第四届音乐教育大会公益讲座·第5讲｜笔记

第四届音乐教育大会公益讲座·第1讲｜笔记
第四届音乐教育大会公益讲座·第2讲｜笔记
第四届音乐教育大会公益讲座·第3讲｜笔记
第四届音乐教育大会公益讲座·第4讲｜笔记
第四届音乐教育大会公益讲座·第5讲｜笔记📍
第四届音乐教育大会公益讲座·第6讲｜笔记

一、从理论走向实践：本场讲座要解决的问题（00:00）

　　本场是“AI 赋能音乐教学实践”专题板块的第二场，主题是“AI 赋能音乐教学实践初探”。上一场我们从 AI 时代音乐教学的变与不变出发，讨论了技术进入教学之后教师角色、教学方式以及学生学习可能发生的变化，也回到了音乐育人的本质。今天要再往前一步，从理论走向实践，看一看 AI 究竟怎样进入真实的音乐课堂。

　　本场讲座面向中小学音乐教师，结合真实的教学场景，介绍人工智能技术在音乐教育中的具体应用，尝试从备课、课堂教学到学习评价，探索 AI 与中小学音乐课堂深度融合的实践路径。

　　也就是说，今天关注的不再是“AI 能做什么”，而是三个更实际的问题：面对真实的音乐教学问题，教师可以在什么场景下使用 AI？AI 能够为教学提供怎样的支持？教师又应该如何在技术使用与学科教学之间建立起真正有效的连接？

　　今天的分享沿着八个维度展开：政策背景、现状数据、AI 工具分类、AI 音乐教学实践的流程、数字化课例、提示词、资源制作、实践反思。

　　有一点必须先说清楚：AI 赋能到今天，对教师来说已经不再是加分项，而是音乐教师必备的一项基本素养。

二、教育数字化转型与教师数字素养（02:50）

　　在进入实践之前，先要辨别三个被广泛使用的关键词：数码、信息化、数字化。今天的时代里，无论是电子产品、信息化设备还是各类软件，大家都在大量使用，但这三个词并不是一回事。

1. 数码（07:54）

　　数码化，指的是把实物、图片、文字转换成由 0 和 1 组成的电子文件。这很好理解：把一份纸质资料通过扫描或者拍照片变成电子文件，是我们一直在做的事，目的主要是便于资料的搜集、整理和存储。

2. 信息化（08:25）

　　信息化，指的是电子文件利用网络“跑起来”。最早我们通过邮件传递文件，现在通过微信以及其他软件、平台传递文件、图片和资料，这就是信息化，它的价值在于实现信息的快速流通与远程协作。

3. 数字化（09:07）

　　数字化，指的是利用数字化技术让数据赋能。它已经不单单是存储或交换，更重要的是利用数据去分析事情、去生成内容。三个词可以这样区分：数码化解决“怎么存”，信息化解决“怎么传”，数字化解决“怎么用”。

　　那么什么是数据？

　　在各种官方解释中，最典型的表述是：以文本、数字、图形、图像、声音和视频等格式对事实进行表现。数据的形式可以是电子方式，也可以是其他方式，通过交流、解释和处理，最终得到定性数据和定量数据。

　　现在很多人在说生产力是什么——大量的数据本身就是生产力。所以老师们要注意，数据不单单是数字，也不只是 1、2、3、4、5 这些形态，相关内容都是数据。无论在教学过程中还是在其他工作、生活中，都要有意识地做好数据的搜集、整理和归纳。

4. 教育领域的数字化转型（11:14）

　　归结到教育领域，数字化转型的时间点可以回溯到 2022 年：

• 2022 年 1 月，全国教育工作会议提出实施教育数字化战略行动。
• 2022 年 3 月，国家智慧教育公共服务平台正式上线。
• 2022 年 4 月，教育部等八部门印发《新时代基础教育强师计划》，推进教师队伍建设信息化。
• 2022 年 10 月，党的二十大报告明确要求推进教育数字化，建设全民终身学习的学习型社会、学习型大国。
• 2022 年 11 月，教育部发布《教师数字素养》教育行业标准，完善教育信息化标准体系。

　　从国家战略层面看，我们已经从数码化、信息化上升到了教育数字化，定位非常明确。

5. 教师数字素养（11:57）

　　教师数字素养的定义是：教师适当利用数字技术获取、加工、使用、管理和评价数字信息和资源，发现、分析和解决教育教学问题，优化、创新和变革教育教学活动而具有的意识、能力和责任。

　　它包含三个方面：一是获取、加工、使用、管理和评价数字信息和资源；二是发现、分析和解决教育教学问题；三是优化、创新和变革教育教学活动。

　　重点是：核心落脚点已经不再是使用某一个软件或某一个平台，而是解决教学实践中出现的真实问题、变革教学活动。

6. 数字技术的分类（13:44）

　　数字技术大致分为两大类：非人工智能类和人工智能类。

　　非人工智能类包括：基础办公与备课（PPT、电子文档、表格、思维导图、音视频剪辑、录屏）；智慧教学硬件（交互式白板、一体机、实物展台、校园网络、多媒体设备）；线上教学沟通（直播课堂、线上会议、云端网盘、资源下载与共享）；常规教务管理（线上打卡、家校群通知、电子作业、普通在线题库、基础组卷）；通用数字资源（国家智慧教育平台普通资源、学科素材库、电子图书课件）。这些老师们大多已经非常熟悉。

　　人工智能类包括：AI 辅助备课（智能生成教案、课件、习题、分层教学设计、知识点梳理）；AI 课堂应用（课堂行为智能分析、人脸考勤、实时学情监测、智能互动问答）；AI 作业与评价（自动批改客观题、作文智能评改、错题智能归集、薄弱知识点诊断）；AI 个性化教学（自适应学习推送、口语智能测评、分层作业精准匹配、个性化辅导）；AI 教研管理（教学数据智能分析、教研报告自动生成、综合素质智能评价）。

　　按照北京市人工智能应用指南，这些应用被分为教、学、研、管、评、域等教育场景，这也是我们今后一段时间要尝试去应用、要重点突破的部分。

7. 《2025 年中国中小学教师数字素养年度报告》（16:20）

　　从国家战略层面推进的同时，真正让老师们感受到变化的，是从 2025 年开始——通用大模型和智能体真正进入了我们的生活和学习。2026 年世界数字教育大会“为未来学校准备教师”平行会议上发布了《2025 年中国中小学教师数字素养年度报告》，样本覆盖全国 19 个省（区、市）的 53 万名中小学教师，核心结论是：人工智能正加速走进课堂，城乡教师数字素养差距持续收窄。

　　几个数据值得留意。

• AI 走进课堂已成趋势（17:20）：14.77% 的教师每天使用 AI 工具，只有 3.41% 的教师从未使用过 AI。
• 价值认可度高（17:42）：85.17% 的教师认为 AI 能帮助拓展教学资源，81.00% 的教师表示 AI 能节省备课时间。
• 常用的两类工具（18:02）：智慧教学平台内嵌 AI 工具的使用比例达 82.68%，通用大模型工具达 76.20%，这两类最受教师青睐。
• 应用深度普遍浅层（18:17）：约三分之一的教师停留在用 AI 查资料、生成简单素材；三成多的教师能在某个教学环节中有针对性地使用；能够把 AI 贯穿整个教学流程的不足两成；能用 AI 创新教学模式的仅约一成。

　　这恰恰是我们需要突破的瓶颈。在提升意识的同时，AI 使用的素养也要与时俱进地提升，让国家层面的认知真正落实到自己的教育教学实践中。未来已来，让我们一起来尝试。

三、实践的第一步：建立自己的知识库（19:45）

1. 为什么先建知识库（20:07）

　　进入实践环节，第一件事被形象地称为“万里长征的第一步”，就是知识库的建立。

　　有的老师会问：大模型不是很强吗，不是无所不能吗？确实，人类的通识知识它基本已经学完了，但有一点它涉及不到，那就是您独有的内容——您的教案、您的学情分析、您的教学反思。AI 学不到这些，而恰恰是这部分内容，才真正形成您的教学风格，最终形成您的教学成果。

　　知识库的形式很灵活：可以是本地计算机上的文件夹，也可以是支持知识存储的软件，比如 ima、金山文档、百度文库、腾讯会议等。倡导老师们在日常工作和教学中，有意识地做这件事。文件夹也可以按类别整理：政策层面有哪些、区域的教研要求有哪些、教材有哪些、自己的教案和教学思考有哪些，分门别类整理出来，会大大提升后面使用 AI 的效率。

2. 知识库的三个维度（22:17）

　　以一个已经建好的知识库为例，它分为三个方面：

• 个人知识库：上传自己已有的学习经验和数字化素材，可以自行分类管理。
• 共享知识库：通过教研小组、教师之间的共享交流，达成或交互一些内容。
• 订阅知识库：从网络上加载与教育教学、工作相关的内容，持续丰富知识来源。

　　个人 + 共享 + 订阅，就形成了一个三维的、立体化的知识管理体系。

3. 知识库解决的三个核心问题（23:30）

　　第一，解决知识过时。知识库要一直更新，取其精华、去其糟粕，这样就弥补了大模型知识截止时间的局限：新增文件、最新资料放进知识库即可使用，不需要重新训练模型——重训练的成本极高。

　　第二，解决专属私有信息。公司文件、教案、内部资料并不在大模型的原始训练数据里，知识库能让 AI 看懂您的专属材料，比如区域教研要求、教材分析、教学思考等。

　　第三，减少 AI 幻觉。AI 回答时只能依据检索出来的原文，凭空编造的概率大幅下降。

　　如果想生成符合自己风格、符合自己教学要求的文本或框架，在整个教学实践开始之前，一定要先打造好自己的知识库。

4. 单点化应用场景（25:43）

　　从备课、上课到其他拓展，今天特别强调“单点化应用场景”。无论老师还是方方面面，AI 的使用目前都处在尝试性推进的阶段，所以不妨聚焦具体环节，逐一突破。第一个场景，就是辅助进行教材整体与单元的宏观概括。

四、AI 辅助备课：从教材概览到单元教案（26:20）

1. 教材整体与单元宏观定位（26:30）

　　拿到一本新教材，我们一般会先翻目录：一共有多少个单元，每个单元里有多少个作品……这些基础性梳理工作可以交给 AI，从而把时间释放出来，聚焦到更深层的教学设计上。

　　但在使用之前，要先弄清楚 AI 到底是什么。

（1）两类 AI（27:01）

　　第一类可以叫普通 AI（判别式 AI），形象地说它是一个“质检员”——能看、能判断、能分类。比如给它一张图片问“这是不是猫”，它会告诉你是或者不是；但它只能基于已有信息做判断和分类，不能创造新内容。

　　第二类是生成式人工智能（AIGC），像一个学习过海量资料的“超级学霸”：你给它一个想法，它能从头创造出以前不存在的新内容。但要特别注意，生成式 AI 并不拥有思想，它学习的是人类作品里的文字、图像和模式，按照概率把内容拼接生成，所以会出现“幻觉”——生成看似合理、实际错误的内容。

　　它的工作流程是基于对话上下文的学习来推测后续要生成的内容。基于这样的工作原理，使用通用大模型时必须进行角色和任务设定，这样它对资料索取的边界和任务的边界都会相当明确，给出的内容在精度上才能匹配我们的使用需求。

（2）角色与任务怎么设定

　　第一步是设定角色。比如把 AI 设定为“资深教研员”的身份，它就会以教研员的逻辑和思考模式给出答案。同时要明确告知教材版本，比如“人音全国版九年级上册第 17 册”，并且指定分析路径：遵循“从教材整体到单元宏观定位”的顺序来分析。

　　第二步是设计提示词。提示词的精准程度直接决定产出内容是否符合需要。可以询问的问题包括：

• 本册教材共有多少个单元？整体布局如何？
• 某个单元在整套教材中是否有独特位置？
• 单元主题名称的深层含义是什么？
• 围绕何种人文主题和音乐主题展开？
• 如何体现“以美育人”和核心素养导向？
• 单元类型是什么（声乐型／欣赏型／器乐型／综合型）？
• 中外作品配比如何（中国作品 X 首／外国作品 X 首）？
• 多声部作品有几首？

　　这些都可以根据实际需要增删，比如增加对逻辑框架的询问。

2. 本册教材体系概览（29:39）

　　把要求告诉大模型之后，它会给出本册教材的单元布局——列出全部单元的序号、名称和主题线索；判断某个单元是否为唯一以某专题为核心的单元，即它的独特地位；分析本单元与已学单元在知识、技能上的衔接关系。

　　单元主题的内涵解读，要从字面意思延伸到文化内涵，明确单元围绕的人文主题和音乐主题，分析主题如何体现“以美育人”和核心素养导向。单元类型与课时安排方面，要判断单元类型，统计中外作品数量、多声部作品数量，并提供 2—3 种课时分配方案。

　　以八年级上册的知识衔接为例：七年级上册完成了节奏、节拍的学习，七年级下册进入欧洲风情，学习了民族调式与大小调式、装饰音、三连音；本册则进阶到从“复习五声调式”推进到“中国七声调式”。演唱要求也从七年级的“常规建立”，升级为“气息、声区统一、吐字清晰”，再到“有控制力地演唱”。创作手法上，从“重复”到系统学习“同头换尾、换头合尾、鱼咬尾、合尾、加花、叠”等，构成完整的中国旋律发展手法词汇表。

3. 单元内容结构分析（34:19）

　　单元内容结构分析要弄清楚：单元内演唱、欣赏作品各有多少首，作品之间的内在逻辑关系是什么，素材的横向排列逻辑是怎样的。通过 AI 梳理来助力单元内容结构分析，可以为单元教学设计提供支持。

　　比如把初中八年级教材第二单元交给 AI，它会梳理出相关的结构内容，解放出教师的时间，让教师更专注于单元教案的设计过程。

4. 单元教案设计（36:45）

　　单元教案设计要在已有知识库的基础上，再提供四类关键素材，作为 AI 生成个性化教案的依据：

• 学段年级、教材版本、单元名称：指向课标模块与素养落点，提供时必须精准。
• 电子版教材内容及相关素材：包括之前的 PPT、学习心得、活动设计等，是教材分析与活动设计的基础。
• 教学班学生的学情（真实情况）：描述越精细，AI 的建议越精准。以键盘教学为例，要说明会键盘的有多少人、不会的有多少人，会弹奏的又能达到什么水平层次。
• 教学意图与教学困惑：提供这两点，AI 生成的设计就会带有您个人的风格。

　　使用 AI 之前，教师需要先自己归纳、总结、提炼这些信息。

　　提示词有三要素。一是角色与任务设定：强调熟悉《义务教育艺术课程标准》或《普通高中音乐课程标准》，精通“教学评一致性”与大单元设计；任务产出要专业、可落地，能直接填评选模板。二是输入内容说明：明确告知大模型将输入上述四类基准素材，并尽可能补充其他可提供的信息。三是任务要求限定：要求产出各板块真实、具体、可测，不写空话套话、不跳栏，避免大模型脱离知识库生成泛化内容。

　　生成策略上，建议分段生成，而不是一次性生成整个教案框架——比如先让 AI 生成“指导思想和理论依据”，再逐步生成其他板块。首次生成后要与 AI 进行多轮对话修正，达到满意程度之后，后续单元交流的工作量就会大幅减少。

5. 单元教学背景分析（43:12）

　　学情分析可以基于前期提供的具体学情描述，让 AI 做结构化划分，通常分为三类：已有知识点、障碍点、发展点。输入形式可以是形象化的语言描述，不限于文字。

　　教学内容分析及课时分配，依据的是教材、教师提供的素材（形象化语言、图片、视频片段等）以及知识库中的公众号文章、网络链接。这里要摆正 AI 的角色：它是 24 小时在线的助理，核心工作是梳理、归纳、分类、初步呈现教师提供的资料与知识，而不是凭空生成内容。

6. 单元教学目标设计（44:49）

　　义务教育阶段按四大核心素养（审美感知、艺术表现、创意实践、文化理解）分块撰写教学目标，高中设计可参照学科核心素养的表述。行文上可以限定句式：审美感知目标用“能通过聆听分析……感受……辨识……”表述；艺术表现目标用“能有感情地演唱……能用纯净音色参与二声部合唱”这类可观测行为表述；创意实践目标用“能创编……能设计……能综合运用……”表述；文化理解目标用“能了解……能说出……能理解……的文化内涵”表述。行为动词统一用“能”，确保目标可观测、可评价。

　　所有框图都是模板，教师要根据实际教学情况调整内容，不可照搬。

　　与 AI 互动时有几条约束条件必须在第一轮就给出，否则生成的内容不够精准：

• 以音乐学习活动为基本单位：要求“以音乐学习活动为基本单元组织教学流程”，拒绝“教师讲、学生听”式的流水账，确保学生为主体。
• 目标可测评、可观测：避免“培养学生的审美能力”这类不可测的表述，提升教案品质。
• 学情分析要有数据支撑：不能只写“基础较好”，AI 也会反过来提示您补充数据。
• 重难点可测评：教学重难点必须可测评，并配对应的突破措施，评价量规要能对得上目标。
• 设置打断点：要求 AI 在信息不足时先提出 3 个关键问题，待回答完毕后再动笔生成。

　　打断点的作用是增加生成之前的互动，避免“帮我生成一个教案”这种简单指令带来的低满意度，让最终产出的教学设计框架、单元分析、教材架构分析更加精准。

五、数字化音乐教学活动设计（49:54）

1. 音乐类 AI 地图（50:34）

　　除通用大模型之外，音乐专业领域里也有大量 AI 工具。先看一张音乐类 AI 地图，大致分成几类：专业领域的创作与编曲（这一类就有二三十个）、音频制作（分轨、修复降噪、母带混音、音频转换）、视唱乐理类、分析鉴赏类、奏唱评测类，还有跨域协作类。

　　跨域协作类又细分：音视音画类，实现声音与视频、画面之间的互相转换，代表工具有 Neural Frames、WZRD.AI、Freebeat.ai、即梦 AI、豆包、可灵 AI、AutoMV、Brain Jam；音舞设计类，从音乐生成舞蹈动作或舞蹈队形，代表工具有 WanDanceDiffusion、Dancechat、labanlab；数据生化类，把数据解析为声音或把声音转化为数据，比如把 DNA 结构、NASA 的数据解读为一段声音，前几年听到的黑洞的声音就是通过这种方式实现的；此外还有生物化学类、工程硬件类、生活场景类，都有与音乐息息相关的 AI 工具。

　　工程硬件类的代表工具有 TouchDesigner、Enttec EMU、MyStrow 3.0、MagicQ、AudioMulch。生活场景类里，Endel 可以生成自适应声景；myNoise 使用 AI 实时监测环境噪声，并播放相应的音乐来抵消噪声；此外还有 Soundmasker、BNMusic 环境噪声、Deluxe 融合（Windows）等。

　　整个罗列下来，音乐类 AI 工具有上百个甚至几百个，而且还在不断增加。选择的方法是：先确定要解决什么问题，再选择对应的 AI 工具。不同工具各有专长，比如音乐生成式 AI 擅长生成音乐，但生成乐谱的能力可能就相对弱一些。

2. 旋律写作（53:30）

　　数字化音乐教学活动设计中最多的一类方向，就是 AI 音乐创作，即使用 AI 工具进行音乐编创与创作。第一个方向是旋律写作。

　　以人音版高中教材编创模块中的题目为例，动机是“1 1 3 2 5 3 6 5-”，后面可以接出多种即兴：

• 即兴一（加花）：1 2 3 1 2 5 3 2 3 6 5-
• 即兴二（改变节奏）：1 3 1 2 5. 3 6 3 5-
• 即兴三（节奏放大并改变节拍）：1 - - - | 3 - - - | 2 - - - | 5 - - - | 3 - - - | 6 · 3 | 5 - - - |
• 即兴四（旋律移位并作节奏变化）：3 1 3 2 5 | 9 6 5- | 4 0 4 5 1 2. 1- | 1 1 3 2 5 3 6 5-

　　学生编创时最大的问题是“没有想法”，不知道怎么往下编。编创课上当然会讲各种编创手法和方法，但学生应用时首先是不敢编，最主要的原因是脑子里没有素材。借助现有工具直观地生成新作品，可以逐步打开学生的思路。

　　旋律的声音怎么制作出来？可以用打谱软件 MuseScore：把旋律输入进去，点击“文件”菜单选择“导出”，在导出设置中把格式选为 MP3 音频或 WAV 音频，点击导出就得到了音频文件，乐谱可以直接变成声音。

　　播放时如果感觉速度偏快，可以通过速度窗口调整速度。如果节拍器是打开的，导出的声音就带有节拍器的声音；关掉节拍器，导出的声音里就不包含。

　　拿到这段声音之后，学生就可以在它的基础上进行编创，通过 AI 工具直观生成新作品，逐步打开创作思路。

3. 用 Suno 把动机扩展成乐曲（56:40）

　　目前最常用的是 Suno（苏诺）。它有网页版，也有对应的 APP，可以从苹果商店或安卓应用市场下载，不同端的界面略有差异，但操作流程基本一致。

　　在创作中心选择“苏诺模型”，这个模型基于国际版 Suno 引擎（大模型）；然后选择“自定义模式”，把音乐动机上传到软件中。

（1）音乐风格的选择与描述（58:30）

　　音乐风格描述是生成音乐过程中最重要的一环。多数老师和学生对音乐风格的描述不够准确，不追求多么精确，起码要正确地表述风格。

　　软件内置了多种风格分类，不确定时可以直接点选。曲风和风格的分类目前没有统一标准，每个 APP 都有自己的分类方法，就像 QQ 音乐、酷狗、网易云音乐各有自己的一套分类体系。当然也可以直接输入文字来描述音乐风格。

（2）文字描述的使用建议（59:27）

　　日常应用中，不太建议直接做文字录入，因为描述可能不够准确。替代方案是使用现成的提示词文档，通过查找替换的方式快速获取准确的风格描述词。

　　这份文档提供各类场景的纯音乐提示词模板。使用方法是用“查找”功能输入关键词，比如“交响”，再点“查找全部”，下面的提示框里就会出现“激昂的交响乐”，点击即可看到对应的提示词：Epic massive drums, soaring french horn, climax, achievement, glory, gold medal, heroic ending。

　　为什么用英文？因为 Suno 的引擎基于国际版，国际版对英文描述词的识别和音乐生成更加准确；写中文它一样能读，只是描述的精确度不如英文。

（3）完整流程演示（01:01:41）

　　操作步骤是：输入音乐风格描述词，勾选“纯音乐”选项，点击生成。生成需要运算约 1—2 分钟，每次生成两首音乐，可以试听对比。

（4）动机的扩展与完善（01:02:43）

　　Suno 规定上传的动机不能小于 10 秒，而两小节的动机往往只有 4—5 秒，必须先延长成完整的乐句才能被识别。处理方法是为动机补上后半句，使其成为两句的完整结构。

　　这样生成的音乐结构完整（头尾齐全），配器丰富，风格表现贴切。

（5）提示词解析（01:05:59）

　　以“感言背景音”为例，提示词是“Piano and strings, soft, swelling, inspirational, touching, warm, gratitude, background music for speech”，意思是钢琴和弦乐，柔和、渐强、鼓舞人心、动人、温暖、感恩，用于演讲的背景音乐。生成的音乐与英文描述词非常贴切，适用于获奖感言背景音、煽情的致谢环节。

　　同一个动机可以搭配不同类别的提示词，生成多种风格的音乐，比如中式贺岁与春节类。

（6）上传音频与高级设置（01:07:39）

　　在高级设置中可以上传动机音频，Suno 会先检测版权问题：必须上传自己制作的音频，或者自己哼唱并用手机录制的音频，至少 10 秒以上。

　　上传之后可以做几件事：把动机扩展成完整的乐曲；添加人声；如果已经是完整的乐段，可以添加伴奏或覆盖添加其他音轨。

　　风格参考度设为 100% 时，不做旋律和风格的更改，只是重新编曲，保留原有风格；参数调低后，AI 的自主创作空间逐步放开，可以产生变奏、扩展乐段、转调、移调、变拍子等变化。多样性参数控制同批生成两首乐曲的差异程度：选择“最高”时两首会完全不一样（极度发散），选择“关闭”时两首的一致性较强。

　　总的来说，Suno 在音乐编创环节中能够把简单的音乐动机扩展为完整的乐曲，并支持伴奏编配等多种创作需求。

4. 伴奏编配（01:10:20）

　　第二个方向是伴奏编配。过去的做法是：老师们、同学们写钢琴伴奏都要费一番心思，学生还要学习和声知识，从认识Ⅰ—Ⅳ—Ⅴ级和弦到熟练运用，过程相当漫长。现在可以通过更简洁的 AI 工具来辅助实现伴奏的编配与制作。

　　实践任务是：根据指定的伴奏织体与和弦记号，参考《同一首歌》的示例，完成高中音乐教材编创实践模块中《鼓浪屿之波》的钢琴伴奏写作。

（1）和弦派软件与下载注意事项（01:11:30）

　　这个软件叫“和弦派”（ChordMate），有 Windows 版和手机版（苹果应用商店、安卓应用商店均可下载），手机版界面与 Windows 版几乎一模一样。需要注意的是，Windows 版一定要仔细选择下载渠道——网络上存在不少不规范的引导，可能让您下错东西，或者陷入引导消费的陷阱。

（2）创作模块（01:12:15）

　　软件中最常用的是第一块区域“创作模块”，主要功能是新建工程、歌曲 Remix、歌词写歌等。免费用户的工程数量有限，达到上限后需要开通 VIP 才能继续新建工程。

（3）新建工程与乐曲信息输入（01:13:36）

　　操作步骤是：点击“新建工程”，输入乐曲名称（如“鼓浪屿之波”），选择相应的音乐风格，再输入对应的和弦标记。乐谱中一般已经标注好和弦，只需按照乐谱的标记重新输入到工程中即可。

（4）和弦标记输入与乐段添加（01:13:53）

　　输入方法：选择四四拍的第一拍，输入和弦标记（如降 E、G 等），窗口中会显示出相关的和弦选项，点击箭头可以看到更多变种和弦，对照乐谱逐步把全部和弦输入完成。

　　左上角显示的是当前乐段名称，比如前奏、主歌 A、主歌 B、副歌等。如果需要更多乐段，点击“添加乐段”，设置标题、小节数等信息后点击完成即可。制作完成后可以点击播放试听伴奏效果。

（5）修改与导出（01:17:00）

　　如果某个声部不满意，点击“修改”进入编辑界面（类似音序制作软件），选择要修改的乐段（如主歌 A），界面中会显示钢琴、键盘、吉他、打击乐、八音盒、鼓组等各个声部；对不满意的声部（比如吉他声部）点击“重复生成”，线条就会发生变化，可以反复试听直至满意。

　　满意之后可以导出为 MP3 或 WAVE 格式，也支持生成多声部的分轨文件，便于进一步精细调整。

5. 歌唱教学（01:19:20）

（1）EarMaster 练耳大师（01:19:24）

　　第三个方向是歌唱教学，使用的软件是 EarMaster（练耳大师）。它的核心功能是检测演唱的音准与节奏，并带着学习者一步一步练习。

　　它还能结合教材自定义教学活动：把教材中的歌曲通过 MuseScore 打谱后导入 EarMaster，就能自定义生成练习习题。软件内置入门课程、综合训练厅、声乐训练、RCM Voice、ABRSM 听觉训练、爵士课程等，涵盖视唱练耳与乐理基础。

（2）可以自定义的练习类型（01:20:19）

　　自定义教学活动有很多类型：音程训练（音程比较、音程听辨与记写、构唱音程）；和弦训练（和弦识别、和弦转位识别、和弦进行与终止识别）；音阶训练（识别与记写听到的音阶和调式）；节奏训练（节奏视唱、节奏模仿、节奏听写、节奏错误识别）；旋律训练（旋律视唱、旋律模仿、旋律听写）。

（3）以《送别》为例的旋律视唱（01:20:53）

　　以《送别》为例，提前把歌曲乐谱制作成练习素材，按乐句分题。开始前要先测试话筒：唱一个平稳的音调，直到画面缩回去，说明音高检测达标（建议使用耳机，效果最佳）。

　　练习步骤是：先建立调式，播放旋律的第一个音，播放预备拍小节，最后学习者按照乐谱唱出旋律。

　　反馈机制非常直观：乐谱上打对勾表示音准与节奏均正确；上下箭头表示音高略高或略低，箭头的颜色变化反映偏差程度；完全唱错则打红色的叉子。一首歌可以拆成若干道题，逐句过关后再完整演唱。

　　这个工具适用于日常课堂教学和学生课后自主练习，对合唱团的音准训练效率尤其高。

6. 课堂互动小工具：十二音体系练习（01:23:37）

　　利用生成式编程工具，还可以自己制作课堂应用的小工具。制作十二音体系练习工具的起因是两个真实的痛点：学生写完音序排列之后，不能及时听到自己写的结果；答案正确与否，教师要一个一个同学逐步去看。

　　工具的功能包括：支持选择 12 音序列（十二音体系）、7 音序列（七声音阶）、5 音序列（五声音阶）等不同序列类型；可随机生成音序列，并支持调整播放速度（BPM）与音量；提供逆行（R）、倒影（I）、逆行倒影（RI）三种写作练习模式；支持键盘录入答案并可即时播放核对；自动核验答案并显示正确乐谱；支持完整播放与总谱显示，把原型、逆行、倒影、逆行倒影四种音列呈现在同一行五线谱中。

　　先要掌握十二音体系的基本规则：由 12 个音级组成一个音列（或称序列）；在 12 个音全部出现以前，不能重复音列内任何 1 个音级（但可以在下一个音级出现前重复同一个音级）；音列中的各音既可以横向依次出现形成旋律，也可以纵向同时出现形成和声；音列可以被移位至任何音高。

　　四种基本形式是：原型（Prime，简称 P），音列的原始顺序；逆行（Retrograde，简称 R），沿着与原顺序相反的顺序进行；倒影（Inversion，简称 I），以某音为轴上下倒置音列的位置；倒影逆行（Retrograde-Inversion，简称 RI），将倒影音列逆行进行。

　　操作流程是：选择序列类型（5 音、7 音或 12 音序列）；点击“生成序列”，得到随机音列作为原型；进行逆行练习，把原型音列倒序填入空格；进行倒影练习，必须先选择对称轴音，再以该音为轴倒影作答；逆行倒影练习同样要先选择对称轴音，再做倒影后逆行；最后点击“核验答案”，系统自动判断并显示乐谱。

　　设计上的亮点在于：倒影和逆行倒影练习必须先选择对称轴音，可选的音来自第一部分当前随机音列；支持键盘录入，方便学生快速作答；核验后自动显示乐谱，即时反馈学习效果。

　　核验答案后，系统会显示正确乐谱，并给出“恭喜！全部正确！”等提示信息。

　　完整总谱按照原型音列、逆行音列、倒影音列、逆行倒影音列的顺序连续播放，并在同一行五线谱中显示全部音列，便于对比学习。这个工具解决了课堂教学中的两个核心痛点——学生无法即时听到写作结果、教师难以逐一核对答案，提升了教学效率与学习体验。

六、高中音乐编创课：目标、路径与实践（01:26:15）

　　这部分围绕 AI 辅助高中音乐编创教学的实践与反思展开，共六个部分：从课堂的真实困境出发，引出编创与评析双路径的确立；说明如何把抽象的能力目标拆解为可观测的课堂行为；解释为什么不追求整齐划一的结果，尊重学生个体差异；分享教学相长的个人专业成长；最后是实践后的反思与启示。

1. 来自课堂的真实困境（01:28:30）

　　核心矛盾是学生“想得到，却做不出”。聆听讨论时，学生能生动地表达自己的感受，比如“这段音乐让我想起了黄昏”；可一旦进入创作环节，因为不会乐理、记谱、和声配器，大部分学生就陷入沉默。

　　于是就有了追问：编创教学是否只有“写谱子”这一条路？事实上，许多学生不擅长记谱，听觉却很敏锐，也很会分析音乐。AI 时代的到来，为突破这一困境提供了新的可能。

2. 目标起点：编创与评析双路径（01:29:29）

　　基于课堂的困境，课程不再把写出完整的旋律当成唯一目标，而是把音乐评析提升到与编创同等的位置。

　　编创实践路径适合动手能力强、乐于实践的学生：借助生成式 AI 完成音乐的生成、选择与个性化修改，经历从灵感到成品的完整创作过程。分析评述路径适合听觉敏锐、善于思辨表达的学生：聆听辨析作品，运用音乐术语写出有理有据的审美评价，完成从感性体验到理性表达的跨越。

　　两条路径不分优劣，同等重要：创作有价值，深度欣赏与评析同样是重要的音乐素养。尊重学生不同的专长，才能让每个学生都找到自己的出口。

3. 目标起点：AI 是伙伴，不是自动作曲机（01:30:25）

　　使用 Suno、AIVA 等生成式音乐工具，核心功能是替学生跨过和声、配器这些编创的技术障碍，让学生把精力聚焦在情绪表达与审美判断上。毕竟音乐编创出来，应该是因为他有想表达的内容，而不是单纯为了实践某一个编创技术。

　　课堂里的主次关系始终明确：人是主角，AI 只是支架和伙伴。学生的审美判断与创意决策始终居于核心位置，技术是支架而不是替代，这一点贯穿教学始终。

4. 目标落地：不让目标沦为口号（01:31:31）

　　确定理念之后，要把抽象的核心素养拆成课堂上能直接看到的行为。

　　编创路径有三个关键行为：用音乐术语向 AI 清晰地描述创作需求；在多个生成版本中做出有审美依据的取舍；对初步作品提出具体、可实施的优化建议。

　　评析路径有三个可评指标：产出完整的分析文本，约 500 字；至少运用 2 个专业音乐术语；评价有依据，跳出“好听／不好听”的主观感受。

　　拆解的意义在于让抽象的能力变得“可见”：教师可以观察记录学生的成长，学生也清楚自己要抵达的标准。

5. 例题：评析路径（01:32:44）

　　案例中的学生不太善于把音乐写出来，但文字能力很好。他最初的表达是典型的浅层表达：整段都是主观感受——“很有力量感”“让人感觉紧张”“我觉得这段音乐很好听”，没有使用任何专业音乐术语，停留在“好听／不好听”的层面。

　　课后他把这段话发给了 AI，并要求使用课上学到的专业术语重新编辑。改后的文字完全不同：以“短—短—短—长”的核心动机开篇，急促的四音主题贯穿全乐章，乐曲采用奏鸣曲式，主部主题铿锵有力，弦乐与铜管的音色碰撞强化了冲突感，调性在大小调之间来回切换，不断放大抗争的张力；作曲家依靠动机的重复与模进推进音乐，不是单纯的抒发情绪，而是用节奏与配器塑造“命运叩门”的意象。

　　这一段明显使用了核心动机、奏鸣曲式、模进、调性等专业术语，对音乐本体有依据，不再只谈主观感受。合理使用 AI 能把学生的文字语言修饰得更专业，这也是音乐编创课希望学生达到的标准和要求。

6. 例题：编创路径（01:35:18）

　　编创路径以“命运”交响曲第一乐章为素材，进行 AI 辅助编创实践。学生把音乐交给 AI，通过若干次对话，反复让 AI 理解自己想要的变化。

　　第一版指令很简单，只有“抒情摇滚风格”和“时长 2 分钟”两个关键词。AI 重塑之后，风格与时长都符合要求，非常好听，但与原曲的关系过于相似，仿佛只是配器和风格发生了变化。

　　随着课程学习的推进，学生对音乐要素的理解更加成熟，最终版指令变得非常具体、可实施：使用“命运”主题做吉他 riff，不要完全依赖原曲，进行二度创作；速度整体为中速稍慢；以吉他 solo 为引子，进入主题后保持模进音型；中段要有一次向上方大二度的转调；旋律使用三连音节奏型，包含调内音阶和琶音；尾声不用回主调并结束；只保留两段，第二段使用三拍子；整体保持史诗感。

　　对照结果看：使用“命运”主题做吉他 riff 并做二度创作，做到了；以吉他 solo 为引子，做到了；进入主题后保持模进音型，做到了；旋律使用三连音节奏型，有；调内音阶和琶音，有；保持史诗感，有。没有做到或不够明确的有四项：速度整体与原曲基本一致，“中速稍慢”没有体现；中段虽有变化，但并非明确的整体向上方大二度转调，可能只发生在某个乐句或短小素材上；尾声仔细听仍回到了主调；第二段使用三拍子的变拍子设计没有实现，可能是表述不清，也可能是模型版本的限制。

　　这个案例的价值在于：学生通过多次与 AI 互动，一步一步提出相对具体、可实施的优化建议，这既是音乐要素学习的实践，也是仔细聆听、分析音乐、在与 AI 对话中学习成长的重要方式。

7. 落到学生身上，期待看到的三件事（01:46:12）

• 创作实践上有作品可呈现：能完成微型音乐作品，在素材选择与个性化修改中建立基本的音乐结构意识。
• 思维发展上有过程可见：在指令描述、版本取舍、方案迭代中发展审美判断力与高阶思维，而不只是交一个成品——成长过程比最终成品更重要。
• 评析表达上从感性走向理性：绝大多数学生能完成有理有据的音乐评析，实现从“觉得好听”到“说清为什么”的进阶。

　　无论哪条路径，最终都是为了让学生从感性体验跨越到理性表达，获得核心素养。

8. 目标边界：90% 而非全体（01:47:05）

　　教案上写“90% 以上”而不是“全体学生”，是我特别在意的一个点，这是一个有意为之的“不圆满”。

　　学生基础的差异客观存在：高一班级里，有人学了很多年乐器，会钢琴、会唱歌甚至会小提琴，也有人完全是零基础，只是喜欢听音乐，也想做出像他听到的那样的音乐。如果长时间用同一把尺子衡量所有人，会让部分学生感到受挫，而且是持续受挫。

　　90% 的实质是分层要求：能编创就去编创，能评析就深耕评析，暂时两样都做不到也没关系，至少能在课上学会感受、聆听与理解音乐，安安静静地把一首作品听完，这何尝不是一种获得。这不是教学上的妥协，而是音乐教育本应具备的包容——让每个孩子都在课堂里找到自己的位置。

9. 实践反思与启示（01:48:25）

　　教学上的启示有四条。一是教学目标源于真问题：教学目标与教学设计不是从文献里抄出来的，而是从课堂中的真问题里长出来的。课前要问自己两句——学生今天（或上次课）到底卡在哪里？是什么挡住了他们表达音乐？只有回答了这两个问题，课程才不会沦为空泛的课。二是核心素养要拆解为看得见的行为，否则无法判断学生是否真的学会或有所成长。三是避免一刀切，留给学生更多路线或路径，让不同特质的学生都能参与进来。四是技术是支架，育人是目的：不应让课堂变成工具的展示平台，避免学生为了追求独特的音响而忽略音乐本身。

　　实践中的不足有三点。一是把感受说清楚仍有门槛：学生把内心的音乐体验转化为精准的 AI 指令并不容易，生成的结果有时在学生能力之下，有时又在能力之上，需要更多分层的语言支架。二是互评环节的表达要求偏高：跨路径的同伴互评需要一定的语言组织能力，后续要持续搭建表达的脚手架。三是生成结果有随机性：课堂上要反复强调，人的审美判断始终居于核心，不能让学生被工具牵着走。

七、多模态视角下的课堂小妙招（01:51:58）

　　从备课环节到上课环节之后，再回到多模态的视角，分享几个经过小组实验、课堂上可以使用的小妙招。

　　第一个是文生图。以“命运”交响曲为载体，把它的四个乐章用图片呈现出来，让学生直观感受到每个乐章在情绪上、结构上的不同。老师们也可以在自己的课堂上用这样的技术，给学生多感官的刺激，便于他们理解作品。

　　第二个是互动网页。教材后面有一个关于《梁祝》协奏曲曲式结构的填空练习，通过大模型和提示词把它生成一个互动网页，原来的纸质填写就变成了动态的互动：学生分组上台填写，提交后可以研判对与不对，再给出正确答案，趣味性大大增强。

　　互动网页也可以用在导入环节。比如复习民歌的前两种体裁、学习第三种体裁，页面会分成“猜一猜”的复习环节（播放音响让学生聆听选择）、“他们为什么不一样”的小组分析环节、揭晓答案并引出第三种体裁的环节，学生在选择、聆听、讨论中完成学习。

　　第三个是文生视频。过去做导入或背景介绍时，我们往往选取现成的视频素材，或者剪辑、或者直接使用，常见的问题是它不太符合这节课和学生的具体情况，不能完全匹配。现在可以自己制作课堂上使用的视频，让它更符合自己的教学风格。特别要强调：在生成视频之前，先生成视频的脚本——脚本本身就是提示词的一种；也可以在几个大模型之间相互配合，用一个大模型生成文本，用另一个大模型生成视频，因为不同通用大模型的特性各有差别。用这种方式生成的一个 10 秒钟片段，就可以作为《命运》的背景分析素材。

　　第四个是数字人。通过模型生成的数字人可以和学生近距离接触，比如在课后布置作业，把链接发给孩子，孩子通过交互来回答。还是要强调：数字人背后相应的知识库一定是我们自己独有的，才能保证给孩子最正确的内容。

　　无论哪一种，想生成更符合教学实际的内容，提示词始终是最关键的一点。AI 生成的内容要符合您自己的教学风格，而不是完全匹配现成素材。

八、实践反思与总结（02:04:16）

　　AI 进入音乐教学，并不是简单地增加一种新工具，更重要的是它正在推动教师重新思考自己的知识结构、教学方式以及课堂中的角色定位。在 AI 的辅助下，教师从知识传授者转变为学习引导者，需要具备筛选、判断和整合 AI 生成内容的能力。

　　在使用 AI 之前，建立属于自己的知识库是今天分享中非常重要的一个起点。面对知识更新快、信息来源复杂以及 AI 可能出现幻觉这些问题，教师首先需要有自己的专业判断力和扎实的知识基础。只有这样，AI 提供的内容才能真正成为教学的辅助，而不是替代教师进行专业判断。

　　讲座从教材概览、教案写作、教学活动设计等具体场景出发，展示了 AI 如何融入真实的备课与教学过程：它可以帮助教师拓展资源、提高效率、打开新的教学可能。最后的实践案例又让我们回到音乐教育本身——从真实的教学问题出发，以技术为支架，以育人为核心。

　　课堂最终要解决的，依然是学生的学习与成长。对 AI 的使用，我们一直都在路上，共赢、共商、共进。

九、知识小结

主题	核心观点	文中金句
教育数字化转型背景	从数码化、信息化到数字化演进，AI 赋能已成为教师必备素养	“未来已来，让我们一起来尝试。”
教师知识库建设	建立个人专属知识库是 AI 教学应用的“万里长征第一步”，涵盖个人、共享、订阅三个维度，解决知识过时、专属私有、减少幻觉三大问题	“AI 是您 24 小时在线助理，但您独有的教案与学情分析，AI 永远学不到。”
AI 辅助备课（教材分析）	通过角色与任务设定，AI 可辅助教材整体与单元的宏观概括；分段生成加多轮对话修正	“提示词的精准，直接决定产出的产品是否符合需要。”
AI 辅助单元教案设计	提供学段、教材、学情、教学意图四类素材，AI 可生成个性化教案框架；强调“教学评一致性”，要求可测评、可观测，AI 不清楚时先提问再动笔	“拒绝空话套话，以音乐学习活动为基本单元组织教学流程。”
AI 音乐创作工具（Suno）	上传动机音频，AI 可扩展为完整乐曲，支持风格参考度与多样性调节	“AI 生成音乐很完整，配器丰富，但风格描述是使用的关键。”
AI 伴奏编配（和弦派）	按乐谱输入和弦标记即可生成多声部伴奏，可对单个声部重复生成修改，支持 MP3／WAV／分轨导出	“AI 辅助伴奏编配，让学生跨越和声技术门槛。”
AI 歌唱教学（EarMaster）	实时检测音准节奏，支持导入教材乐谱自定义习题，分句练习逐句反馈	“合唱团音准训练用这个工具，效率很高。”
高中编创教学案例	生成式 AI 进入课堂后确立“编创＋评析”双路径，面向全体学生；90% 是有意为之的不圆满；核心素养拆解为可观测行为	“AI 不是替代学生创作的机器，而是帮学生跨过和声配器技术障碍的支架。”
学生案例（评析路径）	学生借助 AI 从感性体验走向理性表达，从“好听／不好听”升级为使用动机、奏鸣曲式、模进、调性等专业术语	“从跟着感觉走，到走向讲道理，这是核心素养的获得。”
学生案例（编创路径）	学生通过多轮 AI 对话，提出具体、可实施的优化建议	“人的审美判断才是核心，不能被工具带着走。”
课堂应用小工具	文生图、互动网页、文生视频、数字人等多模态工具丰富课堂	“AI 生成的内容要符合您自己的教学风格，而不是完全匹配现成素材。”
实践反思与展望	AI 使用仍处探索阶段，需共商共进，持续提升教师数字素养	“共赢、共商、共进——AI 赋能音乐教学，我们一直在路上。”