第17章[第1页/共3页]

要满足这个要求，需求海量的数据，然后团队再从已有的数据里总结出规律，再推行到每一首小提琴乐曲中。

小提琴吹奏的一大难点就是找音准。

这也是不免了。在之前的谈天中，肖萌晓得VB研讨团队包含沈泓统共有八人，本科生就路之航和邱伟涛两人――人数这么少的团队，偶然候也会呈现考虑不周的环境。

“题目要一个个处理，目前要紧的还是处理机器学习中的难点。”邱伟涛说。

路之航道：“用于机器学习的数据不敷，评价体系也不敷完美。”

找音准是小提琴最难把握的技术，需求吹奏者耐久的熬炼才气做到；而对计算机来讲，琴弦的振动形式能够通过数学公式算出来，每个精确的噪音都会有其牢固的振动频次，只要能让吹奏出的每一个音都合适振动频次的比例干系，就找准了小提琴的音阶和音准。同时，找到音准，就能处理小提琴吹奏的大部分题目。

这事儿明显很难。

“再加上客岁的陆以则事件，稍稍有点名誉都小提琴家对这件事更是避之不及了。”邱伟涛说。

所谓的评价体系，就是让VB体系不竭的、几次的吹奏同一首曲子，然后体系对每次的吹奏成果停止打分，所谓“择其善者而从之，其不善者而改之”，分数低，就申明要改进，分数高，则能够加强上风。吹奏几千上万遍以后，VB就能找到最合适的形式。

路之航深深看她一眼，点头道。

现在，VB项目组采取的是闻名的神经收集和机器学习的体例让电脑学会拉小提琴。机器学习要以大量的数据为根本。而典范的小提琴乐曲何止百首，上千首曲子都是有的。每首曲子都有分歧的吹奏体例，一样一首曲子在分歧的吹奏家手上课也闪现分歧的气势：轻巧，缠绵，伤感……但非论那种气势，说白了都是数据。只要有充足的数据和计算资本，VB便能够在吹奏时能够在力度，长度和节拍长停止调控，达到一流的吹奏家的程度。

“呀，甚么？”

肖萌细化了本身的计划：“我有一个朋友小提琴拉得非常好，他在小提琴圈的人脉干系很丰富，晓得好几位如许的小提琴教员。你们如果需求的话，那我帮你们问问哪些小提琴教员程度不错并且能接管新奇事物的？”

“小提琴的吹奏不是简朴的一个个音节凑起来的，音节和音节之间的起承转合更加反应吹奏者的技能，Violin-β吹奏时，我本身较着感觉颤音和波音有些少了，贫乏装潢音，另有些硬。”

和恍惚的机器学习分歧，用数学来阐发音乐就是切确的定量阐发。小提琴是弦乐的一种，其音色、频次、振幅等要素都能够变成一套数学法例，比如两个音乐节拍的频次比是2:3的时候就是要比33:23更动听一些。

“但是，这很难吧？”肖萌反问，她不信赖路之航不晓得这一点，“小提琴吹奏的细节实在是太多太多了，双音、三音和弦、四音和弦、泛音、拨奏、跳弓、击弦……这么多，普通的数学公式能措置吗？就算找到了合适的公式，计算机能运算得过来吗？就算计算机能运算，这一双机器臂的呼应时候再短也有极限吧？”

“人力有极限，计算机的巨大之处就在于能够超越人的极限。评的体系采取的数学公式不需求百分百精确，能够不是真谛，只要能超越大多数小提琴家的评价才气便能够了。”

很多人哪怕学琴四五年时候也很难找准小提琴的音阶――肖萌肖薇姐妹就是如许两个失利的案例――是以，对Violin-β超出人类的处所更是深有感到。