“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。
“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？”
“如果是棋类，能够通过一局胜负来判定某种形式好不好，但音乐如何判定？据我所知，在小提琴吹奏大赛中，评委们为了‘谁的吹奏更好’都能打起来，吹奏一首曲子，十小我能够吹奏出十种气势。大师的审美分歧，评价标准也不独一。”
“但没有精通小提琴吹奏的人插手团队还是不可的吧？那你们有没有考虑过找教员？”
这类教员的代价也不贵，肖萌想，绝对是VB项目组能付出的代价。
“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。”
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。
肖萌说，“我以为目前Violin-β相称于一个练习了三四年、有很好天赋的琴童。吹奏根本很好，但感情表达不敷到位，很多末节的措置都不敷细致，显得有些生硬。”
“说对了。”
“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。”
“……嗯，我有点明白了。”
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。
“呀，甚么？”
团队之前联络过国度交响乐团的一些成名的小提琴吹奏家，请他们共同停止研讨，但古典音乐圈里的稍有程度的艺术家们脾气都没有值得称道的处所，他们感觉，古典音乐是一门高雅的艺术，小提琴吹奏更是艺术中的精华，听闻有研讨团队要让机器手臂能实现机器拉小提琴，不能说是对音乐的轻渎，但艺术家们的表情总归不是太好，艺术的事情如何能被机器仿照了去，要他们支撑计算机系的尝试，总归是动力不敷，能推就推，能免则免。