默片時期的配樂，往往因地因人因設備而異。白景瑞導演的《台北之晨》不管是陰錯陽差，或者刻意為之，最後傳世版本就是無聲版，聲音的空白，因而有了想像空間，也因而有了再創造的機緣。這次台北電影節播出的林強版配樂，就是有趣的聲音實驗。

白景瑞導演的《台北之晨》，拍攝之初究竟是想拍有聲片？抑或無聲片？

黃仁編纂的《電影阿郎：白景瑞》，壓根兒沒有提到這部當年未能完成，更未公開放映的作品。

電影資料館的《龔弘：中影十年暨圖文資料匯編》中留下兩種說法，首先是引述李行的回憶提到龔弘請教從義大利回台的白景瑞想拍什麼，白景瑞的回答是：「我想拍一個沒一句旁白，沒一句說明，沒有音樂，我想拍紀錄片。」

但是龔弘一書的下一頁訪問該片攝影賴成英的回憶則是：「......他還找了各種各樣的聲音，組合成台北的聲音環境，以此來介紹台北......」

李行的印像中，顯然《台北之晨》的拍攝初衷朝向「默片」，刻意剔除聲音表現的紀錄作品；然而，根據賴成英的說法，《台北之晨》會是只有環境聲響的實驗作品。其實，李行後來在《當代台灣影像》ＤＶＤ中的文章又有了補充：「...實驗性的黑白紀錄片「台北之晨」，無旁白祇有音效...」

綜合兩人說法，沒有旁白和音樂，希望用音效來呈現，或許比較接近事實。國家電影中心後來從片庫中找到的無聲工作拷貝兩捲，相當程度說明了這部因故中止製作的電影片，在後製流程中的殘體本貌。

根據林盈志在「台灣當代影像 從紀實到實驗 1930-2003」一書發表的「起跳的高度─白景瑞的處女作台北之晨」一文中找到，也附錄於文章後面的「台北之晨拍攝腳本」中，「沒有旁白，但有各式聲景」的聲音元素都列在其中，顯然聲音的思考確實是這部紀錄片的特色之一，只可惜，最後影片沒能完成，聲音如何表現，也就成為無解的懸案了。

讓人好奇的是初始的構想是有聲音的，但浸潤在義大利新寫實電影氛圍中的白景瑞會用多寫實的聲音表現台北？還是會改用多前衛的手法？《台北之晨》的無聲殘本，卻也提供後代的音樂家或聲音實驗室極其開闊的想像與實務空間，亦即：如果加上聲音（不管是音效或音樂），新版的《台北之晨》會是何款情貌？

《台北之晨》的歷史意義在於透過安排下的紀實手法，保留下1964年的台北舊觀及台北人生活情貌，一切就如李行回憶的說法那般：「...都是真實的生活，全片沒有一句旁白，但讓人看完，覺得那就是台北的早晨，台北的早晨原來是這麼有朝氣。」

「朝氣」這兩個字相當程度說明了白景瑞確實想過要迎合當時中影總經理龔弘倡導的「健康寫實」理念：不管是勤奮做早操的早覺會男女或者學校操場上的健身操，或者是騎著單車挨家挨戶送報，甚至還能單手飛送的帥氣學生（白導演的兒子白起榮在台北電影節的映後座談中特別提及，白景瑞當年在義大利求學時也曾辛苦打工，其中就包括送報，所以他會在作品中夾帶進自己的青春經歷），或者是街頭上川流不息的上班男女以及工廠中排隊打卡的女工們，以及已經在課堂上翻起筋斗或唱起海頓聖詠的年輕學子，甚至駕駛著機械板車進城的父子......都以不同形式承載及散發著「朝氣」能量。

然而，《台北之晨》未能得見天日。龔弘的疑慮之一或許是送報生的前一個鏡頭是清道伕在掃地，只見地上散落著被人踩過，已經殘破的「中央日報」頭版（你可以想見在那個戒嚴年代下，黨報遭人如此踐踏，會激生多少政治波瀾？雖然，這個畫面只要咔擦剪掉，或許就可以無災無痛）；龔弘的疑慮之二或許是全片從暗黑的松山機場帶出破曉時分的台北清晨，一切才要從黑夜中甦醒過來，黝黑的建築，空曠的街景，甚至在晨曦時刻，充滿詩意的挑夫上橋場景，寫實是寫實了，健康與否卻可能帶來負面解讀；至於白氏「台北的聲音環境」究竟多前衛大膽?是否也是讓龔弘疑慮躊躇的第三個原因？

從1964年到2019年，55年的歲月過去，《台北之晨》的無聲影像反而提供了後人從聲部切入，重新再創作再詮釋的導電體，作曲家林強面對的考驗或挑戰，一方面相當接近於默片時期負責配樂的音樂家：用聲音讓電影活起來，讓電影變得更好看。不管那是音效或者音樂；另一方面則在於如何透過新手法，讓半世紀前的影像得著更開闊的表現空間。

只有20分鐘長的《台北之晨》，確實可以透過擬音手法，重建環境聲音，然而虛擬的聲音重建終究未能替一部不盡寫實的紀錄片創作更震撼的觀看效果，拋開寫實的羈絆，改換聲音敘事的模組，是否更有想像力？試想，片中的大會操、鼓樂儀隊、宗教儀式或者戲曲環境就算重現，也只能是看見什麼影像就配什麼音樂的所謂Mickey Mousing同步擬音，別無他效，卻會因影片主題的流動造成聲部的參差混亂，因此，擺脫聲景羈絆，換上配樂形式來主導音樂律動，與畫面唱和對話，是否更挑戰？

國家影視聽中心七月六日發行的《台北之晨》的ＤＶＤ中，收錄有五款版本，除了原本的無聲版，另外有兩款錄5.1聲道與立體聲的林強配樂版，另外則是空總臺灣當代文化實驗場與國家電影中心合作，由「臺灣聲響實驗室」擔任製作團隊，請另一位作曲家陳家輝結合聲景採集素材，結合Ambisonics技術的環場音像裝置的陳家輝配樂版，同樣也分5.1聲道與立體聲版本兩款，從無聲到有聲，從樂音到結合台北聲景的混音版，提供了對《台北之晨》的多重聲音想像。

《台北之晨》是1964年作品，那一年林強出生，我喜歡林強形容他的創作心情：「看到影像裡我未曾經歷的時空，有種夢幻著迷，對影片的喜愛跟直覺，用電子音樂的抽象形式，藉著音波的震動穿越時空，回到影片裡與曾在這城市的前人交流。」

然而，《台北之晨》其實許可更多元也更開放的解讀，除了林強或與陳家輝的版本，當你點選「無聲版」，再用自己的方式來替這部56年前的電影做出新款聲音詮釋，是不是也是一種向白景瑞，以及向那個曾經存在，卻已經被很多人遺忘的年代致敬的方式？

至於這張ＤＶＤ中的另一部作品《持攝影機的男人》的林強配樂，改天再談。

同步口譯觀摩：川普每日白宮疫情簡報，2020-04-01

雖然很討厭川普，但是每一次聽到難得的無稿口譯，就是一次觀摩的機會。

這影片是川普每日白宮疫情簡報的一部分，有新唐人電視臺提供的中文同步口譯，我把原音和口譯重新混音，讓口譯聲音只出現在右聲道，原音出現在中間偏左，這樣你可以清楚聽到兩者，一方面清楚聽到英文，一方面觀摩中文口譯。如果你想練習口譯，可以用立體聲的耳機聽，並把聲道平衡調到最左，這樣就只剩下英文出現在左耳。練完以後再和新唐人的口譯比較比較。

新唐人電視臺/大紀元時報是後臺有多金的法輪功組織撐腰的媒體，政治立場鮮明：因為極端反中、反共，因此就愛上了川普這個敢於對抗中國的狂人總統。對新唐人的報導內容，我認為應該小心，不該照單全收。分享影片，純粹為了觀摩口譯。

爆一個亮點：川普搞不清兩個詞意思不同（不意外！），把herd immunity（集體免疫）說成herd mentality（群體思維）：

21:50 Other countries tried to use the...herd...or the herd mentality. It's just...you know...something that doesn't work.

口譯員遇到講者明顯說錯話，應該怎麼處理？我認為該視場合而定。在此，對聽眾溝通正確訊息顯然是最重要的目的，不妨幫川普一個忙，把他說錯的改成對的：「其他國家嘗試採用『集體免疫』的辦法，但這是行不通的。」

可惜這裡的口譯員，聽到這一句時，顯然已經腦力負荷不了，感覺已經無法監控自己說出了什麼，只是丟出一堆勉強湊合卻不make sense的字眼，翻譯變成這樣：

但是的確對一些人來說，精神上有很大的負擔。

Garbage in, garbage out?

AI 將可快速分離人聲、各式樂器等音源，Facebook 開源 Demucs 計畫

作者 雷鋒網 | 發布日期 2020 年 03 月 11 日 10:59 |

音樂源分離，是利用技術將一首歌曲分解成它的組成成分，如人聲、低音和鼓，這和人類大腦的工作很類似，大腦可以將一個單獨的對話，從周圍的噪音和一屋子的人聊天中分離出來。

如果你擁有原始的錄音室多軌錄音，這很容易實現，你只需調整混音來分離一個音軌，但是，如果你從一個普通 MP3 檔案開始，所有的樂器和聲音都被混合到一個立體聲錄音中，即使是最複雜的軟體程式也很難精確地挑出一個部分。

Facebook AI 的研究人員已經開發了一個系統，可以做到這一點──精確度高得驚人。

創建者名叫亞歷山大‧笛福茲（Alexandre Defossez），是 Facebook 人工智慧巴黎實驗室的科學家。笛福茲的系統被稱為 Demucs，這個名字來源於「音樂資源深度提取器」，其工作原理是檢測聲波中的複雜模式，對每種樂器或聲音的波形模式建立一個高層次的理解，然後利用人工智慧將它們巧妙地分離。

笛福茲說，像 Demucs 這樣的技術，不僅能幫助音樂家學習複雜的吉他即興重複段落，總有一天，它還能讓人工智慧助理在嘈雜的房間裡更容易聽到語音指令。笛福茲說，他的目標是讓人工智慧系統擅長辨識音頻源的組成部分，就像它們現在可以在一張照片中準確地區分不同的物體一樣。「我們在音頻方面還沒有達到同樣的水平。」他說。

分解聲波的更好方法

聲源分離長期以來一直吸引著科學家。1953 年，英國認知科學家科林‧切爾瑞（Colin Cherry）創造了「雞尾酒會效應」這個詞語，用來描述人類在擁擠嘈雜的房間裡專注於一次談話的能力。

工程師們首先試圖透過調整立體聲錄音中的左右聲道，或調整均衡器設置來提高或降低某些頻率，進而隔離歌曲的人聲或吉他聲。

基於聲譜圖的人工智慧系統，在分離出以單一頻率響起或共振的樂器的音符方面相對有效，例如鋼琴或小提琴旋律。

這些旋律在聲譜圖上顯示為清晰、連續的水平線，但是隔離那些產生殘餘噪音的撞擊聲，比如鼓、低音拍擊，是一項非常艱鉅的任務。鼓點感覺像一個單一的、即時的整體事件，但它實際上包含了不同的部分。對於鼓來說，它包括覆蓋較高頻率範圍的初始撞擊，隨後是在較低頻率範圍內的無音高衰減。笛福茲說，一般的小鼓「就頻率而言，到處都是」。

聲譜圖只能將聲波表現為時間和頻率的組合，無法捕捉到這樣的細微差別。因此，他們將鼓點或拍子低音處理成幾條不連續的垂直線，而不是一個整齊、無縫的聲音。這就是為什麼透過聲譜圖分離出來的鼓和低音軌道，聽起來常常是模糊不清的。

夠聰明的系統來重建缺失

基於人工智慧的波形模型避免了這些問題，因為它們不試圖將一首歌放到時間和頻率的僵化結構中。笛福茲解釋，波形模型的工作方式與電腦視覺相似，電腦視覺是人工智慧的研究領域，旨在讓電腦學會從數位圖像中辨識模式，進而獲得對視覺世界的高級理解。

電腦視覺使用神經網路來檢測基本模式──類似於在圖像中發現角落和邊緣──然後推斷更高級或更複雜的模式。「波形模型的工作方式非常相似」，笛福茲說。他解釋了波形模型如何需要幾秒鐘來適應歌曲中的突出頻率──人聲、低音、鼓或吉他──並為每一個元素生成單獨的波形。然後，它開始推斷更高比例的結構，以增加細微差別，並精細雕刻每個波形。

笛福茲說，他的系統也可以比做探測和記錄地震的地震儀。地震時，地動儀的底座會移動，但懸掛在上面的重物不會移動，這使得附著在重物上的筆可以畫出記錄地面運動的波形。人工智慧模型可以探測到同時發生的幾個不同地震，然後推斷出每個地震的震級和強度的細節。同樣，笛福茲的系統分析並分離出一首歌曲的本來面目，而不是根據預先設定的聲譜圖結構來分割它。

笛福茲解釋，構建這個系統需要克服一系列複雜的技術挑戰。他首先使用了 Wave-U-Net 的底層架構，這是一個為音樂源分離開發的早期人工智慧波形模型。然後他還有很多工作要做，因為聲譜圖模型的表現優於 Wave-U-Net。他透過添加線性單元來微調波形網路中分析模式的演算法參數。笛福茲還增加了長短期記憶，這種結構允許網路處理整個數據序列，如一段音樂或一段視頻，而不僅是一個數據點，如圖像。笛福茲還提高了 Wave-U-Net 的速度和記憶體使用率。

這些修改幫助 Demucs 在一些重要方面勝過 Wave-U-Net，比如它如何處理一種聲音壓倒另一種聲音的問題。「你可以想像一架飛機起飛，引擎噪音會淹沒一個人的聲音」，笛福茲說。

以前的波形模型，透過簡單地移除原始音頻源文件的一部分來處理這個問題，但是它們不能重建丟失材料的重要部分。笛福茲增強了 Demucs 解碼器的能力，「Demucs 可以重新創建它認為存在但卻迷失在混音中的音頻​​」，這意味著他的模型可以重新合成可能被響亮的鐃鈸聲影響而遺失的柔和鋼琴音符，因為它理解應該呈現什麼樣的聲音。

這種重構和分離的能力使 Demucs 比其他波形模型有優勢。笛福茲說，Demucs 已經與最好的波形技術相匹配，並且「遠遠超出」最先進的聲譜技術。

在盲聽測試中，38 名參與者從 50 首測試曲目中隨機抽取 8 秒鐘進行聽音，這 50 首曲目由 3 個模型分開：Demucs、領先波形、頻譜圖技術。聽眾認為 Demucs 在品質和無偽影（如背景噪音或失真）方面表現最佳。

Demucs 已經引起了人工智慧愛好者的興趣，精通技術的讀者可以從 GitHub 下載 Demucs 的代碼，代碼用 MusDB 數據集來分離音樂源。

笛福茲解釋，隨著 Demucs 的發展，它將為人們在家中創作音樂的數位音頻工作站帶來聲音的真實性。這些工作站提供了能夠喚起特定時代或風格的合成儀器，通常需要對原始硬體進行大量的數位化改造。

想像一下，如果音樂源分離技術能夠完美地捕捉 20 世紀 50 年代搖滾歌曲中用電子管放大器演奏的老式空心電吉他的聲音，Demucs 讓音樂愛好者和音樂家離這個能力更近了一步。

資料來源：https://technews.tw/2020/03/11/using-ai-for-music-source-separation/?fbclid=IwAR1C-0LhFNEkIFUg9QS3xRQK8VKeqKIkPEx9kh7QdGamcsCfUViwyeXyqXg