自行採譜的一舉數得

讀到了強者我學弟 blog 網站上的這篇文章，竟是對我之前發佈的這篇文的回應文章¹，讓我驚喜了一下。

其中，他提到了「採譜²」（英文：transcription）這一個分析研究音樂作品時的常用技巧。

身爲一位過來人，我會說「採譜」這件事情，在研究一首（品質良好的）音樂作品以及訓練自己（五線譜）作編曲能力等方面，是個極爲有效且一舉多得的學習方式。

單單是一個「採譜」的動作，我們就能同時習得：

• 將腦中的音樂想法轉化成樂譜的能力
• 正確編製五線譜的能力
• 音高、節奏（包括拍子組合）、和弦與調性的辨識能力
• 和弦進行分析能力
• 樂器音色辨認能力
• 樂曲構造（例如主旋律、副旋律、伴奏和聲等等）分析能力
• 樂曲結構（例如奏鳴曲式、流行樂曲式等等）分析能力
• 實體樂器和/或電子音色搭配技巧
• 值得學習的大師級作曲技巧⋯⋯

⋯⋯以及更多。

研究別人的曲子最好的方式，就是嘗試自己完全用耳朵聽，來做一個跟別人一模一樣的 cover。

——Wiwi 官大為，《來 Cover 台北捷運紅線的進站音樂！》影片

對於還沒有完全掌握基本作編曲能力的初學者（或程度中等的人），「採譜」是個能夠「一石多鳥」地學習那些技能的最佳方式之一。

這也是爲什麼我對最近的「新型 LLM 被拿來編製五線譜」的現象感到擔憂。因爲首當其衝的，恰恰就是「對現有音樂作品進行採譜」的過程。

若將「採譜」的工作交給 AI 代勞，而非自己親手、親耳實作，這基本上和抄人家的功課或是叫同學幫自己做功課無異，只會讓初學者學習（五線譜）作編曲的效率大大減低。

學習採譜是一門基本功，而鍛鍊基本功沒有捷徑可循，即便它的過程有多麼地艱澀。若人們開始將「把採譜工作交給 AI」這件事給常態化，我不敢想像這會扼殺掉多少人的技能提升機會。

OK，我知道「電腦自動採譜」的技術在 AI 爆紅之前的 1970 至 1980 年代便已開始成形。換句話說，「該不該將採譜過程自動化」已經是個歷經數十年的老問題了。

While many musicians and educators insist that manually doing transcriptions is a valuable exercise for developing musicians, the motivation for automatic music transcription remains the same as the motivation for sheet music: musicians who do not have intuitive transcription skills will search for sheet music or a chord chart, so that they may quickly learn how to play a song.

（雖然許多音樂家與教育者堅持認爲自行手動採譜是個發展音樂技能的有益訓練方式，但推動「自動音樂採譜」的原因仍然是「對樂譜的需求」：無法得心應手地採譜的音樂人想要在自身樂器上演奏某首樂曲並需要使用相關的樂譜時，他們會想要藉着「電腦自動採譜」以快速取得需要的樂譜，以省去自行採譜的工夫。）

——取自英文維基百科

其中，（通常）只需依賴 MIDI 技術的「自動音高辨識」與「自動和弦辨識」已經是行之有年的功能，在各大 DAW 中都一定能找到相關的套件。像是「即興伴奏與旋律自動產生器」的工具也早在至少 20 年前便已出現。

所以，既然在那幾十年間，這種「電腦自動採譜/製譜」的技術並沒有對人類音樂產業造成什麼嚴重的生存危機的話，爲什麼新型的 AI 模型與 LLM 反而會帶給我那種以前的「老技術」所給不了的危機感？

也許是因爲，LLM 不僅能編製任何樂譜，而且其效率比幾十年前的「老技術」還好上許多了吧——好到可以直接將最終成品「從無到有」地產生出來的程度（至於其品質則見仁見智）。「既然讓電腦採譜這麼方便，那我就不需要自己來仔細聆聽、仔細記錄了吧。」鼓勵人們偷吃步，給人們一個「有在進步」的錯覺，才是我感到最害怕的地方吧。

不過，換另一個角度想，也許將採譜的過程自動化，我們省去的工作僅僅是「將樂曲音檔轉換成五線譜格式」的過程，但分析樂曲、修正製譜錯誤的部分還是得由人類本身花費心力做好，而人類仍尚且有機會從中學到該學到的相關能力。

「樂譜研讀」（英文：score study）的過程同樣能夠訓練上面提到的音樂技能（除了「編製五線譜能力」以外），但這只需要用到現成的樂譜（或是——呃——電腦自動編採出來的樂譜），不需要自行動手採譜。

換句話說，也許「採譜的過程」本身不是重點，重點是有沒有「以音樂分析的角度仔細聆聽」。

但是，如果一個人（尤其是音樂初學者）連自行採譜都覺得太麻煩的話，那他還會花心力「仔細聆聽、研究音樂」嗎？

沒錯，又回到了這一個 AI 熱潮所帶來的「老問題」：已經習得相關技能的技術人士可以藉此省去處理基本「冗務」的麻煩，但仍在摸索、熟悉該技能當中的初、中階學習者卻因此失去了透過這些基本流程來訓練、提升自己的機會。

換句話說，AI 太容易誘使人們偷懶（而非使學習過程更有趣或輕鬆），學習成效被大幅縮減卻仍不自知。

舉個例子，雖然我在上面提到「分析樂曲、修正製譜錯誤的部分還是得由人類本身花費心力做好」，但前提是：我們得要已經懂得那樣做才行啊！如果我們連這個能力都還沒掌握好，而 AI 的賣點恰恰就是能夠直接「授人以魚」而非「授人以漁」的話，那我們還談什麼「學習音樂技能」？更別說如果將來 AI 輸出的樂譜品質好到連基本錯誤也（幾乎）找不到的話，那麼那些樂譜編製技能還要拿來幹嘛？

我的想法是：如果你是要「省去麻煩」，那麼使用 AI 的確是比較直接有效的方式，但如果你是要「認真學習」的話，反而不應該使用 AI 來逃避那些必經的坎坷。矛盾的是，當在不使用 AI 的情況下鍛鍊自己技能並使其提升到一定程度過後，我們反而不需要 AI 也能做出高水準的作品。所以，既然如此，還要 AI 來幹嘛？