FM合成发明者John Chowning的口述历史 [视频]

# FM合成发明者约翰·乔宁口述史 **简要说明：** FM合成发明者约翰·乔宁讲述了他对该技术的意外发现、在斯坦福的合作经历，以及该技术如何普及计算机音乐，改变了音乐制作与美学边界。 ## 引言 2026年2月10日，传奇作曲家、FM合成发明者约翰·乔宁博士在加利福尼亚州山景城计算机历史博物馆回顾其职业生涯，聚焦于创意与计算交汇的关键时刻。 ## 作曲中递归逻辑的发现 乔宁将递归应用于音乐的"顿悟时刻"源于1977年创作的作品《Stria》。当时在斯坦福人工智能实验室，他试图探索传统音乐实践、调性体系与黄金分割的关联。向同事丹·斯温哈德询问递归概念时，乔宁意识到可以递归方式构建卡农结构："我能否创作一小段五六个音符的旋律，让递归过程提取单个音符，并在内部微型化重现整个卡农结构？"斯温哈德确认这完全可行，这一洞见成为他作曲历程的关键转折点。 ## FM合成的意外发明 FM合成的发现纯属偶然。乔宁在为四声道系统设计空间声效（早期数字环绕声尝试之一）时，试图用颤音区分直达声与反射声——通过调制频率制造音高与时间差变化。他尝试用两个振荡器相互调制频率，产生了原本需要约20个振荡器才能实现的复杂音色。这一突破完全基于听觉感知；当时他并未理解其背后的数学原理，更未意识到自己已在音频频段使用了违背直觉的解调信号。 ## 通过乐器音色验证 乔宁通过各类乐器音色验证了FM合成的潜力。单簧管的奇次谐波成为关键突破口，随后是打击乐音色。他的音色研究分为两类：基于谐波序列的音色与包含非谐波泛音的音色——后者通过参数调整，可将打击乐音色转变为类单簧管音色。 ## 早期计算的挑战 乔宁在批处理时代的分时计算机上工作。由于计算周期由多用户共享，他需要10-30秒专属时间将声音样本写入磁盘组。常在深夜其他用户离开后加班工作，以获取更多计算周期。例如两秒声音通常需十分钟计算，但在凌晨2-3点无竞争时可能仅需五分钟。采样率最初为10 kHz，后在KL10计算机上升级至20 kHz立体声。输出需通过数模转换器读取磁盘文件，再录制到模拟磁带。 ## 计算机音乐的协作历程 协作是乔宁研究的核心。研究生毕业后，他组建了包含系统程序员詹姆斯·安迪·摩尔、认知心理学家约翰·迈克尔·格雷及作曲家洛伦·拉什的团队。他们构建的系统在计算界备受赞誉，皮埃尔·布列兹后来将其用于自己的EAR系统。该团队程序作为计算机音乐项目的一部分，为1974年CIRMA（计算机音乐与录音研究学会）的成立奠定了基础。 ## 编程与音乐的交汇 乔宁的重要领悟在于：掌握编程技术可绕过欧美盛行的复杂电子音乐技法。通过数模转换器与扬声器，创作理念能直接转化为声音——这一原则沿用至今，建立在马克斯·马修斯开创性工作的基础上，并受到克劳德·香农理论影响（马修斯1963年论文曾引用）。 ## 技术对音乐美学的重塑 技术重塑了音乐美学，斯坦福成为全球计算机音乐项目的典范。乔宁的当代古典音乐影响启发了许多机构，而今CIRMA已涵盖从俱乐部音乐到严谨古典创作的多元美学，运用Max/MSP、SuperCollider等工具。这种跨类型融合凸显了技术在消弭边界中的作用。 ## 创作过程：从音响到形式 乔宁从不以乐谱开启创作，而是从音响出发，通过探索配置来发展作品。《Stria》及更早作品如《Tya》的空间配置直接驱动作曲进程。《Tya》受利萨如图形启发，灵感源于一位AI研究者偶然提及的概念。乔宁设计了包含减速与加速转向的复杂路径，模仿滑冰者或汽车的自然运动轨迹，这塑造了作品的结构形态。 ## 影响与合作 乔宁受到多位同事影响：安迪·摩尔、洛伦·拉什和约翰·格雷通过维度缩放定义音色——该概念源自罗杰·谢巴德的研究，后被乔宁改编用于FM合成。音乐方面，早期在巴黎聆听的卡尔海因茨·施托克豪森电子音乐激发了他对空间声效的兴趣。在斯坦福时，一位生物学家向他推荐了马克斯·马修斯关于数字计算机作为音乐工具的论文。 ## DX7合成器与音乐技术的普及 基于乔宁研究但由雅马哈工程师开发的DX7合成器实现了计算机音乐的民主化。此前创作计算机音乐需昂贵实验室设备，而DX7仅需约2000美元，并可连接雅达利或早期苹果等家用电脑。这一转变使Moog、Oberheim、Prophet等模拟合成器逐渐边缘化，因其16复音特性、稳定性和可负担性。与鲍勃·莫格等模拟合成器先驱的初期紧张关系随时间缓和，如今所有人都属于同一创作社群。 ## 对未来的思考 乔宁对未来计算机音乐的发展保持审慎态度，指出想象力无法预测。技术必将更快更便宜，正如过往数模转换器与存储技术的演进——曾经昂贵的设备现已普及。他涉足数字计算领域的初衷，是受马修斯愿景启发，希望超越施托克豪森早期电子音乐实验的边界。 来源：YouTube视频 (https://www.youtube.com/watch?v=e1Xn3030IvM)