第一階段：打開耳朵與認識環境 (體驗週)
第 1 週：聲音為什麼會「跑」？
• [人文體驗] 在教室閉上眼，聽老師播放示範作品。感受聲音從背後跑到前面的驚奇感。
• [認識器材] 數數看教室有幾顆 Genelec 8010A 喇叭 ？它們為什麼要這樣掛？
第 2 週：控制聲音的駕駛艙：混音座初體驗
• [認識器材] 認識 Allen & Heath dLive C2500 混音座 。
• [動手玩] 學習推動 Fader（推桿）改變音量。不教複雜設定，只學「如何把聲音送出去」。
第 3 週：聲音的魔術師：SPAT Revolution 軟體
• [軟體體驗] 看著 SPAT Revolution 的畫面，把代表聲音的「圓點」在螢幕上拖拉。
• [聽覺連結] 感受當原本在螢幕左邊的點移到右邊時，教室裡的聲音發生了什麼變化？
第 4 週：把聲音變形：GRM Tools 效果器
• [軟體體驗] 使用 GRM Tools 的 "Spaces" 功能。
• [創意練習] 讓一個簡單的「說話聲」變成像是在「外太空中飄浮」。
第 5 週：戴上眼鏡進去玩：VR 聲音體驗
• [認識器材] 配戴 Meta Quest 3 或 HTC VIVE 。
• [體驗] 玩一款簡單的 VR 音樂遊戲或體驗軟體，討論「看到的」跟「聽到的」有沒有對在一起？
第 6 週：什麼是 Dante？（概念篇）
• [認識器材] 看到 Dante 介面卡 與網路線。
• [觀念] 只要知道「聲音現在是透過網路線在跑」，像傳 Email 一樣方便，不用接一堆笨重的線。
第 7 週：校外參訪或案例欣賞
• [人文觀摩] 欣賞國際藝術節（如 Ars Electronica）的沈浸式作品影片。
• [討論] 藝術家如何用空間聲音來說故事？
第 8 週：【期中分享】我的空間點子
• [輕鬆聊] 每人用 3 分鐘分享一個「想做的聲音場景」（例如：我想做一個在森林裡下雨的感覺，雨聲要從頭頂落下來）。
第二階段：動手玩創意 (創作週)
第 9 週：素材蒐集與整理
• [實作] 帶一個自己喜歡的聲音檔案來（手機錄的也可以）。
• [練習] 把它放進電腦，試著用喇叭播放出來。
第 10 週：讓聲音轉圈圈 (簡易自動化)
• [實作] 學習如何讓 SPAT 軟體自動幫你移動聲音（畫一個圓，聲音就自己轉）。
• [應用] 製作一個「環繞身邊的蚊子聲」。
第 11 週：創造空間的深淺 (遠近感)
• [實作] 使用 Exponential Audio R4 這種殘響軟體。
• [聽感] 比較「浴室的聲音」跟「大峽谷的聲音」有什麼不同？
第 12 週：跟影像搭配 (配樂組)
• [分組活動] 如果你有影片，試著把聲音對準畫面中的物體移動。（沒有影片的同學可做純聲音）。
• 利用 Mac Pro 的強大效能來播放影片。
第 13 週：作品實作指導 (一)
• [工作室時間] 同學在教室輪流使用器材，老師在旁協助解決「聲音出不來」等基本問題。
第 14 週：作品實作指導 (二)
• [工作室時間] 嘗試把作品錄下來，或設定好自動播放。
第 15 週：如何寫作品介紹 (論述)
• [人文練習] 練習用文字描述你的作品。範例：「這個作品是關於我小時候對海浪的記憶...」。（但具有碩士研究深度的延展）
• [準備] 確認期末要播放的檔案沒問題。
第 16 週：【期末聆聽會】沈浸式聲響派對
• [成果發表] 大家坐在教室最舒服的位置（皇帝位），輪流欣賞彼此的作品。
• [回饋] 互相分享聽到了什麼有趣的空間效果。
第 1 週：聲音為什麼會「跑」？
• [人文體驗] 在教室閉上眼，聽老師播放示範作品。感受聲音從背後跑到前面的驚奇感。
• [認識器材] 數數看教室有幾顆 Genelec 8010A 喇叭 ？它們為什麼要這樣掛？
第 2 週：控制聲音的駕駛艙：混音座初體驗
• [認識器材] 認識 Allen & Heath dLive C2500 混音座 。
• [動手玩] 學習推動 Fader（推桿）改變音量。不教複雜設定，只學「如何把聲音送出去」。
第 3 週：聲音的魔術師：SPAT Revolution 軟體
• [軟體體驗] 看著 SPAT Revolution 的畫面，把代表聲音的「圓點」在螢幕上拖拉。
• [聽覺連結] 感受當原本在螢幕左邊的點移到右邊時，教室裡的聲音發生了什麼變化？
第 4 週：把聲音變形：GRM Tools 效果器
• [軟體體驗] 使用 GRM Tools 的 "Spaces" 功能。
• [創意練習] 讓一個簡單的「說話聲」變成像是在「外太空中飄浮」。
第 5 週：戴上眼鏡進去玩：VR 聲音體驗
• [認識器材] 配戴 Meta Quest 3 或 HTC VIVE 。
• [體驗] 玩一款簡單的 VR 音樂遊戲或體驗軟體，討論「看到的」跟「聽到的」有沒有對在一起？
第 6 週：什麼是 Dante？（概念篇）
• [認識器材] 看到 Dante 介面卡 與網路線。
• [觀念] 只要知道「聲音現在是透過網路線在跑」，像傳 Email 一樣方便，不用接一堆笨重的線。
第 7 週：校外參訪或案例欣賞
• [人文觀摩] 欣賞國際藝術節（如 Ars Electronica）的沈浸式作品影片。
• [討論] 藝術家如何用空間聲音來說故事？
第 8 週：【期中分享】我的空間點子
• [輕鬆聊] 每人用 3 分鐘分享一個「想做的聲音場景」（例如：我想做一個在森林裡下雨的感覺，雨聲要從頭頂落下來）。
第二階段：動手玩創意 (創作週)
第 9 週：素材蒐集與整理
• [實作] 帶一個自己喜歡的聲音檔案來（手機錄的也可以）。
• [練習] 把它放進電腦，試著用喇叭播放出來。
第 10 週：讓聲音轉圈圈 (簡易自動化)
• [實作] 學習如何讓 SPAT 軟體自動幫你移動聲音（畫一個圓，聲音就自己轉）。
• [應用] 製作一個「環繞身邊的蚊子聲」。
第 11 週：創造空間的深淺 (遠近感)
• [實作] 使用 Exponential Audio R4 這種殘響軟體。
• [聽感] 比較「浴室的聲音」跟「大峽谷的聲音」有什麼不同？
第 12 週：跟影像搭配 (配樂組)
• [分組活動] 如果你有影片，試著把聲音對準畫面中的物體移動。（沒有影片的同學可做純聲音）。
• 利用 Mac Pro 的強大效能來播放影片。
第 13 週：作品實作指導 (一)
• [工作室時間] 同學在教室輪流使用器材，老師在旁協助解決「聲音出不來」等基本問題。
第 14 週：作品實作指導 (二)
• [工作室時間] 嘗試把作品錄下來，或設定好自動播放。
第 15 週：如何寫作品介紹 (論述)
• [人文練習] 練習用文字描述你的作品。範例：「這個作品是關於我小時候對海浪的記憶...」。（但具有碩士研究深度的延展）
• [準備] 確認期末要播放的檔案沒問題。
第 16 週：【期末聆聽會】沈浸式聲響派對
• [成果發表] 大家坐在教室最舒服的位置（皇帝位），輪流欣賞彼此的作品。
• [回饋] 互相分享聽到了什麼有趣的空間效果。
第 1 週：聽覺覺醒：頻率與物理
• [TET (Technical Ear Training，技術性聆聽) 核心] 建立頻率音感 (63Hz-10kHz)。
• [實作]（Digital Work Station）使用定錨。學生可使用自己習慣使用的DAW
第 2 週：麥克風原理與離軸染色
• [TET] 辨識「近講效應」與「離軸色彩」。
• 麥克風認識與測試
• 比較式混音練習一（單獨樂器）
o 基礎整備與靜態混音 (Static Mix)
素材整理： 學習軌道命名、顏色分類及群組 (Grouping) 設定。
增益結構 (Gain Staging)： 確保每個軌道有足夠的餘裕 (Headroom)，避免數位失真。
靜態平衡： 僅使用「音量推桿 (Fader)」與「相位 (Panning)」建立初步的聽感，不使用任何特效。
第 3 週：DAW 操作與數位瑕疵
• [TET] 聽出 Clipping, Jitter, MP3 Artifacts 等數位失真。
• [實作] DAW 介面設定、Routing 與 AI 自動標記 (Auto-tagging)。
• 比較市混音練習二（環境聲響）
第 4 週：田野錄音行前教育
• [TET] 環境信噪比 (SNR) 預判訓練。
• [AI] 利用 ChatGPT 協助規劃田野路徑、設備清單與風險評估。
• 比較式混音練習三（多聲部樂器）
o 等化器 (EQ)： 學習「減法 EQ」消除衝突頻率，使用低通/高通濾波器清理空間。
o 動態壓縮 (Compression)： 理解閾值 (Threshold)、比例 (Ratio) 及啟動/釋放時間。練習控制人聲或大鼓的動態一致性。
o 實戰練習： 處理大鼓與貝斯的頻率衝突（側鏈壓縮 Sidechain 的初步應用）。
第 5 週：【田野實作週】
• 移地教學：台南在地採集 (如：七股溼地、宮廟科儀)。
• 實地操作手持錄音機、雙耳麥克風 (Binaural) 進行聲景採集。
• 比較式混音練習三（環境聲響）
第 6 週：頻譜修復與 AI 降噪
• [重點] 操作 iZotope RX (Repair Assistant) 進行智慧降噪。
• [比較] 分析 AI 自動修復與手動頻譜繪圖修復的音質差異。
• 比較式混音練習三（多聲部樂器）
o 空間效果器： 區別 Reverb (空間感) 與 Delay (層次感) 的應用。
o 傳送/返回 (Send/Return) 模式： 學習為何不在單一軌道直接掛空間效果，以保持混音清晰度。
o 深度營造： 練習利用效果器的長短營造聲音的前後距離。
第 7 週：音源分離技術 (Stem Separation)
• [AI] 使用 SpectraLayers / Gaudio 將田野單軌錄音拆解為「人聲/環境/特效」。
• [TET] 檢測分離後音軌的相位完整性。
• 比較式混音練習三（多聲部樂器與聲響）
第 8 週：【期中聽測與發表】
o 發表修復後的田野素材庫 (Sample Pack)。
o 期中「黃金耳朵」聽力大會考 (頻率與動態盲測)。
第 9 週：動態處理 (Dynamics)
• [TET] 聽辨壓縮器的 Attack/Release 設定對聲音「律動」的影響。
• [AI] 使用 Smart:Comp 觀察 AI 的動態參數建議邏輯。
第 10 週：空間效果與深度 (Space)
• [TET] 解析 Reverb 的 Pre-delay 與空間種類 (Plate/Hall)。
• [AI] 使用 Neoverb 讓 AI 自動調配空間參數，避免頻率掩蔽。
第 11 週：混音平衡與掩蔽效應
• [重點] 處理頻率打架 (Masking)。
• [AI] 操作 Neutron (Masking Meter) 視覺化衝突頻段並進行 EQ 修正。
第 12 週：創意混音與音色轉換
• [實驗] 運用 AI Timbre Transfer (DDSP) 將環境音「樂器化」。
• [美學] 平行壓縮 (Parallel Comp) 與側鏈 (Sidechain) 應用。
第 13 週：母帶後期處理 (Mastering)
• [標準] 響度標準 (LUFS) 與串流平台規範。
• [AI] 使用 Ozone Master Assistant 生成母帶參數並進行 A/B Test。
第 14 週：聲景文獻導讀
• [理論] R. Murray Schafer 聲景學導讀。
• [AI] 利用 AI 研究工具 (Elicit/SciSpace) 輔助文獻回顧與摘要。
第 15 週：論文寫作與排版
• 撰寫技術報告。製作 AI 頻譜分析圖表 (Spectrogram) 佐證聽覺判斷。
• 檢視個人聽力進化歷程。
第 16 週：【期末成果發表】
• 台南聲景發布會 (作品上架)。
• 包含完整混音專輯、製作報告與聲景論文。
• [TET (Technical Ear Training，技術性聆聽) 核心] 建立頻率音感 (63Hz-10kHz)。
• [實作]（Digital Work Station）使用定錨。學生可使用自己習慣使用的DAW
第 2 週：麥克風原理與離軸染色
• [TET] 辨識「近講效應」與「離軸色彩」。
• 麥克風認識與測試
• 比較式混音練習一（單獨樂器）
o 基礎整備與靜態混音 (Static Mix)
素材整理： 學習軌道命名、顏色分類及群組 (Grouping) 設定。
增益結構 (Gain Staging)： 確保每個軌道有足夠的餘裕 (Headroom)，避免數位失真。
靜態平衡： 僅使用「音量推桿 (Fader)」與「相位 (Panning)」建立初步的聽感，不使用任何特效。
第 3 週：DAW 操作與數位瑕疵
• [TET] 聽出 Clipping, Jitter, MP3 Artifacts 等數位失真。
• [實作] DAW 介面設定、Routing 與 AI 自動標記 (Auto-tagging)。
• 比較市混音練習二（環境聲響）
第 4 週：田野錄音行前教育
• [TET] 環境信噪比 (SNR) 預判訓練。
• [AI] 利用 ChatGPT 協助規劃田野路徑、設備清單與風險評估。
• 比較式混音練習三（多聲部樂器）
o 等化器 (EQ)： 學習「減法 EQ」消除衝突頻率，使用低通/高通濾波器清理空間。
o 動態壓縮 (Compression)： 理解閾值 (Threshold)、比例 (Ratio) 及啟動/釋放時間。練習控制人聲或大鼓的動態一致性。
o 實戰練習： 處理大鼓與貝斯的頻率衝突（側鏈壓縮 Sidechain 的初步應用）。
第 5 週：【田野實作週】
• 移地教學：台南在地採集 (如：七股溼地、宮廟科儀)。
• 實地操作手持錄音機、雙耳麥克風 (Binaural) 進行聲景採集。
• 比較式混音練習三（環境聲響）
第 6 週：頻譜修復與 AI 降噪
• [重點] 操作 iZotope RX (Repair Assistant) 進行智慧降噪。
• [比較] 分析 AI 自動修復與手動頻譜繪圖修復的音質差異。
• 比較式混音練習三（多聲部樂器）
o 空間效果器： 區別 Reverb (空間感) 與 Delay (層次感) 的應用。
o 傳送/返回 (Send/Return) 模式： 學習為何不在單一軌道直接掛空間效果，以保持混音清晰度。
o 深度營造： 練習利用效果器的長短營造聲音的前後距離。
第 7 週：音源分離技術 (Stem Separation)
• [AI] 使用 SpectraLayers / Gaudio 將田野單軌錄音拆解為「人聲/環境/特效」。
• [TET] 檢測分離後音軌的相位完整性。
• 比較式混音練習三（多聲部樂器與聲響）
第 8 週：【期中聽測與發表】
o 發表修復後的田野素材庫 (Sample Pack)。
o 期中「黃金耳朵」聽力大會考 (頻率與動態盲測)。
第 9 週：動態處理 (Dynamics)
• [TET] 聽辨壓縮器的 Attack/Release 設定對聲音「律動」的影響。
• [AI] 使用 Smart:Comp 觀察 AI 的動態參數建議邏輯。
第 10 週：空間效果與深度 (Space)
• [TET] 解析 Reverb 的 Pre-delay 與空間種類 (Plate/Hall)。
• [AI] 使用 Neoverb 讓 AI 自動調配空間參數，避免頻率掩蔽。
第 11 週：混音平衡與掩蔽效應
• [重點] 處理頻率打架 (Masking)。
• [AI] 操作 Neutron (Masking Meter) 視覺化衝突頻段並進行 EQ 修正。
第 12 週：創意混音與音色轉換
• [實驗] 運用 AI Timbre Transfer (DDSP) 將環境音「樂器化」。
• [美學] 平行壓縮 (Parallel Comp) 與側鏈 (Sidechain) 應用。
第 13 週：母帶後期處理 (Mastering)
• [標準] 響度標準 (LUFS) 與串流平台規範。
• [AI] 使用 Ozone Master Assistant 生成母帶參數並進行 A/B Test。
第 14 週：聲景文獻導讀
• [理論] R. Murray Schafer 聲景學導讀。
• [AI] 利用 AI 研究工具 (Elicit/SciSpace) 輔助文獻回顧與摘要。
第 15 週：論文寫作與排版
• 撰寫技術報告。製作 AI 頻譜分析圖表 (Spectrogram) 佐證聽覺判斷。
• 檢視個人聽力進化歷程。
第 16 週：【期末成果發表】
• 台南聲景發布會 (作品上架)。
• 包含完整混音專輯、製作報告與聲景論文。
1.互動媒體在科技藝術之應用
2.虛擬實境在各領域之應用
3.VR電影體驗與賞析
4.3D虛擬世界之建構
5.3D實景影像之拍攝
6.Unity程式設計實務
7.創作發展計畫之討論與定案
8.作品實作與討論
9.創作成果發表與討論
2.虛擬實境在各領域之應用
3.VR電影體驗與賞析
4.3D虛擬世界之建構
5.3D實景影像之拍攝
6.Unity程式設計實務
7.創作發展計畫之討論與定案
8.作品實作與討論
9.創作成果發表與討論
- 教師: helinluo 羅禾淋
每週課程進度 Course Weekly Schedule
1. Introduction to Music Data and Generation
2. Fundamentals of Musical Audio
3. Music Classification
4. CNN & RNN
5. Music Transcription
6. Source Separation
7. GAN & Vocoders
8. Middle Test
9. Fundamentals of Symbolic Music
10. Symbolic MIDI Generation
11. Synthesis and Style Transfer
12. Singing Voice Generation
13. Music Generation
14. Text-to-Music Generation
15. Differentiable DSP models
16. Automatic Mixing
17. Some Advanced Topics
18. Final Test
1. Introduction to Music Data and Generation
2. Fundamentals of Musical Audio
3. Music Classification
4. CNN & RNN
5. Music Transcription
6. Source Separation
7. GAN & Vocoders
8. Middle Test
9. Fundamentals of Symbolic Music
10. Symbolic MIDI Generation
11. Synthesis and Style Transfer
12. Singing Voice Generation
13. Music Generation
14. Text-to-Music Generation
15. Differentiable DSP models
16. Automatic Mixing
17. Some Advanced Topics
18. Final Test
- 教師: jtyan 顏金泰
每週課程進度 Course Weekly Schedule
1. History and Development in Deep Learning
2. Deep Learning for Pattern Recognition in Image Data
3. Concept and Architecture of Neural Networks (NNs)
4. Forward and Backpropagation in Neural Networks (NNs)
5. Regularization and Optimization
6. Gradient Descent (GD) and Stochastic Gradient Descent (SGD)
7. Convolutional NNs (CNNs) for Image Classification
8. Training in Convolutional NNs (CNNs)
9. Middle Test
10. Deep Learning for Text Data
11. Recurrent Neural Networks (RNNs)
12. Long Short-Term Memory (LSTM)
13. Attention
14. Encoder & Decoder
15. Transformers
16. Deep Learning for Graphs
17. Graph NNs (GNNs)
18. Final Test
1. History and Development in Deep Learning
2. Deep Learning for Pattern Recognition in Image Data
3. Concept and Architecture of Neural Networks (NNs)
4. Forward and Backpropagation in Neural Networks (NNs)
5. Regularization and Optimization
6. Gradient Descent (GD) and Stochastic Gradient Descent (SGD)
7. Convolutional NNs (CNNs) for Image Classification
8. Training in Convolutional NNs (CNNs)
9. Middle Test
10. Deep Learning for Text Data
11. Recurrent Neural Networks (RNNs)
12. Long Short-Term Memory (LSTM)
13. Attention
14. Encoder & Decoder
15. Transformers
16. Deep Learning for Graphs
17. Graph NNs (GNNs)
18. Final Test
- 教師: jtyan 顏金泰
每週課程進度 Course Weekly Schedule
1. Model、Learning and Algorithm
2. Complexity and Greedy Algorithm
3. Dynamic Programming
4. Divide and Conquer
5. Supervised Learning: Classification
6. Linear Regression
7. Logistic Regression
8. Middle Test
9. Baye’s Theorem and Naïve Bayes
10. Decision Trees
11. Random Forests
12. Support Vector Machine (SVM)
13. Unsupervised Learning: Clustering
14.K-Nearest Neighbor(KNN)
15. K-Means Clustering
16. Hierarchical Clustering
17. Dimensionality Reduction: PCA
18. Final Test
1. Model、Learning and Algorithm
2. Complexity and Greedy Algorithm
3. Dynamic Programming
4. Divide and Conquer
5. Supervised Learning: Classification
6. Linear Regression
7. Logistic Regression
8. Middle Test
9. Baye’s Theorem and Naïve Bayes
10. Decision Trees
11. Random Forests
12. Support Vector Machine (SVM)
13. Unsupervised Learning: Clustering
14.K-Nearest Neighbor(KNN)
15. K-Means Clustering
16. Hierarchical Clustering
17. Dimensionality Reduction: PCA
18. Final Test
- 教師: jtyan 顏金泰
每週課程進度 Course Weekly Schedule
第1週 課程進度介紹
第2週 聲音科學與電子音樂中的聲響
第3週 電子音樂歷史發展/ 「模擬合成」（analog synthesis）、「磁帶音樂」（Tape Music）、「互動音樂」（Computer Interactive Music）、「聲景」（Soundscape）、「唯聲音樂」（Acousmatic Music）概觀
第4週 Murray Schafer與Barry Truax之聲景作品分析：Abstracted / Found Sound概念
第5週 電子音樂分析概念——Denis Smalley「頻譜形態學」（Spectralmorphology）探討
第6週 Acousmatic Music分析 I
第7週 Acousmatic Music 分析II
第8週 期中口頭報告
第9週 器樂與電子聲響的結合I——固定媒體（或早期磁帶）與器樂：探討早期作曲家Edgard Varèse、Luigi Nono、Karlheinz Stockhausen等人相關作品探討
第10週 器樂與電子聲響的結合II——樂器即時處理技術：Mario Davidovsky、David Behrman等人相關作品探討
第11週 器樂與電子聲響的結合III——樂器即時處理技術：Philippe Manoury、Tristan Murail等人相關作品探討
第12週 電子音樂中的空間要素I——聲音空間化：Boulez《Répons》探討
第13週 電子音樂中的空間要素II——Ambisonics技術：Natasha Barrett
第14週 電子音樂中的AI技術I：George Lewis的Voyager系統
第15週 電子音樂中的AI技術II：Somax2中的MFCC與聲響分析
第16週 期末作品發表
第17週 期末作品發表
第18週 個別指導與建議
第1週 課程進度介紹
第2週 聲音科學與電子音樂中的聲響
第3週 電子音樂歷史發展/ 「模擬合成」（analog synthesis）、「磁帶音樂」（Tape Music）、「互動音樂」（Computer Interactive Music）、「聲景」（Soundscape）、「唯聲音樂」（Acousmatic Music）概觀
第4週 Murray Schafer與Barry Truax之聲景作品分析：Abstracted / Found Sound概念
第5週 電子音樂分析概念——Denis Smalley「頻譜形態學」（Spectralmorphology）探討
第6週 Acousmatic Music分析 I
第7週 Acousmatic Music 分析II
第8週 期中口頭報告
第9週 器樂與電子聲響的結合I——固定媒體（或早期磁帶）與器樂：探討早期作曲家Edgard Varèse、Luigi Nono、Karlheinz Stockhausen等人相關作品探討
第10週 器樂與電子聲響的結合II——樂器即時處理技術：Mario Davidovsky、David Behrman等人相關作品探討
第11週 器樂與電子聲響的結合III——樂器即時處理技術：Philippe Manoury、Tristan Murail等人相關作品探討
第12週 電子音樂中的空間要素I——聲音空間化：Boulez《Répons》探討
第13週 電子音樂中的空間要素II——Ambisonics技術：Natasha Barrett
第14週 電子音樂中的AI技術I：George Lewis的Voyager系統
第15週 電子音樂中的AI技術II：Somax2中的MFCC與聲響分析
第16週 期末作品發表
第17週 期末作品發表
第18週 個別指導與建議
- 教師: yhc219 陳以軒