巴哈著名鋼琴作品的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列免費下載的地點或者是各式教學

浪漫音樂詩人舒曼與他光輝卻坎坷的人生：《蝴蝶》、《春天交響曲》、《桃金娘》，以文字結合音符，帶來一首首如詩如花的愛之詩篇

為了解決巴哈著名鋼琴作品的問題，作者景作人,音渭 這樣論述：

浪漫主義音樂成熟時期代表人物之一 《狂歡節》╳《童年情景》╳《交響練習曲》 用盡一生燃燒對音樂的熱情， 他的為人和作品如細膩溫潤的潺潺流水 　　他以一枝筆撼動樂壇， 　　他逃離法律系投向藝術的懷抱， 　　他發現了尚未雕琢的璞玉布拉姆斯， 　　他是浪漫的音樂詩人──舒曼 　　▎幸福而短暫的童年，夢想與現實的兩難 　　──在音樂和法律系間的拉扯 　　童年的舒曼優游於文學與父親的陪伴之中，父親的去世讓他一夕之間長大。夢想在現實面前脆弱得不堪一擊，母親的期望如高聳佇立的圍牆，舒曼做出最無力的吶喊，他無法改變這一切……法律成為唯一的選項，但他無比渴望藝術的洗禮，他以謊言蒙蔽母親雙眼，背地裡沉浸

其中無法自拔，他在日復一日的愧疚和快樂之間盤旋。 　　▎拜師學藝之路，武藝盡廢的鋼琴人生 　　──右手盡廢，開啟作曲家的生涯 　　「高齡」二十歲的舒曼，在萊比錫與名師維克學琴。同齡的莫札特已譜出三十首交響曲、十一部歌劇，名聞遐邇、人人稱羨。而舒曼才剛剛開始！為了精進琴藝成為音樂家，他異想天開設計一個特殊裝置，沒想到卻毀掉手指！這斷送了他的鋼琴之路，但他對音樂的熱情卻絲毫未減，他要成為作曲家！ 　　▎無蕩氣迴腸、卻刻骨銘心的愛情故事 　　──克拉拉和舒曼，山盟海誓，私訂終身 　　天才鋼琴少女與溫柔大哥哥的初遇！在維克家學琴的舒曼和克拉拉成為競爭對手，而他們的緣分不只如此。穿越茫茫人海，歷經時

間的長流，他們是命中注定的戀人，卻遭維克大力反對，甚至要斷絕父女關係！於是，他們在不被祝福之下成婚…… 　　▎早期作品《蝴蝶》組曲 　　──文學的啟蒙者尚．保爾．里克特 　　二十歲時的舒曼，以尚．保爾的小說《年少氣盛的歲月》中的假面舞會為題材，是一組由十二段小品組成的鋼琴曲，十二首曲目中的人名都是小說中人物的名字。音樂是快慢不等的三拍子，整體上是假面舞會熱鬧、生動的氣氛。有些段落輕盈飄動，如同蝴蝶翻飛。最後一段舒曼以獨特的漸弱手法，就像是描寫舞會散場後，在黑暗中漸漸翩然消隱的蝴蝶。 　　◎作品呈現如詩般的音樂特色：結合文字、詩與音樂的情感！ 　　▎結婚時期作品《春天交響曲》 　　──如詩

如花的愛之詩篇 　　新婚生活後一年，他受阿道夫．貝特格創作的詩歌《春天──愛情之旋律》啟發。舒曼賦予這首交響曲浪漫而歡快的氣息，充斥著春日的歡樂與清新飽滿的精神。第一樂章，是春天的氣息；第二樂章，架構清晰、緩慢而富有田園詩意；第三樂章，是明朗歡快的詼諧色彩；最後一個樂章，是一派燕舞鶯歌、春光明媚的繁榮景象。 　　著名音樂學家H•克萊瑪曾高度評價《春天交響曲》的引子是「整個交響樂王國中最光輝的一角。」 　　◎作品映照舒曼婚後心靈的新生，他彷彿脫胎換骨，創造了事業上的春天！ 　　★史稱1841年為舒曼的「交響樂年」★ 　　▎ 創辦《新音樂雜誌》 　　──奠定舒曼音樂評論家的地位 　　二十三

歲的舒曼，創辦《新音樂雜誌》，反對當時許多保守而平庸的樂曲，舒曼等人的理念是創作一本具有實質內容的音樂雜誌，試圖引領與介紹「何謂音樂的本質與品味」，且透過客觀與如實犀利的筆觸作樂評。 　　他的評論使許多當代的新興音樂家嶄露頭角，如：蕭邦、布拉姆斯等音樂家，舒曼相當推崇蕭邦，他曾說蕭邦的作品「溫暖、嫻靜、熱情、高貴」。 本書特色 　　本書介紹了音樂詩人舒曼的生平故事及重要作品。舒曼的浪漫實踐在對文學、對人的感情與對音樂之愛，對文學的想像、敏銳的藝術眼光、含蓄的表達與詩化的音樂語言，讓他的作品充滿詩意。本書作者以平易近人的口吻，向讀者娓娓道來舒曼的精彩人生。  

布拉姆斯的叛逆傲骨：《德意志安魂曲》、《c小調第一交響曲》、《匈牙利舞曲》，自由卻孤獨的主流反叛者

為了解決巴哈著名鋼琴作品的問題，作者景作人,音渭 這樣論述：

橫眉冷對千夫所指的孤獨主流反叛者 舊制新樂的完美結合╳齊名貝多芬的浪漫主義泰斗   　　純音樂的捍衛者──最偉大的象徵本該純粹 　　當樂壇領袖相繼將音樂的觸角伸到文學、哲學等其他領域，試圖創造出包羅萬象的藝術，布拉姆斯卻挺身而出捍衛古典純音樂的內容與曲式傳統，破除駁雜又表面的形式，專注讓音樂煥發出純粹的美好與光輝。   　　▎《德意志安魂曲》 　　（A German Requiem, to Words of the Holy Scriptures, Op. 45） 　　──為母而生，悲美的祭奠，奠定曲壇地位之作   　　故鄉最讓他牽掛的溫暖港灣，他的母親，逝世了。   　　不忍放下失去溫度

的手，滿腔的悲痛化為音符，催生了傳世名作《德意志安魂曲》以悲壯的失落、光輝的安慰與充滿力量的堅定精神讓觀眾留下了深刻印象。親情的高貴與壯美充斥樂句間，更充滿了對生命的禮讚。   　　是年，布拉姆斯35歲，是鷂鷹開始高飛之年。   　　▎《匈牙利舞曲》（Ungarische Tänze） 　　──與異域相遇，迸發音樂活力熱情，音樂更應面向生活   　　春訪布達佩斯，這座「多瑙河明珠」亦將光芒投射至藝術家敏感的心靈。布拉姆斯在此見識了真正的吉普賽音樂，感動與驚奇亦在他的心上筆下凝結成珍珠，巡演大獲成功。其中最知名的是〈F♯小調匈牙利舞曲第5號〉（管弦樂版是g小調）但這是以貝拉‧克勒的查爾達什〈Bá

rtfai emlék〉為基礎創作的，而勃拉姆斯誤將其當成了一首傳統民歌。   　　▎《c小調第一交響曲》（Symphony No. 1 in C minor, Op. 68） 　　──21年苦心創作，走出貝多芬陰影，邁向浪漫主義的輝煌   　　布拉姆斯一直因音樂理念而活在貝多芬（Ludwig van Beethoven）的陰影下。醞釀了21年，《c小調第一交響曲》是他對貝多芬的致敬與挑戰。   　　共有四個樂章：第一樂章矛盾與掙扎、第二樂章悲痛與幻想、第三樂章期待與嚮往與終章歡呼與讚頌。這首曲子是布拉姆斯的理想探求與擺脫痛苦、走向光明的信念，也突顯出貝多芬式「通向鬥爭走向勝利」的英雄性構思對

他的深刻影響。   　　這首曲子從音樂形象、風格特點、結構原則與樂曲內涵等方面，都十分接近貝多芬的古典主義交響樂。然而，其中強大的情感敘述與熾烈的熱情，又與浪漫主義精神相關，並帶有布拉姆斯式的克制。布拉姆斯成功調和了舊曲制與新時代的音樂風格，成為布拉姆斯在曲壇不可撼動的經典。   本書特色   　　本書以生動且故事性強的敘述介紹與巴哈、貝多芬並稱為「三B」的布拉姆斯生平及其重要作品。他用一生的孤獨信奉音樂，終生不婚只為追求更高的藝術境界，稍有不滿意就全部重來，嚴謹讓他能夠駕馭舊曲式，對生活的敏銳感受，讓他能創造出多元的曲風，融合新舊，創造輝煌。

基於深度學習的MIDI生成器之研究與實作

為了解決巴哈著名鋼琴作品的問題，作者劉翼翬 這樣論述：

人工智慧(artificail intelligence, AI)自早期的機器學習法、類神經網路、專家系統，到現在所產生的深度學習，一路上經歷了不少變革，現在影像辨識與應用在卷積神經網路(convolutional neural networks, CNN)的研究下越來越成熟。深度學習(Deep learning)技術於2016年起開始蓬勃發展，深度學習圖像辨識的技術與應用已非常的成熟，從臉部辨識到智能美型等功能，而知名社群網站Facebook也使用上億張的圖片以訓練其AI機器人Lumos，識別圖片中的物件更可從圖片中的元素找出其中的關聯性。另一方面，Facebook旗下一款免費提供線上圖

片與視訊分享的社群應用軟體Instagram亦可以利用其功能—主題標籤(Hashtag)找到許多具有同樣Hashtag名稱的相關圖片，當大量擁有相同的Hashtag時，AI可直接從給予的圖片中標記出Hashtag。除了Facebook外，Google、百度、亞馬遜公司(Amazon)…等各個著名企業，也正積極努力開發各種AI圖像辨識的功能。相較於影像，聲音的研究成果與數量就稍微遜色，目前有關聲音AI研究與應用例如：Lyrebird AI利用使用者錄製的讀稿語音，經過學習產生樣本，最後使用者可以運用自己所錄製的語音作為發聲源，讀出所擬之文稿，但目前以英語為主，尚未取樣中文的功能；Bach Doo

dle將使用者輸入的旋律經過調和，將其轉為巴洛克時期音樂家巴哈風格的音樂；Pixel Player透過觀看大量未經過標記的音樂影片進行學習，透過發聲的音源進行定位，試著了解畫面中的樂器(小提琴、吉他、低音號等)如何移動，最後將音源分離。綜合以上，聲音的應用雖較為少見，但聲音的AI應用將成為未來趨勢，以現在的深度學習機制，許多具有極大潛能的技術都有望被開發。目前聲音AI鮮少可以直接應用於生活中的作品，完成度不夠理想，故本次研究目的為使用樂器數位介面(Musical Instrument Digital Interface,MIDI)的資料給予機器進行學習，使之產生與參考音樂相似且具音樂性的音樂，

MIDI生成使用自製資料集BBCDV資料集，此資料集由貝多芬、拜爾德、蕭邦、德布希與韋瓦第共五位作曲家的創作所組成，每位作曲家挑選十首音樂作品，並將每首歌曲轉為同一速度、同一調性，每個音符力度設為相同的數值，統一將音符輸出為相同的鋼琴音色，將作曲家樂曲之MIDI以卷積神經網路(convolutional neural networks, CNN)為基礎架構的殘差密集網路(residual dense network,RDN)，使用RDN中的殘差密集模組(redidual dense blocks, RDBs)，提取其特徵，並給予機器進行訓練，生成與資料集音樂相似之MIDI，透過人工方式將產生的

MIDI訊號轉為波形音訊(waveform audio, Ｗav)，再將wav檔案轉為mp3檔案，利用ID3 tag的標籤，將每首歌手動標記風格分類，mp3取梅爾倒頻譜係數(Mel-Frequency Cepstral Coefficients, MFCCs)將其圖像化為梅爾倒頻譜(Ｍel-Frequency Cepstrum,MFC)，將每首歌頻譜圖分割為數個切片，使用CNN架構提取每個音樂切片的特徵，並依ID3 tag內所標記的音樂風格，放入與其風格標籤相同的資料夾中，將所有分類好的音樂進行訓練，最後將資料集中參考樂曲的MIDI與使用AI機器學習生成樂曲的MIDI，將其放入風格辨識機，查看

經過風格辨識學習的機器是否能給予音樂正確的風格標籤。以音樂創作的角度切入，觀察研究是否能對音樂創作能產生幫助，從中產生的音樂素材是否能夠加以運用。