從最近網(wǎng)易云音樂作品上傳要求必填的“風格+場景標簽”，我似乎看到了未來AI音樂的發(fā)展走向。

　　上傳網(wǎng)易云的每首音頻都要求在所給的50種風格選擇和50種“場景”選擇（包括3類：描述類，如“甜美”“抒情”“高亢激昂”等；用途類，如“治愈”“戀愛”等，樂器類，如“鋼琴”“電吉他”等）中選擇3種以下填入。學院現(xiàn)代音樂的作曲學生也是如此訓練，即給出風格和“場景標簽”作曲，例如，“我要你創(chuàng)作一首中國民族音樂風格的、高亢激昂、抒情、描述戀愛的歌曲”，諸如此類。

　　按照這個方法，可計算得到這“50—50—3”選擇有 (C(50,1)?+ C(50,2)?+ C(50,3))^2 = 435,765,625（四億數(shù)量級）的可能性，而讓人振奮的是這個組合的數(shù)量僅僅是在50種風格和50種場景選3種以下的簡單條件下。也就是說，“50—50—3”就可以生成涵蓋超過四億種不同風格的音樂作品。

　　以上網(wǎng)易云將要實現(xiàn)的只是兩個因素（可以類比為兩層神經(jīng)網(wǎng)絡）相互作用（表示為“相乘”），實際上還可以推廣到如下的 n 層網(wǎng)絡，這就十分接近音樂創(chuàng)作的終極目標了：

　　同理可得出“n層、每層包括k_n個標簽選擇”的調(diào)參網(wǎng)絡可以生成的風格數(shù)量為：Π_n(Σ_n(C(n, 1~k_n)))，即從 k_n 中選擇 1 至 n-1 個的方法數(shù)的總和按不同的（n）層全部相乘所得積。

　　舉一個具體例子：如果一個多層標簽調(diào)參的創(chuàng)作系統(tǒng)有“風格、情緒、樂器、用途、語言（歌曲歌詞使用的語言，含“純音樂”不使用任何語言）” 的 5 層選項，其中，風格、情緒、樂器各提供 100 種，用途、語言各提供 10 種；每次生成可在風格、情緒中選擇 3 種，樂器中選擇 10 種，用途選擇 1 種，語言選擇 2 種，那么它可以生成覆蓋的具體音樂種類數(shù)目為：

　　這個數(shù)目達到了 10 的 26 次方（百億億億）數(shù)量級??！

　　以上所述方法可稱之為“基于多重標簽的作曲”，它很可能就是在為知乎 @國得杰 所預見和提倡的“調(diào)參式作曲”發(fā)展到極致的樣子作準備，并預見了那個樣子，網(wǎng)易云這番安排可謂高瞻遠矚。

　　我曾經(jīng)想過“作曲理論和藝術創(chuàng)作理論發(fā)展到極致是怎樣的”，其實人類智能本身就具有想象的能力，它本身也許就已經(jīng)是理論發(fā)展極致所論述的那樣，就是表面完全不訴諸概念，即不討論音高組織、節(jié)奏等具體理論問題，而是直接通過“標簽參數(shù)”來生成。就如我上面提到的，【學院現(xiàn)代音樂作曲學生也是如此訓練，即給出風格和“場景標簽”作曲，例如，“我要你創(chuàng)作一首中國民族音樂風格的、高亢激昂、抒情、描述戀愛的歌曲”，諸如此類?！咳绻阎黧w從作曲學生換成機器，興許就是我們殫精竭慮想要達到的那個理論的最終形態(tài)吧，這甚至也可以把我跟知乎 @葉小胖 ?都共有疑惑的那個“音樂終極問題”一并解決了。同理，以上實現(xiàn)方式應該可以推廣到一切藝術創(chuàng)作。

～ 完 ～