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、开场：AI 浪潮下的变与不变（00:00）

1. 本场讲座的背景与主题（02:42）

　　本场讲座是第四届音乐教育大会系列公益讲座中的一场，由幸会音乐视频号、光明日报客户端、中小学音乐杂志视频号同步直播，也是“AI 赋能音乐教学实践”专题板块的第一场。从今天开始一直到接下来的三周，每个周末都会围绕这一主题展开讨论。

　　这场讲座要追问的核心问题是：人工智能进入音乐课堂之后，究竟能带来什么，又有哪些东西是始终不能被技术所替代的。

　　讲座分成两个部分。第一部分是理论思辨，一起探讨 AI 时代音乐教学的本质，以及技术介入之后教师角色和教学方式可能发生的变化；第二部分更贴近教学实践，通过实践工坊，看 AI 如何进入个性化资源生成、学习评价和音乐创作这些真实的教学环节。

　　所以我们今天并不是单纯讨论 AI 能做什么，而是要一起思考一个更重要的问题：当 AI 逐渐成为音乐教师身边的一种新工具，我们应该怎样使用它，才能真正服务于音乐学习和学生的发展。

2. 两位主讲教师（04:57）

　　郑晓燕老师，博士，西华师范大学音乐舞蹈学院教授，中国音乐教育分会副理事长，主要从事音乐教育研究，曾参与国家义务教育小学、初中音乐全套教材以及国家中职、高职音乐鉴赏与实践“十四五”国家规划教材的编写，在音乐课程、教材与教学实践研究方面经验丰富。

　　罗志生老师，旅美钢琴演奏博士，西华师范大学音乐舞蹈学院钢琴系主任，施坦威青年荣誉教师，硕士生导师，曾与多支国内外交响乐团合作演出，也多次担任国内外钢琴赛事评委。

　　另外还要特别说明：直播间里还有三位准教师，后面讲到的不少课例就出自他们之手。

3. 课改尚未停歇，AI 已然到来（07:35）

　　进入 2020 年以来，义务教育课程改革持续推进，直到今年秋天，小学、初中所有学段的新教材才基本全覆盖。一线音乐教师面对教育改革的匆忙步履还没有停下来，人工智能的浪潮就扑面而来了。

　　这个学期秋季开学，大家都能明显感受到：大中小学的开学典礼、各级教育行政部门的政策文件里，“AI 含量”特别大。不管愿意不愿意，一线教师都已经站到了这个浪头上，无法抗拒，无处可逃。

4. 打不过就加入（08:24）

　　“打不过就加入”，看似是一句自嘲，实质上从心理学角度看是一种防御机制，而我更愿意把它看成一种理性的选择：与其被动应付，不如主动拥抱，把 AI 变成服务音乐教学的工具。

5. 一个学院的提前布局（08:43）

　　以西华师范大学音乐舞蹈学院为例，学校和学院的反应非常快，去年提前布局，今年就落实到了行动上。

　　首先是基础保障。学院在人力、物力、算力等方面提供支持——没有这些，所有人工智能的落地都是空谈。其次是组织建设，学院成立了专门的研究团队，从专业、课程、教材、教学、教法、评价、管理等方面做出了系统安排：

• 专业上，准备申请音乐科技专业。
• 课程上，本学期已经开设“人工智能与音乐舞蹈”，由罗教授及其团队主讲。
• 教材上，推进 AI 相关教材的开发和教学内容的更新。
• 教学上，本学期在所有学科（包括专业课、理论课）中渗透 AI 赋能的教学方式，各教研室都在探索转变。
• 评价与管理上，方式也在改变，后面的实践环节会具体介绍。

　　后面用到的案例，都基于研究团队自己开发的系统程序和一些优秀课例。这些都是探索，没有对错，没有好与坏，只有改进的空间——没有最好，只有更好。

二、正式课程：四个部分，一条主线（10:57）

1. 先认识 AI：从词源到工具（11:00）

（1）本场课程的框架（11:02）

　　今天的讨论围绕“变与不变”展开四个部分：从三个政策谈时代叩问，从三个原理谈守住根本，从六个变化谈拥抱变革，从六个原则谈智慧共生。前半部分是理论思辨，后半部分结合实践案例，主要案例是《大江东去》，中间也会穿插其他课例。

（2）Artificial 与 Intelligence（11:36）

　　在讨论之前，先要弄清楚 AI 到底是什么——它是大模型吗？是 Agent？是程序吗？是智能机器人吗？两个词都来自拉丁语：artificial 意为“属于技艺或艺术的”，是由人的记忆创造出来的，而不是自然生成的；intelligence 意为理解、洞察、辨别的能力，与 artificial 连在一起，就是理解、推理、学习、判断和解决问题的能力。

　　二者合到一起，人工智能就是“人工制造出来的智能”，而非自然生成的智能。换句话说，AI 的前提是人，是人赋予它智慧。所以如何把 AI 赋能到教学中，取决于人怎么用它。

（3）大模型、LLM 与 Agent（14:13）

　　认识工具才能谈落地，三个词必须先分清。

• 大模型：当下最主流的一类 AI 系统，参数多、读过的数据多、能做的事广，有的能处理文字，有的能生成图像、音频或视频。我们熟悉的字节豆包、阿里千问，是产品的入口，背后分别对应两个模型家族。
• LLM（大语言模型）：大模型中以语言处理为核心任务的一个分支，本领说起来很朴素——给定上文，预测下一个词，重复亿万次之后，间接学会了语言，也记住了语言里的世界知识。写教案、答乐理、分析乐评文本，靠的就是这一类模型，例如豆包 Seed 2.1、千问 Qwen3.8。需要注意，生成图像和视频的模型虽然也是大模型，却不属于大语言模型。
• Agent（智能体）：可以理解为会办事的助手。普通聊天机器人像顾问，你问一句他答一句；Agent 像助理，你只给目标，它会自己拆成步骤、调用工具、把整件事办完。它的架构就是 LLM 加上记忆、工具和规划。比如你说“把这份教学大纲整理成 PDF 发到班级群”，它会读取文件、排版、生成 PDF、调用钉钉、发送，最后向你汇报。

　　一句话总结：大模型是底座，LLM 以语言为核心，Agent 是带记忆、工具和规划的执行系统。

（4）国内大模型怎么选（17:09）

　　国内大模型很多，可以按两个维度来举例。

• 字节跳动豆包家族，最容易上手：豆包 APP 负责日常问答、备课、查资料，不需要自己调用底层模型；扣子可以零代码搭一个助教或智能体；即梦用来生成海报、插图和短视频，有免费版，打开就能用，适合第一次接触 AI 的老师和学生。
• 阿里巴巴千问家族，便于本地部署：千问 APP 和夸克做 AI 搜索；Qwen3.8 语言模型开源，可以免费下载部署到自己的电脑上，如果完全本地部署且不启用联网插件，数据可以完全留在自己的设备里，这一点对有课题需求的老师和研究生特别重要；万相则可以生成视频和图像。

（5）三个由浅入深的应用场景（18:44）

　　认识工具之后，落到具体场景，有三个推荐：

• 答疑备课：用豆包 APP、千问 APP、夸克 AI 搜索，免费的对话窗口就能完成。
• 课程助教：用扣子搭建，不需要任何编程基础，把常见问题和参考答案整理成知识库，让它按课程口径回答，承担大量重复性答疑。
• 课题研究：用千问开源模型本地部署，可以做乐评文本分析、访谈记录整理、文献初筛，数据完全留在自己的电脑里。

2. 时代的叩问：三个政策（20:19）

（1）三份文件，一个方向

　　2025 年 8 月，国务院印发《关于深入实施“人工智能+”行动的意见》，目的是推动人工智能与经济社会各行业各领域广泛深度融合，重塑人类生产生活范式，教育领域自然也不例外。

　　今年 4 月，教育部等五部门印发《“人工智能+教育”行动计划》，对中小学、高校、师范生培养分别提出要求：中小学要推动人工智能与人文教育相结合，注重学生启智与心灵的培养，引导学生科学认识、合理利用智能技术，提升智能素养，激发好奇心，培养创新思维；高校要把人工智能作为公共基础课；师范生培养方面，明确要求将人工智能等前沿技术知识纳入课程体系。

　　这一点在师范认证上体现得非常直接：过去“一践行三学会”分解为 8 个指标，今年 6 月进校认证时已经增加到 9 个，新增加的就是“数智素养”。认证不是目的，目的是推动人工智能在师范生培养中的落地。

　　今年 9 月开学之际，教育部又提出实施“人工智能+教师发展”行动，启动教师人工智能素养的全覆盖培训。该来的还是来了，时代的洪流正推着每一位教师去学习、去认识。

（2）怎样当好人工智能时代的老师（23:32）

　　我们这些教师相对而言是 AI 时代的移民，而我们要培养的学生是 AI 的原住民。打个比方：我来自地球，现在要去教月球的公民怎么在月球上生存。月球上我没有生存过，空气和水我给不了，但我知道人要生存的原理——我能给学生的是获得空气和水的原理，水是如何生成的。这给新时代的教师提出了更高的挑战。

　　再看两组数据。一组是 4GB：加州理工学院的研究人员在《神经元》杂志上发表论文指出，一个人从出生到去世不停学习，最终知识的积累储存量也只有约 4GB。另一组是 5 艾字节：2012 年的统计显示，人类有史以来所有数据总量约为 5 艾字节，相当于 50 亿 GB；而 IBM 超级计算机研发者 David Jones 提出，到 2013 年，产生同样数据量只需要 10 分钟。今天已经是 2026 年，这个时间只会更短。与此相对，英国剑桥大学神经科学家彼得·琼斯的研究表明，人类大脑的成熟需要三十年。

　　知识可以在一瞬间拥有，会用知识却是一个漫长的过程。“什么知识最有价值”是斯宾塞一百多年前提出的问题，当时的答案是科技；今天的答案显然不只是科技，更不是知识本身，而是思维最有价值。

　　从拥有知识到会用知识，要经历理解、分析、激活、重构、应用的大脑加工过程，这段从输入到输出的时间无法被压缩。“百年树人”不是修辞，而是对教育时间性的本质把握；人格与审美判断力的养成都需要时间，需要一个“慢”的过程。这正是今天作为教育者最该思考的问题：如何让中间这段学习过程变得更有效。

　　人类学习与机器学习有着本质区别。从教育学立场看，行为主义、认知主义、建构主义、人本主义等种种学习理论，体现的都是过程性；而机器学习是基于海量数据的训练，做模式识别、参数拟合、概率生成，它并不“理解”，只是“生成”，无主体、无情感、无目的。

　　所以教育面临的核心问题，已经不再是“是否使用 AI”，而是“如何构建适应智能时代的新型教育体系”。这不是对传统的否定，而是在技术赋能基础上的教育本质回归——让学习真正发生，让成长真实可见。由此引出三个追问：究竟要守什么？要变什么？又要警惕什么？

3. 守住根本：三个原理（31:55）

（1）音乐育人的逻辑不变

　　从教育学再延伸到音乐学，不变的是要守住育人根本。音乐育人的逻辑是这样的：一部音乐作品要变成学生的素养，要先从抽象的作品落到具体的体验，再抽象出认知，最后又回到具体的实践，这是一个非常复杂的过程。

　　音乐进入人身体的“入口”，是身体的感知——音乐是非具象的，摸不着，只能听得到；进入之后如何变成素养，靠的是情思交融中的体验；最后的归宿是情感共鸣、想象力与创造力的激发，是人格的唤醒。入口、过程、归宿，这个规律永恒不变。技术能不能赋能音乐学科育人，依然要遵循这一原理。

（2）AI 对音乐教师的影响（34:11）

　　AI 对音乐教师的价值，首先是减轻重复性工作的负担，哪怕是非重复性的工作，它也能提高效率和质量，应用场景覆盖备课、学生管理、过程性数据评价等多个环节。

　　我们先看一个面向音乐教师的 AI 备课平台，它支持从 AI 生成到 AI 批改的全流程。

　　平台右下角有一位叫“小音符”的助手，它与通用 AI 最大的不同是能记住人：记得我常带哪个年级，记得我备课的习惯，所以它每次起草的教案默认就是我的风格。比如它知道罗老师常带三年级，备课以“感受+参与”为核心，避免枯燥的乐理讲解。

　　备课流程很直接：输入课题和年级，AI 起草整篇教案，教师修改完善，最后保存。

　　生成的教案是初稿，包含教学目标、教学过程等完整结构；教学目标可以对应审美感知、艺术表现、创意实践、文化理解四个核心素养，也可以再加目标；教学过程里可以插入图片、音频、链接、视频、歌词、设计意图、编创环节，还能用 AI 提炼“投影要点”。教案生成之后，AI 还能给出修改建议和更多思路，形成“AI 生成、AI 批改”的闭环。

　　需要说明的是，四个素养彼此联系，并不是割裂地一条对应一个，机器这样标注只是为了方便识别和有针对性地修改。一键生成的教案也有明显局限：它缺乏目标针对性，内容泛泛。比如生成《大江东去》教案时，由于前期没有给出任何提示，AI 就把它所知道的全部信息一股脑呈现出来，而没有聚焦“艺术歌曲”这个核心。这就需要教师基于教材和课标做详细修改——这正是“变与不变”中不变的部分，教师的专业判断不可替代，最后签字负责的还是老师。

　　平台还能从教案一键生成 PPT，可任选模板，生成的 PPT 是基础版本，可以下载成 pptx 格式，再导入熟悉的 PPT 工具或另一个 AI 软件做二次修改。放映模式下还有一个课堂工具箱：节拍器、随机点名、节奏创编、波形音条（可切换不同音色，用于音高与旋律教学）、旋律格子（点击格子创作旋律，支持上下楼梯模式，可更换乐器音色），未来还可以加入律动体验等更多功能。

　　把 AI 当成助教、助理、助研都是可以的。最典型的例子是师范专业认证的材料分析：过去海量的材料需要人工翻阅好几天，现在借助 AI 做近三年的数据分析，专业规模、师资结构（学历、职称比例）、课程结构变化、经费投入、学生发展数据对比、实践教学三年趋势等都能快速呈现，最后对照一级、二级指标自动判断是否达标。当然，AI 分析并不是一键生成，前期需要专门的设置和数据投喂，准确度依赖人为的前期工作。

　　第三是获得精准的教学数据支持。AI 可以对学生的音准、节奏、表现力等多维度数据做精准分析，实现精准教学和分层指导，告别单纯凭主观经验判断。比如合唱指挥课上，AI 能精准捕捉教师动作的准确性与音乐是否耦合。

　　第四是拓展教学手段与资源。AI 音乐创作大幅降低了创作门槛，从歌词到音频效果可以一键完成，而过去要经历很多道程序，投入大量人力物力财力。音乐课标反复强调“真实性情境”，真实场景往往不可及，AI 却可以营造真实、仿真的模拟场景——比如在草原上拉马头琴、唱牧歌，教学变得更轻松，学生有身临其境的体验感。

　　这里有一个很好的课例《桑塔·露琪亚》，采用任务链的方式贯穿场景，用 AI 技术营造真实的海上场景，不同音乐对应不同方向，学生要找到歌曲题材才能确定方向。它最值得学习的地方是提示语用的是“第一人称”，而不是第三人称——第一人称带来身临其境的体验感，第三人称则没有沉浸感。教师使用 AI 的这一点小巧思，就能显著影响教学效果。

　　第五是促进专业发展与教师角色升级。技术的发展倒逼教师不断学习，角色也在改变：从传授知识者变成思维引导者，成为情感交流的培养者，成为活动项目化的组织者。因为获取知识的途径已经太方便，知识传授不再是教师的核心价值。

（3）AI 对学生的影响（54:04）

　　第一是沉浸式的审美体验。VR、AR 与 AI 结合，可以让学生“走进”维也纳金色大厅欣赏交响乐，或者“站”在草原上聆听长调，这种多感官、情境化的学习，远比单纯的音频播放更能加深对音乐文化的理解与记忆。

　　第二是过程性成长的可视化。每一次表现的数据变化被记录下来，就形成个人成长曲线，学生能直观看到自己在音准、节奏等方面的进步（比如音准进步值 +25%、节奏提升值 +18%），这种正向反馈有助于建立自信，培养坚持练习的内在动力。

　　《深化新时代教育评价改革总体方案》（2020 年）明确提出“改进结果评价，强化过程评价，探索增值评价，健全综合评价”。而钢琴课最难的环节其实在课与课之间：上周布置了什么，学生卡在哪里，这学期走到了哪一步。目前西华师范大学音乐舞蹈学院钢琴系的 18 位钢琴教师、517 名在读学生正在使用这套系统。

　　记录方式很简单：每节课后花一分钟，记下上课内容、问题、作业和下节课计划，再给态度和互动打个分。有了 AI 的辅助，一分钟内就能完成全部记录，甚至可以把多条记录拆分开来。学生端也有 APP，老师的要求和作业可以直接连接到学生的 APP 里。

　　系统目前有网页版和 iOS 版本。操作时从课表中选择学生姓名（课表已全部导入系统），点击日期和出勤情况，简单书写课堂内容由 AI 润色，再进行课堂评分。AI 还能做批量处理：一段话里记录了三位学生的上课情况，AI 整理后生成三条独立记录，老师修改后再保存。

　　这些记录有三个用处。一是形成学习档案和学期学习报告，可以查看每位学生的历史课程记录和评分走势，比如上学期 13 节课的评分变化一目了然。二是推荐曲目，根据学生已学曲目和当前程度个性化推荐接下来要学的曲子，老师可以直接分配，学生在自己的 APP 里就能看到。三是问题追踪，哪些问题已改善、哪些问题仍在反复，为下学期该从哪里教起提供依据。

　　这种学习轨迹是个性化、私人定制的。对中小学的大班制同样适用：面对 30 人、40 人甚至 50 人的班级，或者一位音乐老师带十个班、上百名学生，AI 记录正好弥补了音乐教学评价这块短板。师范生实习时，所带班级 30 名学生每节课的具体表现、考勤、创意实践表现，都能在一个学期内生成连贯的成长轨迹。如果成长档案跟随十年，或者所有学科的大数据汇在一起，学生在 K12 阶段的成长轨迹就能生成总报告，不会再出现毕业时老师凭印象手写评价的片面性，AI 还能给出改进的建议和方式。

4. 六个变化：拥抱变革（01:04:05）

（1）内容之变（01:04:17）

　　内容之变，指的是教师不再受限于教材配套音频和手头有限的示范资源。常用的 AI 工具链大致是：一键生成教案可以用 DeepSeek、豆包等；一键生成课件可以用 WPS、Kimi、豆包及智慧教育平台；一键生成教学视频可以用蝉镜、豆包、即梦、可灵等。需要注意的是，AI 目前提供的偏向知识堆叠，教师要做好思维支架的搭建，对生成内容做人为的筛选与重构。

　　《大江东去》这个案例来自四川省技能大赛，由一位男教师设计，它的价值在于完整呈现了从无到有、从基础到进阶的 AI 技术应用过程，是系统化应用的成熟范例。

　　先看看什么提示都不给、直接投喂 AI 生成的效果。生成速度非常快，内容也很完整：词曲作者介绍、上阕下阕、音乐结构、独唱伴奏、诗词旋律、钢琴三位一体、速度调式旋律伴奏情绪、总结，一应俱全；还对接了布鲁姆的学习目标（创造、分析、应用、理解、记忆），有小结，也有作业（写短剧、搜集艺术歌曲下次分享）。按常规标准，直接拿去教学没有问题，但它未经人为修改，缺乏个性化设计。

　　词作者苏轼，北宋豪放派词宗，《念奴娇·赤壁怀古》借赤壁怀古，抒壮志与旷达。曲作者青主，原名廖尚果（1893—1959），1920 年留德期间作曲，是音乐美学家，著有《乐话》。这部作品是中国第一首艺术歌曲，是 Lied 本土化的开端，也是二十世纪中西音乐融合的早期范例。它的特色在于：同一件乐器，两种语境，具有不同的声波表现。

　　再看经过人为设计之后的教学设计。它是在分析教材、学情、课标之后有机组织起来的，属于高中音乐鉴赏“诗乐相彰”单元，包含三个课时，课时之间有衔接与递进。学习目标有三个：一是通过聆听、感受、体验、理解《大江东去》的节奏韵律、旋律发展、音乐结构、钢琴伴奏、人声音色等音乐特点，借助 AI 音频可视化工具和创作工具，了解“诗乐相彰”的具体表现，提升音乐审美感知能力；二是通过对比聆听、吟诵、身体律动、模唱主题乐句及编创等实践活动，参与音乐表现并进一步理解“诗乐结合”，提升艺术表现与创意实践能力；三是通过赏析中国艺术歌曲“诗乐相彰”的独特美学思想，感悟中华优秀传统文化（古典诗词、艺术歌曲）的当代生命力。

　　学习任务的设计从音乐学习出发，目的性非常明确，围绕“诗乐相彰”这一艺术歌曲主题，抛开不必要的音乐素养或音乐知识：任务一探韵，探索音乐与诗词的和谐关系（节奏韵律）；任务二循腔，探索音乐的情感表达（旋律结构）；任务三绘境，探索钢琴伴奏如何描绘诗词意境；任务四编创，属于创意实践。四个任务层层递进，形成连贯的学习任务链。

　　手搓 PPT 是围绕已有的教学设计人为设计的，与 AI 一键生成完全不同。导入环节用 AI 生成苏轼第一人称的吟诵，而不是普通的朗读，因为吟诵的节奏、韵律、平仄规律与《大江东去》的歌曲基本一致。任务一“探韵”用 AI 音频可视化工具，把苏轼的吟诵与歌曲的平仄规律做可视化对比。

　　任务二“循腔”做旋律结构分析：情绪激昂豪迈，旋律宽广跳进，强力度，以声带情，同样用声波可视化做对比。

　　任务三“绘境”关注钢琴伴奏如何描绘诗词意境，包括柱式和弦、分解和弦、描绘场景等，用钢琴伴奏的声波可视化做对比，并让学生亲身体验。

　　任务四“编创”借助 Suno，把《青玉案·元夕》按自己喜欢的风格进行 AI 生成，再讨论、分析、交流心得。

　　这一版手搓 PPT 的优点是围绕教学设计、逻辑清晰、任务层层递进；不足是 AI 的使用还不够充分，效果没有达到理想状态，仍有优化空间。

　　静态 PPT 无法实现互动，于是进一步改进为网页式课件。网页版的课例信息是人民音乐出版社高中《音乐鉴赏》第五单元“诗乐相彰——歌曲艺术”第一课时，学段为高一，课型为新授·探究，聚焦审美感知与艺术表现两大核心素养，教学主线沿“探韵—循腔—绘境—编创”四项任务展开，探寻诗乐相彰的中国美学。AI 能根据已有的教学设计自动生成网页，还会主动加入“律动”和“体验音乐”环节，实现学生与音乐的多感官联动。

　　小结部分把四个任务拆解为四个维度：探韵，词曲相彰，探究节奏韵律；循腔，曲意相和，分析旋律曲式；绘境，琴境相生，体会钢伴意境；编创，人机共谱，进行创作实践。但网页版虽增强了互动，身临其境的感觉仍然不够，于是又有了下一步探索。

　　方法上的变化，是从网页走向沉浸式体验。很多 AI 应用停留在“点一下、看一看”的层面，看到不等于体验到；数字人形象也往往不符合真人气质与音乐学科的特色；AI 提供的内容偏向知识堆叠，教师仍需做好思维支架的搭建。设计灵感来自两个普遍的现象：学生“喜欢音乐但不喜欢音乐课”，家长希望“孩子能像喜欢游戏一样喜欢音乐课”。解决办法是利用 AI 技术构建游戏式、游览式的沉浸式场景。

　　团队由罗老师负责游戏式操作部分的介绍，成员包括宋盈莹、刘馨月、王煜凤、蔡雨强、张媚等，他们基于“游戏式游览场景”的理念，对《大江东去》一课做了升级版设计，把音乐鉴赏与沉浸式体验深度融合。

　　这一节课由九个站点构成，是一节课的整体骨架：核心站点是起点（江岸码头）→ 书房 → 探韵 → 循腔 → 绘境 → 小结，拓展站点是编创和二声部实验室，最后是结语。背后是一站一站的设计与打磨，并把 AI 工具嵌入到具体的场景中。

　　江岸码头支持游戏式自由参观，可以用键盘操作在场景中游览，拖动或双指滑动可以环视四周；但上课时自由参观过于繁琐，不适合课堂节奏，所以又把预设路径写入程序，点击即可直达下一站。

　　开场视频把《大江东去》的相关视频融入江边场景，营造中秋氛围：AI 生成的苏轼形象投在江雾上，点击“播放”键即可放大镜头播放，操作便捷。江岸码头中的苏轼不是静态摆件，而是可交互的智能体。团队独立搭建了专门的智能体训练平台，而不是使用现成的搭建平台，支持多轮问答，学生提问、苏轼回答，还设有“仲裁者”角色，确保问答内容的适宜性与准确性。

　　苏轼智能体只知晓北宋以前的历史，对后世之事不予置评。所以当被问到对青主所谱新曲的看法时，他回答“青主何人，我无从知晓”，完全符合身份设定。他还强调自己的词本是燕乐歌词，当年需要“关西大汉执铜琵琶、铁绰板”来唱，而不是柔媚之音。回答中保留约 50% 的白话，既有古风韵味又有角色感，对话更真实自然。学生可以自由向智能体提问，在互动中加深对诗词背景与意境的理解。

　　第二站是青主书房。青主（1893.6.10—1959.5.5）是《大江东去》的作曲者，青主智能体采用 3D 建模制作，可以向他提问谱曲方式、乐段速度与调性、钢琴伴奏构思等问题。

　　在探韵亭，点击播放“词曲相依”模块，可以观察曲调如何跟随歌词的字调走，通过可视化互动直观感受词与曲的对应关系。

　　更有意思的是“唱亮这一句”：学生对着话筒唱首句“大江东去，浪淘尽，千古风流人物”，唱准一个字就亮一个字。系统实时检测音高，唱高或唱低时即时纠正，帮助学生有意识地调整声音。所有计算都在本机完成，不联网、不录音，保护学生隐私。界面上还标注每个字的平仄（如“大”为去声·仄，“江”为阴平·平），并提示“普通话四声不等于宋代的平仄，只作讨论的线索”。

　　循腔台做二段式听辨对比。《大江东去》为二段式（A 段 + B 段 + 尾声）：A 段强力度，宽广、推进，激昂豪迈，旋律宽广跳进，以声带情；B 段中弱力度，舒缓、内敛，感伤之情，旋律柔和级进。点击 A 段或 B 段会亮起该段并立即播放，同时对比力度、速度与旋律走向。

　　声波台的功能更丰富：打开话筒后实时显示声音频谱，说话时呈现连续线条，拍手时呈现点状柱形；黄色线条表示检测到的音高；声波图中可以清晰看到颤音的波浪形态；右侧显示相对分贝值，实时反映声音强弱；江面状态随声音强弱变化，平静或起浪实时呈现；还可以切换到三维视图，声波从横向、纵向、立体全方位呈现。此外还能播放廖昌永演唱《大江东去》的录音，观察他的音高、力度与颤音处理。

　　绘境画舫里的“琴声作画”是实时互动工具：在“中秋江岸”场景中弹琴或播放录音，可以实时生成一幅水墨长卷。这个功能由提前写好的程序实现，并非 AI 生成，计算在本机完成，无需联网，画作可以保存为图片。

　　作画规则很直观：低音生成近山、江石，高音生成远山、云月；声音越响，墨色越浓；休止符对应画面的留白；连贯的旋律会在画卷下方形成连续的线条。

　　真正的 AI 嵌在备课台里。教师在备课时可以选取一段音乐片段（最长 60 秒），由 AI 分析伴奏与意象，接入的是语音识别与音乐识别的大模型。分析结果会标注为“待核对”，需要教师判断是否采用，分析记录保存在本机。AI 生成的内容包括：钢琴伴奏的特征描述、演唱者声音特点（如男中音 baritone）、人声旋律与钢琴伴奏的对比关系，以及自动生成用于作画的提示词。流程是：教师选取录音片段、输入清晰的指令，AI 生成分析观点与提示词，教师判断提示词是否合适，再生成水墨画，核对之后才能用于课堂。每个学生都可以生成自己专属的提示词与山水画，体现个性化学习。

　　小结在“吊旗廊”界面进行，点击揭晓三个维度的总结：旋律结构是曲意相和，伴奏意境是琴画相生。三个任务对应三个学习维度，帮助学生回顾课堂重点。

　　编创灯市上，全班投票选速度、情绪、风格，放出同词新作，再和原作对照。每排卡片请全班举手投票，老师点得票最多的一张：速度有慢、中、快；情绪有深情、轻快、豪迈气势大、温柔动人、明亮活泼、神秘朦胧悠远；风格有流行、摇滚、国风、说唱、电子、合唱、钢琴弦乐、电吉他鼓、古筝琵琶笛子、节拍念白、合成器、多声部人声。点好卡片后可以现场生成，也可以课前在备课台生成。每位学生的提示词不同，根据自己的理解生成不一样的意象性作品，非常吸引人。

　　二声部实验室是创意的进阶版：从配写与合唱，到检验写作的局限，可以编写二声部，听见两条旋律。

　　除了用键盘操作，系统还支持手势：它能检测到用户的手，做一个手势就翻页到下一个部分。学生坐在座位上或离屏幕很远时，不用专门站到前面去，一伸手就可以创作。场景的升级路径是：手搓 PPT → 生成 PPT → 生成网页 → 游览式场景 → 沉浸式场景。

　　沉浸式场景用的是苹果的空间计算机，看起来像一个 VR 头显，却是 MR 的进阶版，不只是一般的 VR 或 MR 头显：它可以把身边的整个空间当成一个屏幕，任何程序和计算都是实时的；可以把书、物件、3D 建模的物件放到现实的物理世界里，都是 1:1 的物理世界，用 AI 建模做成。戴上它，周围不再是桌椅板凳和书房，而是到了公园、江边；看着物件捏一下，它们就会打招呼互动，感觉是真实的互动。除了空间计算，还有声音空间的计算：往左边看，声音就会出现在右边，是实时的声音和空间计算功能。有体验、有纠正、有任务，一个接一个导引着往下走。借助 Share Play 功能，班上的孩子都戴上头显，他们就会出现在你面前，整班同学可以一起到公园游览。

　　落地方案已经成型。目前有八个场景：江岸诗乐、园林戏台、草原牧歌、黄河壶口、音乐厅、山水长卷、世界音乐港、录音棚与舞台。江岸诗乐适合艺术歌曲、诗词歌曲、独唱曲；园林戏台适合戏曲、江南丝竹、江南民歌；草原牧歌适合少数民族音乐、民歌体裁（长调与短调）、马头琴等民族乐器；黄河壶口适合中国近现代音乐、合唱、西北民歌（信天游）；音乐厅适合交响曲、协奏曲、奏鸣曲式、西方音乐史各时期；山水长卷适合民族器乐独奏与合奏；世界音乐港适合世界民族音乐，包括亚洲、非洲、拉丁美洲音乐；录音棚与舞台适合流行音乐、音乐剧、电子音乐、音乐与科技。

　　操作是统一的：行走、翻页、放大阅读、向 AI 人物提问、声波台——换场景、换内容，不换用法。路径也可以调整，比如从第一站直接跳到第四站，循腔台可以换成其他内容，吊旗也可以换成不同的样子，根据自己的教学需要套上去就行。

　　课包落地的流程分五步：第一步，教师先要有教学设计；第二步，填写课包模板，包括课件、每一站的要求和材料；第三步，准备 AI 人物和事实卡，AI 人物如苏轼和青主，事实卡包括角色所处时代和沟通方法；第四步，AI 助手生成课包，然后在游览中做修改；第五步，带到课堂前需要先安装软件，再把课包文件导入软件即可使用。

（2）方法之变（01:40:55）

　　方法上的变化，首先体现在工具前所未有的丰富：数字人、讲解、实时打分、对话辩论、AR/VR、声音可视化、AI 创作等等。这里呈现的是一场机器人的实时辩论，不是提前写好的。正方是豆包，反方是千问，评委是 DeepSeek，辩题是“十年后 AI 能让音乐教师失业吗”。

　　正方认为：AI 能精准适配每个学生的节奏，实时纠音陪练，定制专属课，性价比碾压普通老师，大部分音乐教师岗位将被替代。反方认为：教育的核心是人与人的情感联结，音乐是心跳的共振，不是数据的校准；AI 能复制技能，但教音乐是教“心怎么跳”。评委点评：正方最有力之处在于 AI 能高效覆盖识谱、纠音、陪练等教学刚需，成本碾压；反方只守住了情感高地，没有反驳“大部分岗位可被替代”这一关键点。本场获胜方是正方。

　　需要说明的是，辩论结果并不固定，取决于辩论时长——3 分钟、4 分钟、5 分钟时论点数量不同，最终答案也会随之变化。迁移到教学中，学生若有不同观点或对作品有不同看法，都可以与 AI 辩论。但所有设计都基于人的培养与训练，每次辩论中“人”才是最终的胜利者，因为机器是在人的操控之下完成的。

　　工具虽然丰富，问题也很明显：数字人往往只是“动漫人”，不符合真人气质与音乐想象力；很多 AI 应用停留在“点状”层面，只是把素材插入 PPT、做碎片化点缀，而不是深度融合。这里有一条边界——AI 是助教，不是主教：数字人再逼真也替代不了师生“共在”的体验，看到不等于体验到，“人机交互”才有体验感。体验的可视化方式包括 AR/VR 沉浸氛围、声音可视化、体验可视化等，比如戏曲身段体验（赤峰大学展馆中的京剧动作体验），说明在不同课型中，所有体验与表现都可以借助技术完成。

　　两节课的对比很能说明问题。同样涉及“一字型腔”，《大江东去》课例通过 AI 把朗诵的节奏韵律与歌唱的节奏韵律做声波可视化对比，学生不光“听到”“感受到”，更能“看到”声波的差异，获得从听觉到视觉的完整感受。《四川清音》是川渝大赛一等奖课例，学生通过听觉感受判断“一字型腔”（比如“布谷鸟儿咕咕叫”的韵律感），如果此时再加入声波可视化，让学生“看到”“体验到”，理解会更清晰。两节课都是获奖的优秀案例，不同之处在于《大江东去》在“体验可视化”上更进了一步。

（3）评价之变（01:48:24）

　　传统的课堂评价依赖主观印象：哪怕研究者做课堂观察记录，哪怕三四个人同时观察一个课堂，也达不到 AI 分析那样精确、细致和个性化。AI 赋能评价的优势在于质性分析与量化数据融为一体。

　　以 2023 年《西部放歌》这一普通课例为例，AI 的分析维度包括课型特征、学习方式、教师与学生时长、课堂语速、师生表现、教师巡视位置、课堂提问层次等。量化数据显示：问题总数 79 个，其中非思维问题占到 44.56%，其余是初级思维与高阶思维问题（高阶思维问题占比亦在同组数据中被单独统计）。由此得出的结论是：这是一节以讲授为主、而非以学生为主体的常规课。教师把这类分析用到自己的课堂上，能实时对自己的教学有清醒的认识，并做出及时调整。

　　评价也有边界：数据是起点，不是终点。用 AI 来评价，不是为了评价而评价，而是为了改进教学，转向真正理解、独立判断与解决真实问题。

（4）时空之变（01:50:54）

　　课前，AI 可以提供学习分析与拓展素材，支持课前预习；课中，线上线下融合，课堂可以与机器人互动、答疑；课后，AI 陪练延伸到家庭，提供实时、精准、个性化的作业支持，练习数据回传给教师，帮助教师掌握学生课后学习的情况。

　　边界同样要守住：全域贯通不等于全时监控。AI 赋能不应演变为对学生的全时监控，学生需要不被打扰的私人聆听空间，设计应当是动态的，而不是写死的控制。

（5）关系之变（01:51:43）

　　学生从被动接受转向自主探索，而学生能否自主探索，取决于教师对课堂与教学的设计。教师则从讲授者变成设计者，成为学习的设计者、高阶学习的引导者。课堂结构也从二元走向三元：人机协同学习让课堂从“人—人”二元结构拓展为“人—机—人”三元结构，AI 成为第三主体；但边界很明确，它虽是重要主体，却不是与师生平等的独立主体。

（6）管理之变（01:52:19）

　　学情、教学资源、课堂交流评价、师资、教研教务、美育项目等各个维度都可以用 AI 赋能精细化管理，管理方式也从纸质文档、受限于存储空间转向大数据记录。节省出来的时间用来做什么？投入到真正不可替代的教育现场——用来设计，用来思考，这些才是 AI 不可替代的部分。

5. 六大原则：智慧共生（01:53:05）

　　核心理念是 AI 与教育者智慧共生，各司其职，共同促进教育发展。

（1）真实性原则（01:53:16）

　　真实性原则的内涵是虚拟为辅、真实为本。AI 生成的图片和视频非常多，前提是必须经过历史、人文、科学等逻辑的考证，也包括细节中的小巧思。

　　以《哪吒》系列电影为例：敖丙深海落泪，泪滴却向上飘，这不是 bug，而是真实的溶液密度差原理——海水盐分高、密度大，泪滴盐分低、密度小，浮力把泪滴托了起来。如果没有物理学知识融在里面，眼泪一定是向下流的，设计成向上流反倒会被认为不符合常理。

　　这对教师提出了更高的要求：教师要做真实性的考证，不仅需要学科知识，还要有更广博的历史、人文、科学知识。AI 是灵活、多元、智慧的，但这个智慧需要人来赋予。

（2）目的性原则（01:55:45）

　　目的性原则的内涵是靶向赋能、解决问题。使用 AI 一定要有明确的教学目标，用来破解教学难点，而不是为了炫技而用 AI。

　　一位获奖教师设计的关牧村介绍就非常有温度，而不是让一个冷冰冰的机器人来讲解，其中引用了施光南先生为《打起手鼓唱起歌》寻找声音时说过的话：“这首歌要唱出大地的辽阔，人民的心声。我需要一个声音……”《大江东去》案例里，提前录好的话、生成的图片和视频、动画人讲解知识点，也都服务于明确的教学目标，指向感知、体验、理解、创新，引发学生思考。

（3）过程性原则（01:56:58）

　　过程性原则的内涵是聚焦过程、深度思维。在 AI 时代，提问比答案更重要：人来提问，AI 给答案。会读书、会思考，才能建立起认知框架，凝练出犀利的问题；否则只能一键生成，而且无从判断答案的准确度。

　　清华大学的课堂变化很能说明问题：以往要求学生不允许用 AI 生成论文，这学期有些老师却要求必须用 AI 完成作业；但交的不是作业本身，而是 AI 的问题链。训练时要允许提问出错，不要追求一步到位；也不要直接训练答案——能引导学生思考探究、保留学生思维活动的 AI 才是好 AI。

（4）实践性原则（01:58:47）

　　实践性原则的内涵是声音可见、情感可触。音乐是聆听的艺术，是非具象性的；人的审美力无法被告知，只能在亲历的过程中慢慢建构。情思教学中，“情”是情感的投入（情动于中而形于言），“思”是思维的参与，学生在感受中追问“是什么在打动我”。停留在语言上的表达是苍白的，只是一个符号。

　　AI 的作用是帮助学生完成从具体到抽象再到具体的音乐育人规律，而不是跳过体验直接给出答案。学习路径是：从听到，到看到，最终到体验到。《大江东去》第一版只停留在看到声波，没有体验到；改进版通过网页互动，让学生亲自唱、吟诵，体验自己的心跳、歌声与钢琴伴奏、大江波涛的波形是否吻合，由此上升到哲学层面，“天人合一”就不再是空话，而是学生亲身体验到的结论。

（5）非确定性原则（02:00:56）

　　非确定性原则的内涵是包容生成、预留空间。AI 擅长输出确定、标准化的答案，而音乐教育的使命恰恰是守护和培养审美上的非确定性——多元、开放、不确定的审美思考。

　　以八年级和弦教学为例，不能停留在识别和弦构成（大三加小三的数理角度），那背离了音乐学习的本质。可以利用 AI 生成多套和弦伴奏，让学生聆听和弦色彩，关联生活里的情绪感受；AI 给出一套“稳妥标准”的和弦，但音乐情绪表达没有唯一解，以此培养学生多元的听觉审美。具体做法是：以《小星星》的旋律为例，AI 生成三套和弦方案（常规和弦、小三和弦、含临时变化音的和弦），学生先听，感受是晴天、傍晚还是雨天，再揭晓颜色、用贴纸写感受，最后还可以改编和弦，由全班和老师共同决定，实现个性化。

（6）综合性原则（02:05:41）

　　综合性原则的内涵是多维融合、整体育人，目标是实现综合的音乐素养培养，而不是碎片化的单点学习。综合的维度包括感知与文化综合、能力与品格综合、学科内外综合（跨学科）。前面分享的《大江东去》最终案例就运用了大量跨学科内容。

6. 总结：守其正，术随其时（02:06:26）

　　六大原则可以分成三层。基础层是应用的边界：真实性原则，虚拟为辅、真实为本；目的性原则，靶向赋能、解决问题。实施层是教学的内核：过程性原则，聚焦过程、深度思维（还可以补充生成性、互动性等）；实践性原则，声形可视、情感可感；非确定性原则，包容生成、预留空间。升华层是育人目标：综合性原则，多维融合、整体育人。

　　与六大原则一一呼应的，是六个需要警惕的问题：警惕虚拟替代真实，警惕为技术而技术，警惕 AI 剥夺思维，警惕标准化答案固化审美，警惕学习碎片化，警惕审美同质化，还要警惕版权和内容的风险。

　　使用 AI 有一条核心原则：技术始终是服务教育的工具，而不是目的。使用 AI 时必须坚守育人初心，以学生的全面发展、审美提升与思维培养为核心，避免技术异化教育本质。

　　最后归结为一句话：守其正，术随其时。把握道与术的关系，把握规律，面向未来的音乐教育，培养面向未来的教育者。

　　回到最初的问题，AI 赋能音乐教学的“变与不变”可以这样总结：变的是教学资源的获取和生成方式，通过新技术手段让学习过程更丰富、让成长更可视；不变的是音乐育人的逻辑——学生通过感知、体验、表现、理解和创新去学习音乐。教师的价值不会因为 AI 的出现而被取代，相反，面对越来越丰富的技术和资源，判断、设计、引导和把关变得更加重要。AI 赋能音乐教学的最终目的，不是让课堂拥有更多技术，而是让技术真正服务于学习、服务于学生的成长。教育的本质是让学习真正发生，让成长真正可见。

三、知识小结

主题	核心观点	文中金句
AI 时代音乐教学的变与不变	技术赋能教育需回归育人本质：变的是工具与方式，不变的是音乐育人逻辑（感知—体验—理解—创新）	“给水给空气给不了了，但获得空气和水的原理我能给学生”
AI 工具选型与定位	大模型是底座，LLM 以语言为核心，Agent 是带记忆、工具、规划的执行系统；按易用性与部署需求选择	“Agent 像助理，你给目标，他拆解步骤调用工具把事办完”
AI 赋能备课与教学资源生成	AI 减轻重复性工作负担，但教案仍需教师基于课标、教材二次修改，AI 生成是起点而非终点	“AI 生成、AI 批改，最后签字的还是老师”
AI 在课堂互动与沉浸式体验中的应用	通过游戏式游览、VR 场景、智能体对话实现“身临其境”的在场感，激发学生“我要创作”的内驱力	“学生喜欢音乐又不喜欢音乐课，AI 能让学生像喜欢游戏一样喜欢音乐课”
AI 赋能过程性评价与成长记录	评价从主观印象转向数据驱动，实现精准教学与个性化成长轨迹记录	“数据是起点不是终点，评价是为了改进教学，而非为了评价而评价”
AI 在音乐技能训练中的应用	实时音准纠正与声波可视化让抽象的音乐可看可感，创作门槛大幅降低	“从听到、到看到、再到体验到，AI 帮助学生完成从具体到抽象再到具体的音乐育人规律”
AI 赋能创意实践与和声教学	和声教学从数理计算转向情感体验，AI 提供个性化创作工具	“AI 擅长输出确定性、标准化的答案，但音乐教育守护的是审美上的非确定性”
AI 辅助课堂辩论与高阶思维培养	AI 辩论激发思辨能力，但人在操控之下始终是胜利者	“技术可以复制技能，但教音乐从来不是教手指动，是教心怎么跳”
AI 赋能课堂分析与教研	AI 对课堂做质性与量化融合分析，帮助教师清醒认识并调整教学	“AI 分析课堂，数据是起点不是终点，要转向真正理解、独立判断与解决真实问题”
AI 时代教师角色转型	教师从知识传授者转向引导者、设计者、组织者，需提升提问能力与跨学科素养	“提问比答案更重要，考验的是你的思维、读过的书、有多少知识见识”
AI 应用六大原则与风险防范	基础层（真实性、目的性）→ 实施层（过程性、实践性、非确定性）→ 升华层（综合性），对应六大风险	“技术始终是服务教育的工具，而不是目的；避免技术异化教育本质”