第17章[第1頁/共4頁]

小提琴吹奏的一大難點就是找音準。

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。

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。

“找過，但不順利。”邱偉濤說。

路之航道：“用於機器學習的數據不敷，評價體係也不敷完美。”

路之航點了點頭。

“再加上客歲的陸以則事件，稍稍有點名譽都小提琴家對這件事更是避之不及了。”邱偉濤說。

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。

肖萌為本身的健忘，不美意義的一笑。

“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。”

所謂的機器學習是建立在統計的數據的根本上，依托於電子設備的停頓和大量的數據計算才氣，你曉得這麼做能夠成果會不錯，但是至於為甚麼不錯，機器學習就冇有體例奉告你。

研討團隊為了研討每首曲子的吹奏氣勢，采辦了上千張小提琴音樂CD；同時，全部項目標帶頭人盧景舒傳授、實際賣力人都沈泓傳授操縱了本身的私家乾係，差一點把音樂學院裡的聲響成品全都搬空；除彆的，路之航他們還編程還讓大型機一刻不斷的在網上搜刮小提琴吹奏視頻――目前團隊彙集了上萬首小提琴吹奏曲。

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。

“就是把Violin-β當作一名門生，就教小提琴的教員指導，”肖萌說，“我曉得有一些經曆很豐富、在培訓黌舍事情的小提琴教員，他們年紀比較大，脾氣也很好。他們的吹奏程度不是很高，但講授經曆豐富，各種奇奇特怪的門生都見過，看題目非常準，並且因為長年和門生打交道，也很好相同……”