---
title: "音樂生成（Music Generation）"
slug: music-generation
language: zh-TW
source: https://aiterms.tw/terms/music-generation
updated_at: 2026-04-29
tags: [生成式AI, 深度學習, AI應用, 模型訓練, 神經網路, 時序分析, 機器學習]
ipas_term: false
---

# 音樂生成（Music Generation）

> **你有沒有聽過 AI 自己寫旋律，卻又不像亂湊音符？**
> 你可以把它想成先學很多首歌的節奏、和聲、與結構，再自己組合出新的曲子。
> 音樂生成不是複製歌，而是學會風格規律後，產生新的旋律、和聲或整段作品。 這也讓它很適合先拿到可用答案，再慢慢把精度往上推。
>
### 容易混淆

> **音樂生成 vs 音訊編輯**
> 音樂生成：從規律中產出新音樂
> 音訊編輯：修剪、混音、調整既有音檔
> 最關鍵的區別：先看它是在比什麼，再看它怎麼做。
>
> **音樂生成 vs 音樂推薦**
> 音樂生成：做出新內容
> 音樂推薦：挑出你可能喜歡的現成歌曲
> 最關鍵的區別：先看它是在比什麼，再看它怎麼做。
>
### 記住這句就好

> 不是修音樂，是生出新音樂。
>
### 實際案例

> **短影片配樂**
> 編輯只輸入「輕快、8 小節、電子感」，模型就產出可用的背景音。
>
> **遊戲場景音樂**
> 同一段玩法切換到戰鬥時，系統自動生出更緊張的配樂。
>
### 算法與應用

> 音樂生成常把音符、MIDI、波形或隱空間當作表示。
> 生成模型可以是語言模型式的序列生成，也可以是擴散模型或 VAE。
> 真正難的是結構感，聽起來像音樂不難，聽起來像一首完整作品才難。
>
### 情境判斷

> **Q1（直覺題）：你要做一段可循環的背景音樂，讓遊戲關卡不那麼單調，該看哪種技術？**
> → 音樂生成，因為它能產生新的節奏與旋律。
>
> **Q2（判斷題）：如果模型生成的音符都對，但整首歌聽起來很碎，問題通常在哪裡？**
> → 結構與長距離一致性不足，不只是單顆音符正確就夠。
>
### 常見問題

> **Q：音樂生成會不會只是拼貼現成歌曲？**
> 好的模型不只是拼貼，而是學規律後生成新組合。
>
> **Q：它需要懂樂理嗎？**
> 模型不一定懂人類語言式的樂理，但要學到和聲、節奏、與結構的統計規律。
>
> **Q：可以控制風格嗎？**
> 可以，常用標籤、提示詞、或條件輸入控制情緒與風格。
>
### 相關術語

> - **生成對抗網路**：是早期生成音樂的常見方法之一。
> - **擴散模型**：近年常見的高品質生成路線。
> - **變分自編碼器**：適合學習可操作的音樂潛空間。
> - **語言模型**：音樂序列也常被當成序列來生成。
> - **內容生成**：音樂生成屬於更大的內容生成範疇。

---

來源：https://aiterms.tw/terms/music-generation
快查頁：https://aiterms.tw/terms/music-generation
最後更新：2026/04/29
深度解說：https://aiterms.tw/learning/what-is-music-generation