奮再回歸平靜，從而產(chǎn)生一個(gè)音樂(lè)播放列表，其中歌曲情緒的變化依照使用者的設(shè)定。這樣的檢索方式不但便利、有趣也更加人性化。

除了讓用戶(hù)選擇音樂(lè)的情緒外，科技也可以讓計(jì)算機(jī)根據(jù)用戶(hù)的心情、狀態(tài)“主動(dòng)地”推薦音樂(lè)。

例如某個(gè)特定空間，比如說(shuō)客廳或是汽車(chē)內(nèi)，計(jì)算機(jī)可以通過(guò)攝影機(jī)或是麥克風(fēng)捕捉用戶(hù)的表情、動(dòng)作、音量等信息，自動(dòng)判斷使用者當(dāng)前的心情，再主動(dòng)地推薦符合該心情的歌曲。智能型手機(jī)或是音樂(lè)播放器也可結(jié)合時(shí)間、地點(diǎn)或是一些傳感器搜集到的資料，判斷使用者可能在從事怎樣的活動(dòng)，比如說(shuō)起床、運(yùn)動(dòng)、工作或通勤等，借此來(lái)推薦適當(dāng)?shù)母枨Ｓ辛艘魳?lè)情緒辨識(shí)，音樂(lè)將能更好地融入我們的日常生活。情緒標(biāo)定音樂(lè)情緒辨識(shí)本身是個(gè)跨領(lǐng)域的研究，需要心理學(xué)、音樂(lè)學(xué)及信息科學(xué)方面的相關(guān)知識(shí)。由于音樂(lè)情緒辨識(shí)關(guān)心的是人對(duì)于音樂(lè)的感受，因此也可以說(shuō)研究的是一個(gè)藝術(shù)與科學(xué)的交會(huì)點(diǎn)。

就像我們教孩子認(rèn)字會(huì)使用許多范例一樣，要教計(jì)算機(jī)辨識(shí)音樂(lè)中的情緒，也需要先準(zhǔn)備一個(gè)標(biāo)定好的數(shù)據(jù)庫(kù)，在這個(gè)數(shù)據(jù)庫(kù)里面，我們很明確地知道哪些歌是屬于快樂(lè)的情緒、哪些歌是屬于悲傷的情緒，如此一來(lái)，計(jì)算機(jī)方能利用這些資料來(lái)找出各種音樂(lè)的特征與情緒的關(guān)系，分析出具有怎樣特性的音樂(lè)會(huì)引起怎樣的情緒。就像是有個(gè)老師在旁邊給小孩子許多范例，教導(dǎo)她學(xué)習(xí)，這樣的過(guò)程也被稱(chēng)之為“監(jiān)督式學(xué)習(xí)”（SupervisedLearning）。

音樂(lè)情緒數(shù)據(jù)庫(kù)的建立關(guān)系到心理學(xué)的“實(shí)驗(yàn)設(shè)計(jì)”理論。由于情緒的感受沒(méi)有客觀的答案，因此通常還需要邀請(qǐng)一些受測(cè)者來(lái)替歌曲作情緒的標(biāo)定。這些標(biāo)定會(huì)被當(dāng)成是歌曲情緒的“標(biāo)準(zhǔn)答案”。

計(jì)算機(jī)會(huì)被要求能夠像人類(lèi)受測(cè)者一樣準(zhǔn)確地判斷出這些歌曲的情緒。

由于情緒受到聽(tīng)者個(gè)性、性別及年齡等等的影響，因此必須讓不止一名受測(cè)者聽(tīng)我們選定的音樂(lè)，并記錄這些受測(cè)者聆聽(tīng)之后所感受到的歌曲情緒。如果一首歌曲的情緒無(wú)法取得多數(shù)人的共識(shí)，那代表所要傳達(dá)的情緒是比較模糊的，或許就不適宜納入數(shù)據(jù)庫(kù)內(nèi)。使用者的選定必須均衡，例如一半是男生、一半是女生，背景皆固定為大學(xué)院校中的學(xué)生等；歌曲的選定則必須多元，我們希望數(shù)據(jù)庫(kù)里包含的音樂(lè)盡量越豐富越好，能涵蓋各種不同類(lèi)別、不同情緒的音樂(lè)，如此數(shù)據(jù)庫(kù)才能具有代表性。另外，也需要注意實(shí)驗(yàn)設(shè)計(jì)不能給受測(cè)者太多的負(fù)擔(dān)，且標(biāo)定情緒的過(guò)程要明確且統(tǒng)一，例如，究竟是要以音樂(lè)旋律所傳達(dá)的情緒為準(zhǔn)，還是以歌詞為準(zhǔn)，或是兩者皆考慮？這些因素都必須被仔細(xì)考慮并設(shè)計(jì)，否則可能會(huì)影響標(biāo)準(zhǔn)答案的質(zhì)量，進(jìn)而限制了情緒辨識(shí)的可學(xué)習(xí)性。

情緒運(yùn)算

有了標(biāo)準(zhǔn)答案之后，我們還必須用到數(shù)字信號(hào)處理的技術(shù)，結(jié)合音樂(lè)學(xué)知識(shí)和圖形辨認(rèn)技術(shù)，分析音樂(lè)信號(hào)的特征，方能將音樂(lè)的特征與音樂(lè)的情緒做鏈接。

哪些音樂(lè)特征會(huì)跟情緒有關(guān)呢？我們不難猜到，情緒的亢奮與否和歌曲的音量大小、節(jié)奏快慢、音調(diào)高低以及音色是否明亮有關(guān)；情緒是快樂(lè)或悲傷則可以從樂(lè)曲是大調(diào)或是小調(diào)、音色是否和諧順暢有關(guān)。雖然這些信息都可以在樂(lè)譜中得到，但在實(shí)際的情況中，許多時(shí)候我們只有音樂(lè)信號(hào)，并沒(méi)有相對(duì)應(yīng)的樂(lè)譜。再加上對(duì)現(xiàn)代科技而言，計(jì)算機(jī)還沒(méi)辦法像受過(guò)音樂(lè)訓(xùn)練的人腦一樣，精準(zhǔn)地將歌曲的樂(lè)譜從聲波中還原出來(lái)；計(jì)算機(jī)能夠做到的，是透過(guò)數(shù)字信號(hào)處理技術(shù)，盡量去估測(cè)出這些音樂(lè)特征的值，例如估測(cè)一首歌一分鐘大約會(huì)有幾個(gè)拍子、或是估測(cè)一首歌音高的分布情形等。由于目前計(jì)算機(jī)尚無(wú)法精確地以音樂(lè)的語(yǔ)言來(lái)描述音樂(lè)，只能透過(guò)一些統(tǒng)計(jì)值及估計(jì)來(lái)大略評(píng)估，音樂(lè)情緒辨識(shí)的準(zhǔn)確率也因而受到影響。