本文刊發(fā)于《現(xiàn)代電影技術(shù)》2025年第7期

專家點(diǎn)評

在傳統(tǒng)數(shù)字音頻制作領(lǐng)域，素材的高效與高質(zhì)量檢索始終是一個突出痛點(diǎn)。盡管市場推出了多款音頻素材檢索管理軟件，以提高工作效率，但在龐大的音效素材庫中找到符合需求的音頻素材，仍然高度依賴用戶對素材庫的熟悉程度。同時，數(shù)字音頻工作站的自動化水平不足、技術(shù)門檻過高以及制作效率低等問題，也嚴(yán)重影響了音頻創(chuàng)作者和內(nèi)容生產(chǎn)者的工作效率與創(chuàng)意發(fā)揮。人工智能技術(shù)的迅猛發(fā)展為數(shù)字音頻制作的標(biāo)準(zhǔn)化、模塊化和智能化演進(jìn)提供了強(qiáng)有力的技術(shù)支撐?！痘诖笳Z言模型（LLM）與模型上下文協(xié)議（MCP）驅(qū)動的智能音頻制作系統(tǒng)研發(fā)》一文提出了一種全新的智能音頻制作系統(tǒng)，該系統(tǒng)依托大語言模型（LLM）和模型上下文協(xié)議（MCP），深入融合了數(shù)字音頻檢索、自然語言理解和自動化操作等關(guān)鍵技術(shù)，探索出數(shù)字音頻制作智能化的新路徑。該系統(tǒng)摒棄了以往單一低效的關(guān)鍵詞檢索模式，轉(zhuǎn)而采用以用戶需求場景為核心的描述方式，其借助大語言模型在自然語言理解及創(chuàng)意聯(lián)想方面的先進(jìn)技術(shù)優(yōu)勢，將原本機(jī)械、重復(fù)的檢索過程轉(zhuǎn)變?yōu)槿藱C(jī)協(xié)同創(chuàng)作的交互模式。通過模型上下文協(xié)議，該系統(tǒng)有效連接了自然語言交互與數(shù)字音頻工作站的自動化控制，為音頻創(chuàng)作者及內(nèi)容生產(chǎn)者提供了更加便捷、高效的創(chuàng)作工具。這一創(chuàng)新不僅有望提升數(shù)字音頻制作的智能化水平與能力，還將推動整個行業(yè)向更加優(yōu)質(zhì)、高效、智能的方向發(fā)展演進(jìn)。

—— 徐濤

正高級工程師

中國電影科學(xué)技術(shù)研究所（中央宣傳部電影技術(shù)質(zhì)量檢測所）副所長

作 者 簡 介

鄭嘉慶

北京電影學(xué)院聲音學(xué)院院長，主要研究方向：錄音藝術(shù)。

北京電影學(xué)院聲音學(xué)院講師，主要研究方向：綜合媒體技術(shù)。

楊 璨

摘要

本研究基于影視與游戲音頻制作領(lǐng)域的實(shí)際需求，針對傳統(tǒng)音頻檢索繁瑣、數(shù)字音頻工作站（DAW）操作自動化水平不足等問題，提出了一種智能化音頻制作系統(tǒng)。該系統(tǒng)依托大語言模型（LLM）與模型上下文協(xié)議（MCP），結(jié)合數(shù)字音頻工作站REAPER的開放式腳本框架ReaScript與Python擴(kuò)展，實(shí)現(xiàn)了音頻素材的智能檢索與指令驅(qū)動的自動化操作。系統(tǒng)以模型上下文協(xié)議為底層架構(gòu)，有效打通了自然語言交互與數(shù)字音頻工作站自動化控制之間的橋梁。在“夏日雨后校園”音頻場景下開展的實(shí)驗(yàn)表明，本系統(tǒng)能夠通過模糊查找和聯(lián)想式搜索準(zhǔn)確找到所需音頻素材，指令式操作方式顯著降低了音頻制作的技術(shù)門檻。相較于傳統(tǒng)流程，藝術(shù)工作者可更加專注于創(chuàng)意表達(dá)而非繁瑣操作。未來，本系統(tǒng)將進(jìn)一步擴(kuò)展對多種音頻數(shù)據(jù)流及主流數(shù)字音頻工作站的適配，并持續(xù)豐富音頻素材數(shù)據(jù)庫，為智能化音頻生產(chǎn)提供堅實(shí)的技術(shù)保障。

關(guān)鍵詞

大語言模型；模型上下文協(xié)議；影視聲音制作；游戲聲音制作；REAPER

1引言

隨著影視與游戲行業(yè)的迅速發(fā)展，音頻創(chuàng)作者對作品質(zhì)量和流程效率的要求不斷提高。數(shù)字音頻工作站（Digital Audio Workstation, DAW）成為音頻編輯的核心平臺[1, 2]，但傳統(tǒng)音頻檢索和工作站操作方式存在應(yīng)用門檻高、跨平臺適配困難、缺乏智能化支持等問題，尤其是在面向多樣化創(chuàng)意表達(dá)和復(fù)雜制作流程時更為明顯[3]。近年來，隨著大語言模型（Large Language Model, LLM）和模型上下文協(xié)議（Model Context Protocol, MCP）等人工智能（AI）技術(shù)的進(jìn)步，自然語言驅(qū)動的音頻智能制作迎來新的發(fā)展機(jī)遇[4-6]。

在國際領(lǐng)域，相關(guān)研究主要聚焦于AI輔助音樂生成、自動化混音、語義音頻檢索等方向[7-9]。與此同時，國外學(xué)者也致力于跨平臺音頻編輯接口與標(biāo)準(zhǔn)化協(xié)議的研究，以提升不同DAW之間的兼容性和協(xié)作效率[10,11]。然而，這些研究多局限于單一平臺或有限任務(wù)，缺乏對影視、游戲等復(fù)雜場景下流程自動化與創(chuàng)意定制的深度支持，跨平臺的自然語言指令驅(qū)動和智能協(xié)同依然有限。

我國在音頻制作領(lǐng)域引入人工智能的時間較晚，但近年來相關(guān)應(yīng)用發(fā)展迅速。已有部分音樂制作平臺和DAW嘗試音頻素材智能檢索等功能探索，但技術(shù)路線普遍以工具型插件或云端服務(wù)為主，系統(tǒng)集成度和開放性較低[12-14]。大多缺乏如模型上下文協(xié)議（MCP）這樣的標(biāo)準(zhǔn)化數(shù)據(jù)交換與命令轉(zhuǎn)譯框架，難以實(shí)現(xiàn)多平臺、端到端的全流程智能協(xié)作，對非專業(yè)用戶依然不夠友好。

面對國內(nèi)外現(xiàn)有研究在系統(tǒng)整體性、跨平臺適配和深度創(chuàng)意支持等方面的不足，本文提出并實(shí)現(xiàn)了一套基于大語言模型（LLM）與模型上下文協(xié)議(MCP)驅(qū)動的智能音頻制作系統(tǒng)。該系統(tǒng)以自然語言為核心交互形式，實(shí)現(xiàn)對影視與游戲音頻制作流程中音頻素材的智能檢索與DAW自動化操作。

本研究旨在推動音頻智能制作流程向標(biāo)準(zhǔn)化、模塊化、智能化方向發(fā)展，為行業(yè)提供更低門檻、更高效率的創(chuàng)新工具。通過系統(tǒng)化集成與實(shí)際應(yīng)用驗(yàn)證，不僅有助于拓寬智能音頻制作的理論基礎(chǔ)，也為我國影視與游戲音頻產(chǎn)業(yè)實(shí)現(xiàn)智能化轉(zhuǎn)型提供了可行路徑和現(xiàn)實(shí)參考。

2相關(guān)技術(shù)研究

2.1 傳統(tǒng)音頻檢索技術(shù)與軟件

影音制作過程中，首要任務(wù)之一就是從音頻素材庫中檢索所需素材。傳統(tǒng)的音頻檢索方法主要包括三類：第一，基于關(guān)鍵詞的文本元數(shù)據(jù)檢索；第二，依賴內(nèi)容分析與特征提取的音頻內(nèi)容檢索，包括哼唱查詢等；第三，采用哈希表與指紋技術(shù)等方法的數(shù)字信息匹配檢索[15-23]。

基于文本元數(shù)據(jù)的檢索方法依賴音頻文件的名稱、標(biāo)簽、描述信息、藝術(shù)家信息及專輯等顯式元數(shù)據(jù)，通過用戶輸入關(guān)鍵詞進(jìn)行匹配檢索。該類方法實(shí)現(xiàn)路徑較為直接，檢索效率較高，廣泛應(yīng)用于各類音頻素材庫管理系統(tǒng)。基于內(nèi)容分析與特征提取的檢索方法則側(cè)重于挖掘音頻信號本身的底層屬性。常見技術(shù)包括自動語音識別（ASR）、梅爾頻率倒譜系數(shù)（MFCCs）等特征提取手段，通過將音頻信號轉(zhuǎn)化為多維特征向量以實(shí)現(xiàn)檢索與分類。此類方法在語音識別、基礎(chǔ)音樂檢索等領(lǐng)域成效突出?；谥讣y或哈希匹配的檢索方法廣泛應(yīng)用于音頻內(nèi)容鑒權(quán)與版權(quán)保護(hù)場景。其核心思想在于提取音頻片段的唯一性特征值，進(jìn)而實(shí)現(xiàn)對原始與衍生內(nèi)容的快速比對。

諸多商業(yè)音頻管理軟件已實(shí)現(xiàn)上述多種技術(shù)的集成。例如，Soundminer與BaseHead具備強(qiáng)大的元數(shù)據(jù)批量處理及特征提取能力，能夠支持高效的文本檢索與快速篩選；AudioFinder則面向Mac平臺，注重音頻標(biāo)簽與內(nèi)容管理，便利音樂創(chuàng)作者的日常檢索需求；MediaMonkey和Adobe Bridge等多媒體管理工具則進(jìn)一步強(qiáng)化了元數(shù)據(jù)批量編輯與多維度檢索。

盡管目前音頻檢索技術(shù)已取得顯著進(jìn)展，現(xiàn)有人機(jī)交互方式仍普遍難以應(yīng)對用戶輸入的非精確、聯(lián)想性查詢需求，在跨語義、跨領(lǐng)域的檢索能力上存在不足，難以滿足創(chuàng)意表達(dá)與多樣化查找場景需求。因此，提升對模糊查詢與聯(lián)想查找的支持能力，發(fā)展具有自然語言理解與智能推薦功能的新一代音頻檢索人機(jī)交互技術(shù)，已成為行業(yè)發(fā)展的重要研究方向之一。

2.2 DAW人機(jī)交互技術(shù)

在音頻檢索環(huán)節(jié)完成后，音頻內(nèi)容的創(chuàng)作與制作成為流程的核心階段，DAW在此過程中發(fā)揮著重要作用。作為集成化音頻創(chuàng)作平臺，DAW涵蓋素材導(dǎo)入、剪輯、混音與效果處理等多元功能，并構(gòu)建了面向?qū)I(yè)制作的可視化、模塊化操作環(huán)境。目前，DAW人機(jī)交互方式主要分為兩種類型，即基于圖形用戶界面（GUI）的可視化操作與基于多硬件設(shè)備集成的多元化操作方式[1,3,8,24,25]。

現(xiàn)代DAW普遍采用圖形用戶界面，通過波形可視化、多軌道調(diào)音臺、音軌高亮及插件參數(shù)面板，為用戶提供直觀的一體化編輯環(huán)境，實(shí)現(xiàn)音頻剪輯、混音及效果處理等操作的高效協(xié)同。這一模式顯著降低了基礎(chǔ)操作難度，推動了音頻制作向更廣泛用戶群體的普及。與此同時，隨著MIDI（Musical Instrument Digital Interface）控制器、硬件調(diào)音臺、觸摸屏及移動端應(yīng)用的引入，DAW的人機(jī)交互體驗(yàn)感不斷提升。諸如MIDI映射、遠(yuǎn)程操控、手勢交互等多模態(tài)聯(lián)動，為用戶帶來了更便捷、實(shí)時的創(chuàng)作及表演能力，滿足了多終端和場景化創(chuàng)作的需求。

在實(shí)際商業(yè)應(yīng)用中，主流DAW通過對人機(jī)交互理念和技術(shù)路線的不斷優(yōu)化，推動聲音創(chuàng)作流程的演進(jìn)。對比多家DAW軟件，Ableton Live以“Session/Arrangement”雙模式提升了電子與現(xiàn)場音樂的編曲效率；編曲軟件FL Studio借助步進(jìn)音序器及豐富插件，降低了節(jié)奏編程的創(chuàng)作門檻；Pro Tools則以復(fù)雜工程管理與高標(biāo)準(zhǔn)兼容性，廣泛應(yīng)用于影視及大型音頻制作領(lǐng)域。

需要指出的是，不同DAW在實(shí)現(xiàn)同類操作時，往往存在較大的人機(jī)交互方式差異，用戶在不同平臺間遷移工程、文件或協(xié)作時，不可避免地面對操作邏輯、參數(shù)調(diào)用及界面適配等方面的割裂。對此，基于腳本自動化與大語言模型等智能輔助系統(tǒng)，可將多平臺操作抽象為自然語言指令，通過統(tǒng)一的語義交互接口實(shí)現(xiàn)跨平臺音頻內(nèi)容管理，從而實(shí)現(xiàn)音頻制作的智能化與協(xié)同化。

2.3 大語言模型應(yīng)用

基于前文提出的智能音頻檢索與工作站操作需求，本研究希望通過引入大語言模型，借助其強(qiáng)大的自然語言理解和生成能力，實(shí)現(xiàn)從音頻檢索到音頻制作的全流程自動化與智能化。大語言模型的發(fā)展大致可分為四個階段：專注于自然語言對話的純文本大模型；實(shí)現(xiàn)了文本、圖像、音頻等多模態(tài)數(shù)據(jù)融合與聯(lián)合推理的多模態(tài)大語言模型；基于任務(wù)驅(qū)動從而實(shí)現(xiàn)部分自動化工作流的智能體（Agent）；通過模型上下文協(xié)議實(shí)現(xiàn)控制的通用大語言模型應(yīng)用，從而實(shí)現(xiàn)自然語言到應(yīng)用程序編程接口（Application Programming Interface, API）和軟件控制的無縫銜接[26-29]。

以ChatGPT為代表的早期大語言模型打破了傳統(tǒng)檢索的關(guān)鍵詞束縛，通過更深層的語義理解，實(shí)現(xiàn)了對音頻檢索的“類聯(lián)想”式文本描述匹配（如“適合電影片頭的溫暖弦樂”）。多模態(tài)模型則進(jìn)一步將文本、音頻、圖像等結(jié)合，支持音頻檢索、音頻描述、跨模態(tài)問答等任務(wù)。然而，盡管大語言模型能夠通過復(fù)雜的語義理解和多模態(tài)交互實(shí)現(xiàn)模糊檢索與內(nèi)容生成，其仍多局限于“內(nèi)容匹配”層面，如輸出查詢結(jié)果、推薦音頻片段或生成音頻摘要，而無法直接對音頻素材庫進(jìn)行底層操作。更重要的是，這些模型無法對DAW這樣的專業(yè)軟件直接下達(dá)諸如“創(chuàng)建軌道”或“導(dǎo)入音頻”等實(shí)際操作指令。

模型上下文協(xié)議（MCP）是一項(xiàng)全新的開放標(biāo)準(zhǔn)，旨在為大語言模型與外部數(shù)據(jù)源和工具的集成提供統(tǒng)一接口。該協(xié)議采用“MCP客戶端-MCP服務(wù)”架構(gòu)，通過標(biāo)準(zhǔn)化的JSON?RPC 2.0數(shù)據(jù)協(xié)議實(shí)現(xiàn)二者間的信息交互。大語言模型作為MCP客戶端的執(zhí)行環(huán)境，主要負(fù)責(zé)理解用戶對話并生成任務(wù)，MCP客戶端則負(fù)責(zé)將任務(wù)拆解并分發(fā)給對應(yīng)的MCP服務(wù)；MCP服務(wù)接收任務(wù)后，會調(diào)用外部應(yīng)用程序開發(fā)接口完成具體工作，并將結(jié)果返回客戶端；最終由大語言模型整理數(shù)據(jù)后反饋給用戶，如圖1、圖2所示[29]。模型上下文協(xié)議的出現(xiàn)，大大簡化了大語言模型和各類第三方服務(wù)的對接流程，不僅減少了手工集成和維護(hù)成本，還實(shí)現(xiàn)了請求和響應(yīng)格式的一致性、交互的持續(xù)上下文維護(hù)及高效的雙向通信。這一協(xié)議如同大語言模型世界的USB接口，打通了模型與多樣應(yīng)用之間的壁壘，使模型真正具備“理解指令-調(diào)用外部服務(wù)-返回結(jié)果-再迭代優(yōu)化”的全流程能力。

圖1　MCP核心架構(gòu)

圖2　MCP工作流程圖

在音頻制作場景下，MCP展現(xiàn)出極大優(yōu)勢。MCP客戶端可依托大語言模型強(qiáng)大的自然語言理解能力，對用戶輸入的音頻檢索指令進(jìn)行語義模糊查找和上下文擴(kuò)展，比如根據(jù)描述性關(guān)鍵詞聯(lián)想、篩選或生成更加豐富的音頻描述內(nèi)容，隨后通過直接操作音頻素材庫完成音頻素材文件定位；而MCP服務(wù)則可對接DAW的標(biāo)準(zhǔn)化接口，從而讓大語言模型能夠用通用、自然的語言直接下達(dá)諸如“在第三軌插入音頻素材”等操作指令。如此，用戶無需學(xué)習(xí)和適應(yīng)不同DAW的復(fù)雜操作界面，只需用自然語言描述需求，便能統(tǒng)一調(diào)用，實(shí)現(xiàn)跨平臺、跨品牌的音頻編輯制作流程自動化與智能化，顯著提升了音頻創(chuàng)作的便捷性和可擴(kuò)展性。

本文以MCP為基礎(chǔ)，通過讓MCP服務(wù)調(diào)用文件系統(tǒng)API與REAPER提供的腳本API，并將其客戶端嵌入到某一大語言模型中，從而實(shí)現(xiàn)以自然語言交互為基礎(chǔ)的智能化音頻制作。

3系統(tǒng)設(shè)計與實(shí)現(xiàn)

3.1 系統(tǒng)模塊化設(shè)計

圖3中展示了本系統(tǒng)的四層結(jié)構(gòu)，不同層之間從邏輯與功能上相互獨(dú)立，但又可以進(jìn)行數(shù)據(jù)交換。系統(tǒng)整體上以低耦合原則進(jìn)行設(shè)計與實(shí)現(xiàn)。

圖3　系統(tǒng)四層結(jié)構(gòu)

3.1.1 MCP客戶端嵌入層

在系統(tǒng)架構(gòu)的頂層，MCP客戶端與集成的大語言模型協(xié)同承擔(dān)人機(jī)交互與需求解釋的核心職能。該層通過對自然語言指令的深度解析，實(shí)現(xiàn)語義建模與操作意圖提取，并基于任務(wù)目標(biāo)與參數(shù)信息，生成結(jié)構(gòu)化命令用于后續(xù)分發(fā)。其核心功能主要包括兩點(diǎn)：其一，系統(tǒng)支持用戶以自然語言描述視頻情境；大語言模型對場景信息進(jìn)行理解與分解，自動分析所需音頻素材，并結(jié)合用戶后續(xù)需求補(bǔ)充或調(diào)整匹配素材，利用多輪對話機(jī)制持續(xù)完善音頻內(nèi)容的檢索與擴(kuò)展，最終實(shí)現(xiàn)高精度且個性化的音頻資源匹配。其二，系統(tǒng)允許用戶以自然語言對音頻數(shù)據(jù)進(jìn)行操作指令輸入。大語言模型可基于查找結(jié)果及用戶提供的明確素材路徑，完成音頻素材向DAW導(dǎo)入等操作。此外，軟件還可根據(jù)進(jìn)一步指令實(shí)現(xiàn)對DAW中音頻素材的編輯、處理與管理。此層設(shè)計為下一層MCP服務(wù)與DAW API操作模塊提供了高層次的智能交互接口。

3.1.2 MCP服務(wù)層

第二層為MCP服務(wù)層，該層承擔(dān)各類核心功能的中間件角色。每個MCP服務(wù)節(jié)點(diǎn)聚焦于特定業(yè)務(wù)領(lǐng)域，通過標(biāo)準(zhǔn)化的接口向上層（MCP客戶端嵌入層）公開功能能力、參數(shù)需求及操作規(guī)范，從而有效屏蔽內(nèi)部處理流程的復(fù)雜性。該層主要完成三項(xiàng)關(guān)鍵任務(wù)：

（1）實(shí)現(xiàn)音頻資源文件的加載與解析，提取其中的內(nèi)容描述信息，以便于后續(xù)檢索與應(yīng)用；

（2）對各類DAW的底層API進(jìn)行封裝轉(zhuǎn)換，統(tǒng)一為MCP服務(wù)標(biāo)準(zhǔn)接口，支持上層MCP客戶端的靈活調(diào)度與應(yīng)用集成；

（3）負(fù)責(zé)異常檢測與處理，如資源丟失、系統(tǒng)未就緒等典型問題，并通過MCP將錯誤信息及時反饋至MCP客戶端，實(shí)現(xiàn)完善的容錯與錯誤通報機(jī)制。

通過上述設(shè)計，MCP服務(wù)層不僅實(shí)現(xiàn)了跨平臺功能抽象與統(tǒng)一調(diào)用，也極大提升了系統(tǒng)的兼容性與可靠性，為頂層自然語言驅(qū)動的智能交互提供了強(qiáng)有力的技術(shù)支撐。

3.1.3 數(shù)據(jù)通訊層

第三層數(shù)據(jù)通訊層，主要負(fù)責(zé)在MCP服務(wù)與DAW之間建立高效、可靠的數(shù)據(jù)與指令轉(zhuǎn)發(fā)機(jī)制。鑒于不同DAW及硬件設(shè)備所采用的通信協(xié)議存在顯著差異，且底層API常因商業(yè)與安全因素未完全開放，該層通過協(xié)議適配實(shí)現(xiàn)了對異構(gòu)系統(tǒng)的橋接。常見音頻數(shù)據(jù)通訊協(xié)議包括MIDI、HUI、OS及HTTP等，各自特性如下：

（1）MIDI協(xié)議廣泛應(yīng)用于虛擬樂器控制、外部設(shè)備同步與推子管理，雖受參數(shù)控制精度與數(shù)據(jù)傳輸帶寬限制，但憑借其成熟的標(biāo)準(zhǔn)體系，實(shí)現(xiàn)了跨品牌設(shè)備的基本聯(lián)動。

（2）HUI（Human User Interface）則基于MIDI傳輸擴(kuò)展，專為硬件控制臺與DAW間實(shí)現(xiàn)高效狀態(tài)同步而設(shè)立，適用于多品牌硬件間協(xié)作，但兼容性相對有限。

（3）OSC（Open Sound Control）利用UDP網(wǎng)絡(luò)，支持豐富數(shù)據(jù)類型與消息結(jié)構(gòu)，適合高精度多參數(shù)的遠(yuǎn)程控制和多工作站協(xié)同環(huán)境，具備較強(qiáng)的可擴(kuò)展性。

（4）HTTP及RESTful架構(gòu)則因其跨平臺優(yōu)勢，在現(xiàn)代智能音頻平臺及云端服務(wù)集成中被廣泛采納，尤其適合項(xiàng)目管理、音頻文件操作及非實(shí)時性控制任務(wù)。

本系統(tǒng)在協(xié)議適配層中選用HTTP作為智能化控制核心通信協(xié)議。通過此機(jī)制，Python腳本得以與REAPER實(shí)現(xiàn)高效、安全的信息通信與功能調(diào)用，大幅提升了系統(tǒng)擴(kuò)展性及與云端、移動端的集成能力，有效滿足現(xiàn)代音頻制作場景下對智能化和跨平臺協(xié)同的需求。

3.1.4 DAW應(yīng)用開發(fā)接口層

系統(tǒng)架構(gòu)的最底層，主要承載實(shí)際的操作對象，包括文件系統(tǒng)、各類DAW及調(diào)音臺、音頻接口等多樣化音頻設(shè)備。在此層中，對象會將自身功能開放為API接口，便于上層MCP服務(wù)調(diào)用，從而實(shí)現(xiàn)音頻數(shù)據(jù)讀取、素材導(dǎo)入、音軌自動化調(diào)整等重要任務(wù)。

研究過程中選擇以REAPER作為核心DAW平臺，主要基于其在靈活性、可擴(kuò)展性和跨平臺兼容性方面所展現(xiàn)的獨(dú)特優(yōu)勢。與傳統(tǒng)封閉或定制化程度較低的DAW不同，REAPER不僅支持多平臺部署，還為開發(fā)者開放了豐富的腳本與API接口，極大地拓展了平臺自動化和個性化定制的空間。REAPER內(nèi)置的ReaScript腳本系統(tǒng)支持多種主流編程語言（如Lua、Python），并可直接訪問工程管理、軌道操作、素材處理、效果鏈控制等功能接口，這使實(shí)現(xiàn)音頻項(xiàng)目批量操作、復(fù)雜流程自動化與實(shí)時任務(wù)響應(yīng)成為可能。與此同時，系統(tǒng)進(jìn)一步引入了reapy庫作為外部Python控制層。reapy通過將REAPER內(nèi)部對象映射為標(biāo)準(zhǔn)化Python類，既提升了跨平臺開發(fā)的效率和可維護(hù)性，也借助Python自身的豐富生態(tài)，實(shí)現(xiàn)了數(shù)據(jù)分析、遠(yuǎn)程協(xié)作及與云服務(wù)的無縫對接[30,31]。

綜上所述，本系統(tǒng)采用分層架構(gòu)設(shè)計，以職責(zé)清晰的模塊劃分實(shí)現(xiàn)了各層之間的有效解耦，既降低了整體系統(tǒng)的復(fù)雜性，也顯著提升了獨(dú)立開發(fā)與后期維護(hù)的靈活性。通過MCP 服務(wù)與API通訊層實(shí)現(xiàn)協(xié)議與數(shù)據(jù)的統(tǒng)一標(biāo)準(zhǔn)化，系統(tǒng)不僅實(shí)現(xiàn)了多平臺、多廠商設(shè)備的高效兼容，也為異構(gòu)硬件環(huán)境下的協(xié)同工作提供了堅實(shí)的技術(shù)基礎(chǔ)。此外，頂層還引入大語言模型執(zhí)行用戶意圖解析與自然語言交互，使用者只需通過對話式指令即可完成從需求描述到具體操作的整套流程，顯著降低了傳統(tǒng)工作流中的人工映射成本與誤操作風(fēng)險。

在具體實(shí)現(xiàn)上，系統(tǒng)采用Visual Studio Code（VS Code） Copilot作為MCP客戶端嵌入的大語言模型，通過reapy庫的HTTP服務(wù)橋接外部MCP服務(wù)與REAPER內(nèi)部的ReaScript腳本，實(shí)現(xiàn)智能音頻工作流的無縫銜接。圖4展示了本系統(tǒng)的具體流程：用戶發(fā)出自然語言指令后，Copilot解析意圖，并調(diào)用兩個 MCP 服務(wù)：其一是操作 REAPER；其二是音頻檢索。具體操作完成后，Copilot將匯總執(zhí)行結(jié)果，并將最終狀態(tài)以對話形式反饋給用戶。

圖4　智能音頻系統(tǒng)核心架構(gòu)圖

3.2 MCP服務(wù)實(shí)現(xiàn)

3.2.1 音頻檢索MCP服務(wù)

音頻檢索MCP服務(wù)專為批量整合和規(guī)范管理本地音頻素材資源而設(shè)計。其目標(biāo)是，最大程度簡化音頻描述數(shù)據(jù)的導(dǎo)入流程，讓用戶無需關(guān)注技術(shù)細(xì)節(jié)，即可高效準(zhǔn)備和檢索素材數(shù)據(jù)。該模塊主要負(fù)責(zé)識別并解析存儲于本地的音頻描述文件（如description.txt），自動將其中記錄的音頻信息轉(zhuǎn)換為規(guī)范化的素材目錄，服務(wù)于上層的檢索與調(diào)用需求。具體操作流程如下：

（1）指定音頻描述文件位置

系統(tǒng)默認(rèn)在用戶指定的位置查找音頻描述文件。用戶只需確保該文件路徑正確、內(nèi)容規(guī)范，無需進(jìn)行其他配置。

（2）加載并解析內(nèi)容

系統(tǒng)啟動時會自動檢測音頻描述文件的存在。如果文件可用，系統(tǒng)將以UTF?8編碼方式打開文件，并逐行掃描。每一條有效記錄應(yīng)包含兩部分內(nèi)容：音頻素材的描述信息與該描述相對應(yīng)的音頻文件路徑。兩者以特殊符號“$$$”進(jìn)行分隔。多余空白行或格式不符的數(shù)據(jù)會被自動忽略。

（3）路徑校正與數(shù)據(jù)整理

系統(tǒng)不僅會讀取音頻文件的相對路徑，還會自動補(bǔ)全為完整文件路徑，確保用戶后續(xù)調(diào)用素材時路徑無誤。所有有效數(shù)據(jù)經(jīng)規(guī)范化后，系統(tǒng)將其統(tǒng)一歸檔為易于檢索的目錄。

（4）結(jié)果獲取

經(jīng)過處理后，所有音頻素材的信息都被保存在系統(tǒng)內(nèi)部的資源池中。用戶在使用智能檢索、條件過濾、查詢調(diào)用等功能時，無需重新加載和解析文件，系統(tǒng)能夠直接返回每一條音頻素材的描述和可用路徑，大幅提升調(diào)用效率和使用體驗(yàn)。

（5）異常檢測與用戶友好提示

為最大程度降低人為操作失誤對體驗(yàn)的影響，音頻檢索模塊內(nèi)嵌了完善的異常捕捉與提示機(jī)制。文件未找到或路徑錯誤時，系統(tǒng)會主動告知用戶當(dāng)前查找位置，并建議核查文件位置或名稱。文件格式不規(guī)范時，系統(tǒng)會捕獲異常并給出詳細(xì)的反饋，引導(dǎo)用戶糾正違例內(nèi)容。如系統(tǒng)未檢測到音頻工程文件或音頻引擎未啟動，會明確提示用戶啟動相關(guān)服務(wù)后重試。這一處理方式，確保用戶可隨時獲悉當(dāng)前操作狀態(tài)和潛在問題，避免因文件錯誤或環(huán)境異常引發(fā)的數(shù)據(jù)丟失或資源不可用，提升系統(tǒng)整體可靠性。

3.2.2 DAW智能化操作MCP服務(wù)

DAW智能化操作MCP服務(wù)旨在讓用戶通過自然語言指令，直觀、便捷地對DAW REAPER進(jìn)行自動化操作。用戶無需了解任何腳本接口或復(fù)雜流程，只需描述自己的需求，系統(tǒng)即可完成如音頻文件導(dǎo)入、軌道命名與調(diào)整等任務(wù)。具體功能效果及操作方式如下：

（1）快速創(chuàng)建并命名軌道

當(dāng)用戶需要導(dǎo)入新的音頻素材時，只需通過語音或文本說明目標(biāo)音頻文件、希望導(dǎo)入的目標(biāo)軌道名稱等簡要信息。系統(tǒng)會自動在音頻工程中新增軌道，并按照用戶要求設(shè)置軌道名稱。

（2）針對軌道的精準(zhǔn)操作

為確保后續(xù)步驟僅作用于新創(chuàng)建的目標(biāo)軌道，系統(tǒng)會自動將該軌道設(shè)置為唯一選中狀態(tài)，有效防止誤操作或影響其他工程內(nèi)容。

（3）自動導(dǎo)入音頻文件

系統(tǒng)根據(jù)用戶提供的音頻文件路徑，自動核查該文件是否真實(shí)可用，并將其插入已命名的軌道上。無論音頻文件存儲于何處，只要路徑有效，系統(tǒng)都能保證順利完成導(dǎo)入并精確定位到指定的位置或時間點(diǎn)。

（4）界面同步與實(shí)時反饋

每次執(zhí)行上述操作，系統(tǒng)都會自動刷新音頻工作站界面，用戶能夠即時看到新增軌道與已導(dǎo)入的音頻素材，獲得所見即所得的反饋。

（5）操作結(jié)果透明回饋

在操作過程中，系統(tǒng)會持續(xù)監(jiān)控操作結(jié)果。一旦任務(wù)順利完成，會及時告知用戶每一步細(xì)節(jié)（如哪條音軌已創(chuàng)建、素材導(dǎo)入位置等）；如遇音頻文件不存在、時間參數(shù)錯誤或工程文件異常，則自動給予明確提示，并引導(dǎo)用戶修正問題，力求讓每位用戶都能快速定位并解決潛在困擾。

3.3 系統(tǒng)實(shí)踐測試

3.3.1 系統(tǒng)運(yùn)行環(huán)境說明

為確保本文提出系統(tǒng)的可復(fù)現(xiàn)性與結(jié)果的可靠性，所有實(shí)驗(yàn)均在統(tǒng)一的軟硬件與數(shù)據(jù)基礎(chǔ)上進(jìn)行部署。項(xiàng)目全部源代碼已公開于 GitHub（PangXingQing/mcpreaper），并提供完整配置與使用說明。

本研究主要實(shí)驗(yàn)環(huán)境包括：Windows 10 及以上操作系統(tǒng)；Python 3.8 及以上版本作為底層編程與腳本運(yùn)行平臺，DAW采用 REAPER，通過 ReaScript 所提供的 API 實(shí)現(xiàn)外部自動控制。實(shí)驗(yàn)所用音頻測試數(shù)據(jù)主要采用 WAV 音頻文件格式，所有音頻樣本無特定命名規(guī)則，隨機(jī)分布存儲于本地磁盤。為支持自動批量檢索與分發(fā)處理，系統(tǒng)構(gòu)建了統(tǒng)一的音頻描述數(shù)據(jù)庫，每條記錄由音頻描述與對應(yīng)文件路徑組成，字段以自定義分隔符分隔，相關(guān)接口路徑在主控代碼（main.py）中實(shí)現(xiàn)動態(tài)配置，具體格式及樣例可參考開源倉庫中的標(biāo)準(zhǔn)描述文件（description.txt）。

在依賴與環(huán)境配置方面，DAW與外部腳本的自動化交互通過 reapy 實(shí)現(xiàn)，并在全局 Python 環(huán)境中統(tǒng)一部署。MCP 服務(wù)與其依賴環(huán)境采用 UV工具進(jìn)行隔離與管理，提升了系統(tǒng)運(yùn)行的穩(wěn)定性和可維護(hù)性。所有核心組件及參數(shù)設(shè)置均依照官方文檔標(biāo)準(zhǔn)配置，并根據(jù)實(shí)際需求（如網(wǎng)絡(luò)端口開放及腳本運(yùn)行權(quán)限）進(jìn)行相應(yīng)優(yōu)化。

此外，為滿足系統(tǒng)的多端聯(lián)動與智能控制需求，開發(fā)環(huán)境中需安裝VS Code。在 VS Code 設(shè)置中需完成 MCP 服務(wù)的參數(shù)配置，同時啟動 Copilot 并切換至 Agent 模式，從而實(shí)現(xiàn)大語言模型對 MCP 服務(wù)的加載。REAPER 安裝完成后，應(yīng)在 ReaScript 選項(xiàng)中正確配置所用 Python 運(yùn)行環(huán)境，確保腳本正常識別。在Control/OSC/web選項(xiàng)中需配置 Web 服務(wù)并開啟 2307 端口，以保障 reapy 的遠(yuǎn)程通信。在 Action 列表中，通過“Load Action”導(dǎo)入并執(zhí)行 reapy 庫的 activate_reapy_server.py 腳本，正式啟用 reapy 服務(wù)，確保 REAPER 可被外部 HTTP 指令遠(yuǎn)程控制。

最后，需要強(qiáng)調(diào)的是，系統(tǒng)正式運(yùn)行前，須保證 REAPER 已處于開啟狀態(tài)，且已創(chuàng)建并保存項(xiàng)目文件，以保證各項(xiàng)自動化功能的正常調(diào)用與測試數(shù)據(jù)的正確處理。

3.3.2 軟件應(yīng)用測試

本文以“夏日雨后的校園”場景作為測試內(nèi)容，該場景總時長為30秒，分為三個時間節(jié)點(diǎn)：0~8秒描述雨剛停時的校園靜謐，主要包括雨聲、雷聲以及很輕的風(fēng)聲；8~18秒描述雨后生機(jī)，青春氣息復(fù)蘇，主要包括蟲聲與學(xué)生的喧鬧聲；18~30秒描述陽光普照校園的場景，主要包括學(xué)生的嬉鬧聲，周邊的車輛聲等。

表1展示了使用本系統(tǒng)進(jìn)行多輪對話后，尋找到的音頻素材。通過表格可以看出，整個夏日雨后校園的三段場景在音效設(shè)計上各具特色，既展現(xiàn)了雨后寧靜、環(huán)境復(fù)蘇到校園日常的漸變，音效素材的選擇也精準(zhǔn)貼合每段氛圍，同時部分音效合理復(fù)用，增強(qiáng)了場景連貫性和整體感。表格以清晰的結(jié)構(gòu)匯總了每段時長、所用音效及其用途，便于在后期音頻制作時有針對性地選用和剪輯，是場景音頻創(chuàng)作的實(shí)用參考。

表1　場景使用的音頻素材檢索結(jié)果

圖5展示導(dǎo)入后的REAPER工程。從圖中可以看到，音軌名稱由MCP服務(wù)根據(jù)場景內(nèi)容自動創(chuàng)建，并且音頻已經(jīng)成功導(dǎo)入到了準(zhǔn)確的時間點(diǎn)。但同時也會發(fā)現(xiàn)，由于DAW底層接口限制，每次導(dǎo)入的都是完整音頻，與實(shí)際需求略有出入，還需人工調(diào)試后續(xù)操作。

圖5　MCP服務(wù)自動完成工作后的REAPER項(xiàng)目

表2展示了本測試中使用的提示詞（Prompt）樣例。這些提示詞樣例主要用于音頻編輯軟件的自動化操作或智能助手交互，涵蓋了音頻素材管理、音軌操作和項(xiàng)目信息獲取等常見功能。用戶可通過這些提示詞樣例快速檢索、管理和操作音頻文件或音軌，提高在音頻編輯工作流中的效率與便捷性。表中的提示詞樣例規(guī)范、用途明確，適用于自動化測試、批量處理、智能音頻編輯等場景，也為開發(fā)基于自然語言的音頻編輯輔助工具提供了思路和基礎(chǔ)。

表2　測試中使用的提示詞樣例

4結(jié)語

本文圍繞MCP驅(qū)動的影視與游戲音頻制作流程智能化展開了系統(tǒng)性研究與實(shí)踐，實(shí)現(xiàn)了基于大語言模型與MCP驅(qū)動的集音頻素材檢索與自然語言交互于一體的DAW自動化平臺。系統(tǒng)通過深度融合音頻檢索、自然語言理解和自動化操作等關(guān)鍵技術(shù)，顯著提升了DAW在內(nèi)容管理、智能檢索及創(chuàng)意輸出方面的擴(kuò)展性與交互體驗(yàn)。依托大語言模型卓越的語義解析與任務(wù)驅(qū)動能力，系統(tǒng)有效降低了傳統(tǒng)DAW的操作門檻，使用戶能夠?qū)Ｗ⒂趧?chuàng)作本身，進(jìn)一步釋放藝術(shù)生產(chǎn)力。本文的創(chuàng)新點(diǎn)在于，MCP的提出為自然語言理解與處理能力對接各類開放接口提供了統(tǒng)一的解決方案，為后續(xù)跨平臺、跨應(yīng)用的智能協(xié)同奠定了堅實(shí)基礎(chǔ)。這種標(biāo)準(zhǔn)化、開放化的設(shè)計理念，與人機(jī)交互設(shè)計領(lǐng)域“以人為本”的核心思想高度一致。期望未來各類軟硬件廠商能秉持協(xié)同發(fā)展、優(yōu)勢互補(bǔ)的共贏目標(biāo)，持續(xù)開放底層接口、豐富協(xié)議標(biāo)準(zhǔn)，加速智能化音頻制作行業(yè)的健康發(fā)展。此外，本文所提出的系統(tǒng)架構(gòu)與開發(fā)范式，有望為DAW及相關(guān)領(lǐng)域未來的人機(jī)交互設(shè)計和技術(shù)創(chuàng)新，帶來有益的啟示與借鑒。實(shí)際應(yīng)用表明，該平臺在提升音頻檢索流程的便捷性、素材管理的高效性以及自動化音頻導(dǎo)入和軌道管控等功能實(shí)現(xiàn)方面均表現(xiàn)出較強(qiáng)的適應(yīng)性和可擴(kuò)展性，為影視聲音設(shè)計、游戲音頻制作等多場景運(yùn)營提供了有力的技術(shù)支撐。

盡管如此，目前系統(tǒng)在實(shí)際應(yīng)用過程中仍面臨一些挑戰(zhàn)。受限于專業(yè)DAW底層接口的封閉性及局限性，復(fù)雜音頻處理和高級效果鏈管理等任務(wù)仍需依賴人工輔助。與此同時，當(dāng)前主流的大語言模型對MCP的深度支持有限，短期內(nèi)難以滿足自定義提示詞及復(fù)雜智能對話驅(qū)動操作的需求，限制了系統(tǒng)進(jìn)一步智能化的能力。部分音頻輸出選項(xiàng)如自定義采樣率導(dǎo)出等功能，同樣受到現(xiàn)有接口開放度的影響，尚未完全實(shí)現(xiàn)自動化處理。

展望未來，系統(tǒng)將著重完善標(biāo)簽體系與素材庫建設(shè)，深度整合本地、專業(yè)數(shù)據(jù)庫以及云端、網(wǎng)絡(luò)等多資源渠道，通過標(biāo)準(zhǔn)化接口實(shí)現(xiàn)多數(shù)據(jù)源音頻素材的高效集成，最大程度豐富用戶可調(diào)用的資源類型。同時，將持續(xù)拓展對主流平臺和硬件設(shè)備的支持能力，利用MIDI、OSC等多種協(xié)議，實(shí)現(xiàn)跨平臺、跨設(shè)備的智能化聯(lián)動，為音頻制作全流程帶來更大的創(chuàng)新空間。進(jìn)而實(shí)現(xiàn)從素材管理、智能標(biāo)記、自動化編輯到實(shí)時渲染的全鏈路數(shù)字化與智能化升級，推動行業(yè)邁向更高水平的協(xié)作與創(chuàng)新。

參考文獻(xiàn)

（向下滑動閱讀）

[1] 張偉.數(shù)字音頻工作站在聲音制作中的應(yīng)用[J].咸寧學(xué)院學(xué)報, 2012, 32(6):3.DOI:10.3969/j.issn.1006-5342.2012.06.097.

[2] 陳偉,齊繼云,杜寶森,等.數(shù)字音頻工作站播出系統(tǒng)[C]//2001年度廣播電視技術(shù)論文集, 2025.DOI:ConferenceArticle/5aa67a71c095d72220edb8fc.

[3] 高世佳.聲音設(shè)計在數(shù)字音頻工作站中的操作技巧[J].電聲技術(shù), 2022 46(1):4.

[4] 國務(wù)院.國務(wù)院關(guān)于印發(fā)新一代人工智能發(fā)展規(guī)劃的通知:國發(fā)〔2017〕35號[EB/OL].(2017?07?20)[2025?06?20].https://www.gov.cn/zhengce/zhengceku/2017-07/20/content_5211996.htm.

[5] 產(chǎn)業(yè)司.關(guān)于加快推動制造服務(wù)業(yè)高質(zhì)量發(fā)展的意見:發(fā)改產(chǎn)業(yè)〔2021〕372號[EB/OL].(2021?03?23)[2025?06?20].https://www.ndrc.gov.cn/xxgk/zcfb/tz/202103/t20210323_1270129.html.

[6] 國務(wù)院.數(shù)字中國建設(shè)整體布局規(guī)劃[EB/OL].(2023?02?27)[2025?06?20].https://www.gov.cn/zhengce/2023-02/27/content_5743484.htm.

[7] 王曉璇.未來音樂新風(fēng)向:人工智能賦能音樂發(fā)展——世界音樂人工智能大會述評[J].人民音樂, 2022(1):84?87.

[8] TURCHET L, FISCHIONE C, ESSL G, et al. Internet of Musical Things: Vision and Challenges[J].IEEE Access, 2018, 6:61994?62017.DOI:10.1109/ACCESS.2018.2872625.

[9] WU J, LI W, NOVACK Z, et al. CoLLAP: Contrastive long?form language?audio pretraining with musical temporal structure augmentation[C]//In ICASSP 2025?2025 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP),2025:1?5.

[10] MATUSZEWSKI B, ROTTIER O. The Web Audio API as a standardized interface beyond Web browsers[J]. Journal of the Audio Engineering Society, 2023, 71(11): 790?801.

[11] VUCIC V, CENTER L. Free Software Audio Applications for Audio Playback, Recording, Editing, Production and Radio Broadcast Management and Automation[J]. Linux Center Serbia and Montenegro, 2014.

[12] 姚周伶.基于音樂獨(dú)奏曲目中AI音頻檢索準(zhǔn)確性的研究——以古箏專業(yè)曲目為例[D].上海：上海音樂學(xué)院, 2022.

[13] 趙德芳.基于人工智能的音視頻內(nèi)容檢索系統(tǒng)設(shè)計[J].電聲技術(shù), 2023, 47(5):98?101.

[14] 程通.基于成熟AI服務(wù)的音視頻檢索系統(tǒng)設(shè)計[J].無線互聯(lián)科技, 2024, 21(3):41?44.DOI:10.3969/j.issn.1672-6944.2024.03.012.

[15] 鐘寶榮,吳春輝,杜紅.音頻檢索方法的研究[J].長江大學(xué)學(xué)報（自科版）, 2008, 5(2):3.DOI:10.3969/j.issn.1673-1409-C.2008.02.029.

[16] 宋博,須德.音頻信息檢索的研究及實(shí)現(xiàn)[J].計算機(jī)應(yīng)用, 2003, 23(12):3.DOI:CNKI:SUN:JSJY.0.2003-12-017.

[17] 唐峰,劉玉貴.廣播電臺音頻檢索技術(shù)研究[J].計算機(jī)應(yīng)用, 2007, 27(B06):3.DOI:JournalArticle/5aead506c095d70944f527c9.

[18] 朱愛紅,李連.基于內(nèi)容的音頻檢索綜述[J].微機(jī)發(fā)展, 2003, 13(12):4.DOI:10.3969/j.issn.1673-629X.2003.12.020.

[19] 孟憲巍,徐蔚然,潘興德,等.基于內(nèi)容的音樂信息檢索技術(shù)綜述[C]//2008年聲頻工程學(xué)術(shù)交流年會論文集,2008.DOI:ConferenceArticle/5aa06f40c095d7222072f302.

[20] GROSCHE P, MEINARD M, JOAN S.Audio Content?Based Music Retrieval[J].multimodal music processing, 2012.

[21] CASEY M A, VELTKAMP R, GOTO M, et al.Content?Based Music Information Retrieval: Current Directions and Future Challenges[J].Proceedings of the IEEE, 2008, 96(4):668?696.DOI:10.1109/JPROC.2008.916370.

[22] JOAN S J, SERRA X, CASALS. Identification of Versions of the Same Musical Composition by Processing Audio Descriptions[J].universitat pompeu fabra, 2011.

[23] MITROVIC D, ZEPPELZAUER M, BREITENEDER C. Features for Content?Based Audio Retrieval[J].Advances in Computers, 2010, 78(3).DOI:10.1016/S0065-2458(10)78003-7.

[24] 張曉龍,于鵬亮.技術(shù)影響創(chuàng)意:數(shù)字音頻工作站的可供性分析[J].科技傳播, 2022, 14(24):123?126.DOI:10.3969/j.issn.1674-6708.2022.24.037.

[25] 唐峰,劉玉貴,李慶偉.音頻工作站系統(tǒng)的設(shè)計與實(shí)現(xiàn)[J].計算機(jī)系統(tǒng)應(yīng)用, 2006(3):4.DOI:10.3969/j.issn.1003-3254.2006.03.002.

[26] 閆嘯彤,唐曉彬,沈童,等.大語言模型發(fā)展綜述[J].統(tǒng)計學(xué)報, 2024, 5(4):13?18.

[27] WANG J, JIANG H, LIU Y, et al. A Comprehensive Review of Multimodal Large Language Models: Performance and Challenges Across Different Tasks[EB/OL].（2024?08?02）[2025?06?17].http://arxiv.org/abs/2408.01319.

[28] HOU X, ZHAO Y, WANG S, et al. Model Context Protocol (mcp): Landscape, Security Threats, and Future Research Directions[EB/OL].（2025?03?30）[2025?06?17]. http://arxiv.org/abs/2503.23278.

[29] MCP.MCP中文文檔[EB/OL].[2025?06?17].https://mcp-docs.cn/introduction.

[30] REAPER.ReaScript說明文檔[EB/OL].[2025?06?17].https://www.reaper.fm/sdk/reascript/reascript.php.

[31] Roméo Després.reapy說明文檔[EB/OL].[2025?06?17].https://python-reapy.readthedocs.io/en/latest/index.html.

【項(xiàng)目信息】北京市高等教育學(xué)會2024年專項(xiàng)攻關(guān)課題“人工智能在《交互系統(tǒng)設(shè)計》課程中的應(yīng)用研究”（ZX202425）。