「在『聽（hearing）』和『聆聽（listening to）』世界之間是存在著差異的」，Hildegard Westerkamp如是說。 她認為「真正的聆聽」是一種革命性的行為。 近五十年來，她開發了一種名為「Soundscape Composition（音景構圖）」的音樂形式。她與著名的前衛音樂家R. Murray Schafer所帶領的World Soundscape Project（世界音景計畫）有著密切的合作。
儘管噪音的特色是將我們殘忍地拉回現實生活，它在藝術的層次上絕不能僅限於狹隘的模仿再現。Luigi Russolo, 《噪音藝術宣言》
時光倒轉回 1950 年，在夜晚的倫敦，BBC 工作室仍亮著一盞燈，工作室裡的女人著迷地反覆錄音、剪接、回放，傳出斷續的聲響。當時沒有人知道，這個女人在無數的夜裡，用聲音鑿開了電子音樂與具象音樂的牆。
大家應該都有想像過，敲打一些尋常物件，卻可以發出有別於該物件材質既有音色的聲音吧？有些電子鼓產品即是用這種方式來觸發Midi Trigger，那如果我們透過Max這樣的軟體，可以怎麼快速應用音量判定來實現互動呢？
Google於2016年中開展「Magenta」計畫，探索機器學習在音樂與藝術創作過程中所能扮演的角色，以實現更趨近於人類表現性的數位語言。即使背後運算原理相當複雜，但成果都是為了使創作過程能夠變得更直覺且具啟發性，讓每個人都能運用這些工具體驗全新的音樂生成路徑，而非憑藉大數據來取代人的創意。
Wekinator是一套免費、開源的機器學習（Machine Learning）軟體，由Goldsmiths資工教授Rebecca Fiebrink所開發。這套軟體可以讓任何人藉由機器學習的力量，來創建新型態的樂器、手勢控制、互動介面，透過電腦的分析與回應，來解讀外部資訊與動作，而這過程甚至不用自己撰寫任何一行程式碼！
在當代的生成式音樂中，軟體自身即可成為曲目。數位工具最有趣的地方，在於他們不必然要以現有原音樂器的邏輯解讀與再現，經常會見到特定的數位工具只為某一個作品或計劃被開發出來。
「資訊聲音化」是「生成式音樂(generative music)」的一種實踐方式。在生活周遭，存在著各種現象與事件，經由觀察與記錄，所有狀態的資訊與變動，都將變成一連串的數據。 而「資訊聲音化」，顧名思義，即是將資訊以聲音再現的動作。技術上，主要是將資訊與聲音參數做配對，藉以製造聲響。
