和弦進行規則的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列問答集和資訊懶人包

圖解和弦：單調旋律立刻變豐富深刻，渲染力十足

為了解決和弦進行規則的問題，作者植田彰 這樣論述：

單調的聲音無法成為動人的音樂。 然而一段旋律，該如何配上和弦？如何判斷、怎麼做？才能打動人心？ 本書經揀擇，只教你最必要的、與和弦相關的樂理，進而快速掌握和弦原理、判斷準則，並透過習題讓你熟練關鍵要領，有效學會為旋律配上和弦的方法。本書在譜例中融入了經典方法和名曲的特色手法，讓學習者一入門就浸染於優秀的和弦作品，包括多達26首的流行、爵士、古典樂等各種音樂表情、特色的竅門。是一本從基礎打造起，至活用高明手法，全覽和弦領域的入門操作指引。 本書特色 ●「找出旋律調性→推算使用的和弦→套上終止式→完成！」好懂好操作！ ●從基礎觀念→經典和弦進行→特色效果技巧，依據需求使用，輕鬆好上手！ ●經

典及名曲技法+譜例圖解+音樂識聽，深入而淺出，學習質量最優質有效率 ●時髦帥氣、高漲刺激、神聖、傷感、藍調憂鬱……特色氛圍營造一次就學會   跟著本書內容，你將學會： 序章 記住和弦名稱 了解必需的音樂知識，如音程、節奏、拍子、調； 認識基本和弦：大和弦與小和弦，減三和弦、增三和弦、轉位；七和弦。 Chpater1 和弦基礎知識 調與和弦的關係、和弦如何編排、終止式種類與用法、大調使用的和弦、小調的和弦規則 Chpater2 初級和弦方法 和弦的判斷基準、和弦音與非和弦音的搭配、最具代表的三種經典和弦進行（循環和弦、逆循環和弦、帕海貝爾卡農）、時髦的七和弦、名曲的和弦特徵 Chpater3

中級和弦方法 用分數和弦做流暢低音線、用大調的IIIm製造刺激感、在大調旋律中加入傷感氛圍、活用調式音階、sus4和弦的有效用法、次屬和弦的用法、活用Two-Five Chpater4 高級和弦方法 增添爵士風味的方法、在平淡樂句中添加「色彩」、製造活潑跳躍的節奏、利用和弦進行創造「助奏」、更多和弦配置技巧

和弦進行規則進入發燒排行的影片

自動和弦辨識針對大詞彙集改善之研究

為了解決和弦進行規則的問題，作者李嘉欣 這樣論述：

和弦辨識的能力在於音樂作曲、音樂彈奏演唱的領域皆是十分重要的技術之一，過去人們多以手工標註的方式來完成，但這樣的方式除了需要耗費大量的勞力和時間外，更需要具備相當的專業音樂知識。因此，本研究提出一自動和弦辨識模型（Automatic Chord Recognition System），通用於辨識小詞彙集及大詞彙集和弦，在提升小詞彙集辨識分數的同時，亦改善在大詞彙集和弦上之表現，其中包括增加辨識的和弦種類以及評估分數之提升。在現今的自動和弦辨識研究中，使用深度學習的神經網路架構已成為主流，人們可以針對不同的需求，去建立不同的模型。我們在實驗中利用三個流通資料集作為訓練及測試資料，設計了一個以卷

積神經網路為基礎的特徵萃取器，加上以雙向長短期記憶神經網路 (bi-directional long short term memory)及條件隨機域 (conditional random fields)設計之解碼模型，分別對於小詞彙集和弦以及大詞彙集和弦進行實驗。其中，在小詞彙集的實驗中，WCSR（Weighted Chord Symbol Recall）分數平均可達到84.3%，與同為使用深度學習架構的模型相比，最高可提升8.8%，顯示了我們所設計模型中的之特徵萃取器，能夠有效地學習到更精準的特徵，且與解碼模型配合時能有效地達到提升辨識率之目的。接著，在大詞彙集的實驗中，我們將評估指標由

原本的一個增加到六個，且在擴增可辨識和弦種類的同時，維持原本小詞彙集和弦的辨識率，且在七和弦評估標籤中WCSR分數獲得71.5%，四重音評估標籤中WCSR分數獲得66.1%，與其他模型相比提升約1-2%。為了達到改善大詞彙集辨識率的目的，我們更加入兩種方法以提升分數。首先，我們針對稀缺的七和弦，加入新的訓練資料，試圖解決在現有資料集中和弦分佈不均的問題，並在七和弦評估標籤中獲得WCSR分數72.1%，較原先提升0.6%。再來，我們撇除掉現今大部分研究所使用的扁平分類概念，回歸到和弦原始的精確定義，針對決定和弦種類的關鍵音符設計一個閾值規制決策法，並用以評估這些複雜的擴展和弦，並在七和弦評估標籤

中WCSR分數獲得74.5%，共提升3%，四重音評估標籤中WCSR分數獲得68.4%，共提升2.3%，且同時可辨認轉位和弦，可辨識和弦量提升為原先之三倍。藉由這兩大部分的實驗，有效地驗證了此模型之通用性，並改善大詞彙集和弦之辨識率以及增加可辨識和弦的數量。

最簡單音樂理論套書(共四冊)：流行調滾音樂理論+超音樂理論三書

為了解決和弦進行規則的問題，作者ichimuramasaki 這樣論述：

單書介紹↓↓↓ 冊一《圖解流行‧搖滾音樂理論》 好聽不是沒有原因！ 懂一點理論，演奏‧合奏‧即興‧作曲更有靠山 「為何相鄰音難以產生共鳴？」「和弦進行有自己想去的方向？」 探索音樂本質、原理、組合方式，一本不囉唆的理論書 絕對是音樂人不可或缺的摯友，在需要時，拉你一把。 本書以具體例子＋鋼琴‧吉他音樂示範，說明流行音樂‧搖滾音樂範疇的理論， 教你什麼是音、音階、調、和弦、及實務應用，解決不知道如何應用理論的窘境。 實際練習本書73個音樂示範音檔，短時間內建立音樂直覺和表達力，詮釋度大提升。 本書特色 涵蓋流行音樂‧搖滾音樂作曲及樂器彈奏的音樂理論 先舉具體例子+音樂示範，再說明對應的音樂理

論，先實務再理論學習更好吸收 以鍵盤、吉他為例，搭配鍵盤圖+弦樂器圖解說，方便實際彈奏練習 正確又快速的「調‧音階‧和弦」推算方法+記憶口訣，學會一輩子都受用 推薦 宇宙人　台灣搖滾樂團 官大為　鋼琴家／作曲家／演講者／好和弦NiceChord. com創辦人 日本書評 「想搞懂樂理卻不得其門而入看這本準沒錯！」 「內容深入淺出相當適合初學者閱讀。」   冊二《超音樂理論 泛音‧音程‧音階》 簡單算數邏輯+圖像口訣破解抽象理論，滿載音樂人不可不知的樂理概念！ 彈奏、寫歌、自學一體適用超入門 ‧重要理論漫畫視覺化 ‧情境提問引導＋實例圖解 ‧抽象艱深→具象易懂 異名同音的作用跟旋律有關？

為何弦樂器多是以五度音程來調音？ 音階是如何決定音樂風格？ 本書以基礎入門的「五線譜、音名、泛音、音程、音階」為題，透過輕鬆的漫畫情境提問和圖像式講解，將艱深難懂的理論，轉化成初學者容易理解的語言，幫助讀者建構樂理概念，並深刻領悟音樂/聲音的奧妙趣味。 本書教你完全學會基礎樂理： 五線譜的表示法與音名稱法 泛音與泛音列 從泛音法則理解音的和諧性 音程中的「大與小」、「增與減」 轉位音程 音階的構造組成 半音音階與全音音階 大音階與小音階 讀者書評 多虧有漫畫情境引導，讓我更容易理解文字解說。 漫畫很有趣，圖解也很多，看完大致有概念是這本書的一大優點。   冊三《超音樂理論 調性‧和弦》 為

什麼小學音樂課都是用首調來唱？怎麼決定什麼調轉到什麼調？和弦為何都是3度堆疊？……讓笑中同感的漫畫快速解答你各種疑難！ 調性就是為曲子定調、和弦則是定調的做法。本書站在初學可以現學活用的角度，就樂曲組成重中之重的「調性、和音/和弦」，從理論導入實務，揭開調性是怎麼決定歌曲使用的音、和弦、和各調性特質帶來怎樣的豐富情感，以及基礎的和弦編寫概念。 本書教你伴奏彈奏/寫歌/抓歌實用的樂理： 調與移調 首調與固定調的不同之處 調號與調 移調與轉調的不同之處 五度圈的應用 同主音調/平行調/屬調/下屬調 三和音/四和音 大三和弦/小三和弦/增三和弦/減三和弦 大七和弦/小七和弦/增大七和弦/減七和弦/

屬七和弦/大小七和弦/半減七和弦 讀者書評 終於搞懂調和音程、音階之間的關係，對作曲、彈奏很有幫助。 演奏爵士或民謠吉他一定得會和弦，本書將那些麻煩的名稱變得好記好懂了。   冊四《超音樂理論 進階和弦‧和弦進行》 轉位就是改變組成音的順序，但什麼時候會用到？二五進行為何受到音樂人青睞？……翻開本書一口氣學會和弦常見的用法！ 和弦就是為曲子施展魔法，讓曲子華麗變身的功臣。本書對焦「伴奏/作編曲必知的和弦理論」，以幽默貼切的擬人化介紹和弦家族成員，從和弦組成規則到流行樂常用和弦進行的用法，理解和弦在樂曲中發揮什麼樣不可或缺的要角，在編寫和弦上將更有一套。 本書教你像音樂家一樣靈活運用和弦 和

弦轉位目的及用法 分數和弦目的及用法 從轉位判斷和弦記號 引伸和弦效果及用法 附加音和弦效果及用法 何謂避用音 何謂自然和弦及用法 主要三和音（主和弦、屬和弦、下屬和弦）特性與作用 終止式種類及用法 副三和音（代理和弦）特性與作用 常用和弦進行「二五進行」 反轉和弦目的及用法 何謂非自然和弦及用法

使用音樂樹狀轉換器於節奏結構分析

為了解決和弦進行規則的問題，作者王柏鈞 這樣論述：

電腦自動進行音樂的結構分析有助於音樂的風格分類、轉換與生成等應用。舉例 來說，David Cope 延伸 Heinrich Schenker 分析模型的 SPEAC 理論，將音樂的結構 以五個不同的元素加以分析，分別是:敘述 (Statement)、準備 (Preparation)、延伸 (Extension)、前樂句 (Antecedent) 與後樂句 (Consequent) 來延伸和聲學上緊張/鬆弛的 進行關係。而生成音樂理論 (Generative Theory of Tonal Music) 則透過四種包含時值、 力度、音高等面向的音樂描述來構成樂曲的階層結構。這些理論都有助於發展

類似 語言中的文法的規則，進以分析樂句。近年來，上述音樂理論藉由機器學習的輔助，進而協助電腦自動分析樂曲並加以應 用。在本篇論文中，我們將以基於自然語言常用的轉換器 (Transformer) 模型，堆疊 構成音樂樹狀轉換器 (Music Tree Transformer, MTT) 來分析樂譜。我們以節奏作為最 主要的輸入資訊，以非監督式學習的方式進行訓練，最終產 生如同 GTTM 的音樂樹狀結構。為了驗證模型的表現，我們將比較 MTT 與 GTTM 的結構，與基於 MTT 的輸出做主 觀聽力測試。我們期待未來若加入音高、和弦等資訊，能有更好的結果。