肖萌固然是重生,但也是天下最好的計算機專業的學子――在兩位大神師兄的提示下,她很快明白這此中的難點。
“萊布尼茨說的這句話。”
路之航點了點頭。
很多人哪怕學琴四五年時候也很難找準小提琴的音階――肖萌肖薇姐妹就是如許兩個失利的案例――是以,對Violin-β超出人類的處所更是深有感到。
“……嗯,我有點明白了。”
“但是,這很難吧?”肖萌反問,她不信賴路之航不曉得這一點,“小提琴吹奏的細節實在是太多太多了,雙音、三音和絃、四音和絃、泛音、撥奏、跳弓、擊弦……這麼多,普通的數學公式能措置嗎?就算找到了合適的公式,計算機能運算得過來嗎?就算計算機能運算,這一雙機器臂的呼應時候再短也有極限吧?”
“是的……”肖萌問,“你們找太小提琴吹奏家共同研討嗎?”
小提琴和鋼琴分歧,不是牢固音準的樂器,也就冇有所謂的絕對音準。某個音準是否精確,取決於它和其他音之間的乾係,因為音高都是相對的。
“如果是棋類,能夠通過一局勝負來判定某種形式好不好,但音樂如何判定?據我所知,在小提琴吹奏大賽中,評委們為了‘誰的吹奏更好’都能打起來,吹奏一首曲子,十小我能夠吹奏出十種氣勢。大師的審美分歧,評價標準也不獨一。”
現在,VB項目組采取的是聞名的神經收集和機器學習的體例讓電腦學會拉小提琴。機器學習要以大量的數據為根本。而典範的小提琴樂曲何止百首,上千首曲子都是有的。每首曲子都有分歧的吹奏體例,一樣一首曲子在分歧的吹奏家手上課也閃現分歧的氣勢:輕巧,纏綿,傷感……但非論那種氣勢,說白了都是數據。隻要有充足的數據和計算資本,VB便能夠在吹奏時能夠在力度,長度和節拍長停止調控,達到一流的吹奏家的程度。
肖萌細化了本身的計劃:“我有一個朋友小提琴拉得非常好,他在小提琴圈的人脈乾係很豐富,曉得好幾位如許的小提琴教員。你們如果需求的話,那我幫你們問問哪些小提琴教員程度不錯並且能接管新奇事物的?”
“題目要一個個處理,目前要緊的還是處理機器學習中的難點。”邱偉濤說。
和恍惚的機器學習分歧,用數學來闡發音樂就是切確的定量闡發。小提琴是絃樂的一種,其音色、頻次、振幅等要素都能夠變成一套數學法例,比如兩個音樂節拍的頻次比是2:3的時候就是要比33:23更動聽一些。
“因為電腦不像人,記譜才氣取決於內存,”路之航道,“找音原則取決於演算法。”
肖萌瞪大眼睛看著路之航:“師兄,你籌算用數學公示評價小提琴吹奏?”
肖萌莞爾一笑。她聽過梁清寧吐槽說過譜子難背――提及碼要諳練吹奏十遍後才氣記著樂譜。但是梁清寧的記譜速率已經是其他小提琴手膜拜的工具了。
肖萌頓了頓,又問:“我想,在機器機能上和節製體繫上已經冇有特大的題目,能夠呈現的題目還是在數據上嗎?”
小提琴吹奏的一大難點就是找音準。
要滿足這個要求,需求海量的數據,然後團隊再從已有的數據裡總結出規律,再推行到每一首小提琴樂曲中。
路之航道:“用於機器學習的數據不敷,評價體係也不敷完美。”