KComplexExplorer：用神经网络探索音乐音集理论的交互式工具

KComplexExplorer是一款面向音乐理论家、作曲家和研究者的渐进式网页应用（PWA），巧妙结合传统音级集合理论（如Forte编号系统）与现代机器学习技术（TensorFlow.js），提供音集深度探索、个性化偏好训练及和弦矩阵生成功能，核心价值在于将抽象音乐理论转化为直观的交互式体验，赋能创造性音乐活动。

音级集合理论是二战后发展的无调性音乐分析体系，由Allen Forte在1973年《无调性音乐的结构》中系统阐述，将八度内12个半音视为等价音级（0-11表示，0=C），通过数学化方式分析音高关系。传统学习依赖表格符号，抽象且缺乏直观体验，KComplexExplorer旨在解决这一痛点，提供可视化、可听化的探索平台。

支持1-12基数的音级集合分析，以Forte编号（如3-11A）标识并提供通用音乐名称；通过ultra-mega-enumerator库实现高效的音集识别、转位/旋转变换及音程向量计算；支持子集/超集层级可视化，帮助理解音高材料内在联系；集成Web Audio API，提供向上琶音、向下琶音、同时发声三种播放模式，直观感受音响特性。

集成TensorFlow.js神经网络，用户可对音集进行情感标注（喜欢+1/中性0/不喜欢-1），标注数据与音集特征（音程向量、基数等）构成训练集；支持CSV导出数据集；模型采用tanh激活函数输出连续预测值，经三分法模糊化为离散分类（吸引/中性/排斥）；训练完成的模型权重可导出，所有操作在浏览器端完成，保障隐私。

基于训练模型生成符合用户偏好的和弦矩阵，采用回溯搜索算法确保单元格、前行对并集、列并集均为“吸引”；提供两个关键参数：刚度（控制相邻和弦汉明距离，高刚度更平滑）、静止权重（控制重复和弦概率）；使用种子化伪随机数生成器，相同参数和种子可复现结果，便于保存分享。

采用PWA架构，支持浏览器访问及本地安装（离线功能）；提供Node.js构建的CLI工具，支持analyze/identify/list等子命令（除MIDI回放外）；集成MCP服务器，允许LLM代理通过标准化接口访问音集分析功能，赋能AI辅助音乐创作。

对学习者：降低音集理论学习门槛，可视化可听化抽象概念；对作曲家：发现新和声素材，突破调性限制；对研究者：批量分析与数据导出支持学术研究；对开发者：MCP服务器集成提供AI音乐应用参考。

KComplexExplorer是音乐理论与AI融合的创新尝试，将主观审美量化为可训练模型，赋能创造性领域；开源模块化设计支持社区贡献与二次开发；随着Web Audio和TensorFlow.js技术发展，浏览器端AI音乐工具未来潜力巨大。