一﹑系统开发的背景及意义 音乐是人类天然的爱好与艺术追求之一,自古以来哲学家们对人类是怎样欣赏艺术,怎样创作有着浓厚的兴趣,作曲家们也没有停止过对作曲技巧的归纳与总结。

随着现代化的发展，人工智能概念的提出，人们逐渐产生了让计算机利用算法进行音乐创作的想法，于是算法作曲的概念应运而生。

其实,早在上个世纪60年代，就已经有计算机与传统音乐之间结合的尝试，直到广泛研究智能算法的热潮兴起之后，许多基于机器学习神经网络的开源项目浮出水面，AI技术有了长足的进步，越来越多的人关注到这个科技与艺术奇妙结合的领域，计算机音乐与传统音乐的桥梁才逐渐架设起来。

音乐发展至今，所有的创新和突破都在竭尽所能地逼近人类极限，历代西方作曲大师无不在伟大作品中留下探索音乐与新技术融合之道的时代印记。

从基础理论设计与数学逻辑同构并进行符号化组织的角度来看，音乐虽然作为一门艺术，却有很强的可计算性，音乐模式背后蕴含着数学之美。

常规的作曲技法，如：旋律的重复、模进、转调、模糊、音程或节奏压扩，和声与对位中的音高纵横向排列组合，配器中的音色组合，曲式中的并行、对置、对称、回旋、奏鸣等等，都可以被描述为单一或组合的算法。

这从本质上决定了，AI技术可以较好地应用到音乐创作上。

久负盛名的人工智能音乐作曲系统EMI，就是通过对作品进行分解，以新的排列来复用这些结构进行重组，获得不同风格的新音乐。

当前AI音乐研究的前沿技术，普遍采用具有深度学习能力的各种改进神经网络模型，来帮助人工智能模型学习样本音乐中的关键元素以及套路。

模型充分学习一系列人类己经创作好的音乐，提取和存储音高、音长、音量、音色、音程、节奏、调式、和声等关键特征，即可按照要求大量输出有类似特征的新音乐。