把步进音序器当乐器演奏：低维规则如何保住手势与作者权

英文题目：Performing Sequences: Interaction and Instrumentality in the Design of a Performable Sequencing System.

会议身份：conference:nime:2026:conference-paper-id:nime2026_159

✅ 来源为官方会议 PDF；表格与 Figure 按原文证据绑定。PDF 公式以原页区域图片展示，未冒称作者原始 TeX。

会议来源：官方记录 · 官方 PDF

标签：#软件工具 #用户研究 #实时处理 #音乐 #符号音乐生成

评分：6.8/10 | 创新 1.2/2 | 技术严谨 1.0/1.5 | 实验充分 0.5/1.5 | 清晰度 0.8/1 | 影响力 0.8/1.5 | 开源 1.2/1.5 | 可复现 0.3/0.5 | 工程/实践 1.0/1.5

排名：前50% | 文档类型：系统技术报告

👥 作者与机构

• Roberto Chiurazzi：机构信息未能从会议 PDF 纯文本可靠映射
• Anna Xambó：机构信息未能从会议 PDF 纯文本可靠映射
• Charalampos Saitis：机构信息未能从会议 PDF 纯文本可靠映射

📌 核心摘要

本文任务是以旋钮推子手势与速度拍号设置等低维控制为输入，实时生成可驱动软件音源的MIDI音高、力度与时值多声部序列，难点是在即兴中保持手势与结果因果可读并保留演奏者主导权。欧几里得节奏核先按步数与事件数均匀分布发音点并允许偏移，输出节奏骨架进入方向性旋律遍历。该遍历按音阶量化音高数组以上下行、随机与重复方式推进，使同一事件数同时驱动节奏密度与旋律运动，其音高节奏流再进入受约束调制。调制以小节边界定时更新密度、方向与力度，多实例并行层叠为复音复节奏织体以支撑长时变化。在8步长节奏分布设置下，示例b的发音点数量指标为5，高于示例a的发音点数量指标为3。与自主生成式系统相比，该设计以规则约束与可撤回委托替代黑箱自主输出，意义在于用可解释过程控制维持作者身份与可学习性。结论适用边界受限于第一作者本人两场即兴的第一人称反思，尚未验证多人合奏、观众感知因果性与风格泛化表现，原文未披露训练、推理或部署成本。

🔗 开源与复现资源

• 代码相关资源：https://codeberg.org/Anonymus_Submission/Performing_Sequences.git → https://codeberg.org/Roberto_Chiurazzi/Performing_Sequences.git — 链接可访问（HTTP 200）
• 第三方资源：https://github.com/porres/pd-else — 链接可访问（HTTP 200） 可达状态仅表示本次链接检查结果，不代表许可证、本文权重或运行复现已验证。

🧭 深度解读

输入是什么：本文要解决的演奏问题从哪里来？

本文的输入是电子音乐实践中长期存在的矛盾：音序器无处不在，却很少被当作乐器对待。作者开篇指出，从早期模拟步进音序器到数字音频工作站中的数字音序器，音序器塑造了大量电子音乐的节奏与质感，但讨论乐器性时，音序器常被框定为控制声音生产的工具，而不是乐器本身。这种框定在现场会遮蔽关键问题：演奏者如何通过音序过程塑造节奏、旋律与曲式，即使系统本身不直接发声。

对于刚进入语音、音乐与音频领域的研究生，需要先建立一个白话理解。步进音序器（step sequencer）可以想象成一圈格子，指针按固定时钟一格一格走，走到有标记的格子就触发一个音。传统用法是演出前把格子编好，演出时按播放。而本文想回答的是，能否在演出中一边转动少量旋钮、一边改变格子分布与走法，让音序器本身成为可以即兴的乐器。目标读者必须保留的信息是：本文不追求自动作曲，也不训练神经网络生成音乐，而是研究交互驱动的即兴（interaction-driven improvisation），即音乐形式从演奏者手势与系统规则的实时反馈中涌现。

本文的输出是一套在 Pure Data 中实现的数字 MIDI 音序器，以及 2 次由第一作者演奏的即兴作品所构成的实践性评估。系统生成的是 MIDI 音符事件，包含音高编号、力度与时长，再路由到数字音频工作站中的软件乐器发声。评估不使用听众打分或分类准确率，而是第一人称反思：手势是否可读、作者权是否保留、系统级交互是否出现。理解这一点，才能正确阅读后文的方法与反思，而不会误用生成式音乐的指标去要求它。

术语速查：初学者如何不迷路？

欧几里得节奏指把 k 个事件尽可能均匀地放在 n 个步进中的方法，听感是稳定的不均匀中的均匀，例如 3 在 8 步中形成稀疏三角形。方向性遍历指在音阶数组上按上、下、随机、顿音等策略行走，决定每次触发唱哪级。手势可读性指动一下、听得出，且能说出因果。低维控制指手柄少、效果具体。受约束调制指自动变化但有边界、有节奏、可撤回。

多实例指同时跑多个单声部音序器。复节奏指不同划分与偏移交错形成的复合脉动。作者权指演奏者拥有音乐结果、算法不抢戏。

阅读建议是先沿单实例链路走一遍，再看双实例与四实例的差异，最后带着手势可读性、代理与作者权三把尺子重读反思部分。遇到比喻时及时对应回真实组件：所谓导航可能性空间，实际是转动 Events 与切换方向；所谓委托给系统，实际是启用 n 小节边界的调制并随时关闭。保持这种对应，就不会把修辞当成性质证明。

相关路线如何看待算法、姿态与作者权？

本文把自身放在算法作曲与交互式音乐系统的传统中。作者引用 Nierhaus 的观点，强调算法系统不是以自主性为特征，而是以计算逻辑为中介的人类音乐意图的延伸；同时引用 Rowe 关于交互式音乐系统的概念，强调音乐行为从演奏者输入与系统响应的实时反馈中涌现。这意味着评价标准不是系统能否独立写出好旋律，而是人机回路是否灵敏、是否可引导。

一个重要的先例是 Laurie Spiegel 的 Music Mouse。Spiegel 认为好的规则能把注意力从逐音构造转移到手势、密度、方向与曲式等更高层音乐品质上，演奏是在受约束但音乐连贯的可能性空间中导航，人与机器是协作关系。本文继承了这一思路，用欧几里得节奏生成作为时间组织的骨架，要求它在实时交互下保持可读、可控。

在乐器性讨论上，本文采纳关系性与涌现性视角：乐器性不是物体的固定属性，而是在具体使用中、通过动作与结果之间可感知的因果关系建构起来的。作者引用关于手势与声音因果、现场感的研究，指出电子演出中手势与反馈关系的清晰度往往是感知到的现场性与乐器性的关键条件。本文把手势分为两层：物理层是通过 MIDI 控制器上的推子与旋钮的身体动作，概念层是通过方向、密度、偏移等低维参数抽象。后者所谓低维，就是参数少、效果具体、演出中能立刻听懂，例如旋律方向、节奏密度、时间偏移。

在代理与作者权上，本文明确与许多机器学习与人工智能生成系统拉开距离。后者常优先自主音乐输出，可能挤占演奏者作者权；本文则让算法过程作为受约束的响应性结构参与音乐决策而不接管自主性，控制是分布式的、可选择性委托的。这为后文受约束调制与多实例设计提供了理论依据：自动变化必须可选、可撤回、可解释。

与生成式 AI 路线的同条件对照是什么？

同输入对照：两者都接受演奏者实时输入并输出音乐事件，但本文输入是低维旋钮与调式选择，输出是规则计算的 MIDI 事件；许多生成式系统输入是提示或潜空间采样，输出是模型生成的音符或音频。同目标对照：本文目标是现场即兴中的可读交互与作者权保留，生成式路线常以输出新颖性或风格拟真为目标。同监督对照：本文无训练监督，行为由欧几里得规则与遍历策略决定；生成式路线依赖大规模数据训练，行为由学习到的分布决定。

同运行阶段对照：本文在演出中实时执行、可随时干预；生成式系统有的离线生成、有的实时但干预粒度较粗。

因此类别差异不能当同条件胜负。本文不支持自主生成更强或更弱的判断，只支持在需要清晰因果与可撤回委托的现场，低维规则路线更易维持乐器性。若要在同台比较，需固定实例数、映射方式与演出时长，并同时报告可读性体验、作者权感知与感知负荷，而不是只比输出密度或新颖度。

研究问题如何界定可演奏性？

作者提出两个研究问题。第一，音序器如何被设计成支持现场交互驱动即兴的可演奏乐器。第二，当把音序当作可演奏系统时，会涌现出哪些交互可供性。第一个问题指向设计策略，第二个问题指向使用中发现的系统级行为。

可演奏性在这里不是指音质好坏或功能多少，而是指 3 个设计目标能否同时成立。第一是手势可读性：参数变化应产生即时且音乐上可解释的结果，让手势与结果的因果在演出中可感知。第二是用户创造代理与低维抽象：允许通过少量过程级控制塑造节奏与旋律行为，支持即兴与挪用。第三是作者权：算法过程应是受约束的、基于规则的结构，行为在演出中可解释，避免自主生成，保留演奏者对音乐结果的所有权。

这两个问题决定了评估方式。作者没有组织被试实验或对照组听测，而是由第一作者进行 2 次即兴创作，通过实践日志反思可演奏性。第 1 次聚焦手势可读性，第二次模拟更真实的现场场景以观察系统级可供性。这种第一人称、实践为基础的方法适合探索乐器性，但初学者必须意识到其边界：结论是情境化的设计洞察，不是跨演奏者、跨风格的普遍胜负判断。

系统全景：一个音符从手势到声音经历了什么？

先沿一个样本走完全程。假设演奏者转动 MIDI 旋钮，把步数设为 16、事件数设为 3，系统内部的欧几里得生成器会在 16 个时间步中尽可能均匀地放置 3 个触发点；同时演奏者在图形界面选定调式与根音，系统经由 ELSE 库的音阶对象生成量化音高集合并写入本地数组；方向行为若设为上行，3 个节奏触发点将依次带动遍历指针在音高集合中向上移动，生成 3 个 MIDI 音符编号，每个音符附带由力度与时长模块决定的力度与长度；这些 MIDI 事件经由 MIDI 路由送入数字音频工作站中的软件乐器发声；若启用了调制，事件数、方向或力度会在用户设定的 n 小节边界上自动更新，否则保持循环直到演奏者再次动手。

手势可读性 × 低维控制： 手势可读性要求参数变化产生即时且音乐上可解释的结果，让观众和演奏者能推断因果；低维控制指只暴露步数、事件数、偏移、方向、力度等少数效果具体的手柄。两者搭配的原因是参数越少、映射越直接，因果链越不容易被淹没，组合意义是把抽象算法行为翻译成可排练、可预判的身体动作，支撑即兴中的占有与风格分化。

系统的模块全景围绕单实例组织，但意图是通过多实例叠层获得复杂性。每个实例包含时值划分选择器、欧几里得节奏生成器、旋律遍历引擎、方向行为设置模块，以及针对事件数、方向与力度的调制模块。主 tempo 在所有实例间共享。每个实例是单声部，复音、复节奏与织体厚度来自同时运行多个实例并塑造实例间关系，而不是把单个实例做得很复杂。

阅读 Pure Data 图形界面有助于建立这种全景感。下段先导读该界面截图，再呈现图像标记，最后解释可见控件与上述链路的对应关系。

该界面展示了可演奏性的物质基础：左侧是时间与触发，右侧是运动方向，顶部是调式语境。理解这种分区，才能明白演奏者如何在演出中分配注意力。

看图路径： 1. 先确认这是 Pure Data 图形界面中单个实例的旋钮与选择器布局；2. 再看左侧 Sequencer 区的 Division、Steps、Events、Offset 数值框；3. 接着看右侧 Direction 区的 Behaviour 选项高亮位置；4. 最后对比上下两个实例在 Events 与 Behaviour 上的取值差异

论文图 1。原论文 Figure 1：“The Sequencer’s GUI in Pure Data.”。

从像素可见，界面分为上下两排实例，每排左侧 Sequencer 区有 Division、Steps、MIDI 通道、Offset、Events 与 St. Lngth 旋钮及数值框，例如上排显示 1/32 划分、16 步、事件数为 3，下排事件数为 4；右侧 Direction 区有 Behaviour 纵向选择器，提供 Random、Up、Down、Stutter Up、Stutter Down 选项，上排高亮 Up，下排高亮 Down；顶部有 Root 根音与 Mode 调式选择，像素中可见 F#与大调五声相关字样。这直接对应前文链路：左侧决定何时触发，右侧决定音高如何运动，顶部决定运动在哪组音高上进行。演奏时转动 Events 会同时影响触发疏密与旋律步进，这正是后文节奏与旋律耦合的关键。

节奏与旋律如何用极少参数联动？

欧几里得节奏核心由步数 n 与事件数 k 定义。按 Toussaint 的表述，事件被尽可能均匀地分布在步序列上，产生最大均匀的节奏型。偏移参数将整个触发序列做相位平移，是演出中制造变化的直观方式。例如把偏移加一，整个节奏型整体错开一格，听感是熟悉的型但落点不同，无需重编。

旋律侧通过方向性遍历实现。用户选择音阶与调式，系统生成量化音高集合并写入名为 0-pitches 的本地数组，形成音阶矩阵。实现上借助 pd-else 库的 scales 与 pitch 对象。遍历行为定义系统如何随时间在音高集合上行走，典型行为包括上行、下行、随机、重复或顿音，顿音长度参数控制同一音高重复多少次。这些行为被当作可演奏手势而非静态 pattern 选择，演奏者通过离散、可读的动作塑造旋律演化。

关键机制是节奏与旋律耦合：事件数 k 直接决定遍历如何在音高集合中推进。从表演视角，单个控制手势同时影响 timing 与旋律运动，目的是在不增加认知复杂度的前提下扩大表现范围。初学者可以这样体会：鼓点变密时，旋律音阶爬升的步伐也自动变密，两者不需要分别控制。

下段先导读欧几里得分布示意图，再呈现标记，最后结合像素解释均匀分布的含义。

该图用圆周表示时间循环，黑点为发声位置，白点为静默步，连接黑点的多边形越均匀，节奏越平衡。理解黑点数量与间距，才能把 k 的抽象定义落到听觉上。

看图路径： 1. 先确认外圈 0 到 7 共 8 个位置代表 8 个时间步；2. 再数左侧子图黑点数量并核对标注的间隔数字；3. 接着数右侧子图黑点数量并观察五边形连接方式；4. 最后比较两图黑点分布均匀程度随事件数增加的变化

论文图 2。原论文 Figure 2：“Two examples of Euclidean Rhythms distribution: 3 (a) and 5 (b) onsets over 8 steps.”。

从像素可见，左右两图外圈均为 0 至 7 共 8 个步进位置。左子图标注为 3 个起始点在 8 步上的分布，黑点位于 0、3、6，连接成三角形并标注间隔为 2、3、3；右子图标注为 5 个起始点在 8 步上的分布，黑点位于 0、2、3、5、6，连接成五边形。两图共同显示事件被尽量拉开而不聚集，这就是最大均匀的直观含义。当 k 从 3 增至 5，触发更密，多边形边更短，但仍保持相对均衡。演奏者增加 k 时，听到的正是这种从稀疏三角形到较密五边形的密度跃迁。

欧几里得节奏 × 方向性旋律遍历： 欧几里得节奏负责在步数 n 中尽可能均匀地放置事件数 k，解决何时发声；方向性旋律遍历负责在量化后的音阶集合上决定向上、向下、随机或顿音重复等移动策略，解决发声时唱哪个音。两者搭配的理由是共享同一个 k：k 既是节奏密度，又直接推进遍历在音高数组中的步进，因此转动 Events 一个旋钮能同时改变时值疏密与旋律轮廓，组合意义是以极少控件获得节奏与旋律联动的可演奏手势。

受约束调制负责长时变化而保持可解释性。调制目标包括节奏密度、遍历行为与音符力度，参数更新发生在用户定义的 n 小节边界上，bar 长度由步数 n 定义，因此结构变化出现在可预期的时间边界上。例如事件数 k 可设为每两小节更新 1 次。对事件数调制的参数范围施加约束，避免突兀中断或过密 pattern，以维护演出中的可解释性。调制始终可选，可随时接入或撤出，演奏者决定何时把过程委托给系统。

受约束调制 × 演奏者作者权： 受约束调制负责在用户设定的 n 小节边界上自动更新节奏密度、遍历行为与力度，但对事件数范围加界并允许随时接入或撤出；演奏者作者权要求算法只结构化时间与运动方式而不自主生成材料。搭配理由是以可预期的结构变化减轻长时变奏负担，同时不让系统接管决策，组合意义是形成可委托、可收回的分布式代理：忙时把有限变化交给系统，关键处收回手动控制。

多实例叠层 × 复节奏关系： 多实例叠层指每个 Pure Data 实例都是单声部音序器，通过同时运行多个实例实现复音；复节奏关系指不同实例采用不同时值划分、步数与偏移而自然形成的交错脉动。搭配理由是不增加单个实例的控制复杂度，而把复杂性放在实例之间的关系上，组合意义是让演奏者通过分层、静音、错位来组织曲式，系统级交互从层间关系中涌现。

多实例演出是复杂性的来源。每个实例是单声部音序器，乐器意图是通过多个同时实例使用，分层实现复音、复节奏与涌现复杂性，演奏者通过塑造平行过程间的关系构建更丰富的质感。这种设计把难度从单实例内部转移到实例间协调，这也预示了后文四实例时的感知负荷问题。

本研究训练了什么：无训练时真实计算是什么？

本研究没有训练阶段，没有神经网络权重更新，没有数据集划分训练，没有梯度路径、损失函数或优化器，也没有冻结与微调的区分。初学者不应把无训练等同于确定性求解：系统输出仍随演奏者手势、调制随机与实例间关系变化，只是变化来自规则执行与实时控制，而非学习到的参数。

真实计算是规则与路由的实时执行。第一，欧几里得分配按 n 与 k 计算触发位置，偏移做循环移位。第二，音阶量化按根音与调式生成音高集合，遍历指针按方向行为在数组上移动，顿音逻辑控制重复次数。第三，力度与时长模块为每个触发事件赋予演奏属性。第四，调制调度器在 n 小节边界检查是否需要更新目标参数，并在约束范围内取值。

第五，多实例并行各自按共享主 tempo 推进，输出多通道 MIDI 流。所有计算在 Pure Data 中实时发生，复杂度来自层叠与交互，而非模型容量。

缺项必须明确指出：原文未报告时钟精度、MIDI 延迟、CPU 占用或音频缓冲设置，也未报告随机遍历的随机源与可重复性控制方式。复现时不能从 Pure Data 名称推定延迟表现，需要自行测量从旋钮动作到声音变化的端到端时延。若要扩展，应先补上这些测量，而不是先增加算法复杂度。

两次即兴如何搭建：测什么、条件如何不同？

评估通过 2 次由第一作者演奏的即兴作品进行，交互经由 MIDI 控制器，用推子与旋钮映射到关键系统参数以实现连续手势控制，音序器生成 MIDI 输出并路由到数字音频工作站中的软件乐器。表演意图与搭建细节记录在附录日志中。第 1 次聚焦手势可读性，只用两个音序器实例并关闭所有生成性特征如调制参数，以检查直接手势与结果关系，前景化欧几里得核心与方向性遍历。第二次扩展为 4 个并行实例，各控制独立软件乐器，主动使用调制与实例间关系，模拟更真实的现场，作为分层交互式合奏运作，以回答第二个研究问题。

下段先导读 MIDI 映射图，再呈现标记，最后解释映射如何支撑两种实验条件的可比性。

该图说明了身体动作与系统参数的绑定方式，是理解 2 次即兴操作公平性的关键：旋钮管结构，推子管发声细节，键盘与界面管调式与启停。

看图路径： 1. 先看顶部六个 MIDI 旋钮分别映射的 Steps 到 Master Tempo；2. 再看中部两个推子映射的 Note Velocity 与 Note Length；3. 接着看右侧表格中 Keys、Spacebar 与 GUI 点击的功能划分；4. 最后读右下 Other Controls 关于根音设置的两条路径说明

论文图 4。原论文 Figure 4：“MIDI controller mapping employed for the recording of the improvised compositions.”。

从像素可见，顶部 6 个 MIDI 旋钮依次映射为 Steps、Events、Offset、Direction、MIDI 通道与 Master Tempo；中部两个推子映射为 Note Velocity 与 Note Length；右侧表格列出 Keys 零至六选择音阶调式、空格键控制启动与停止、界面点击拖拽控制调制与小节长度；右下 Other Controls 说明根音可通过在界面输入 MIDI 音符编号或连接 MIDI 键盘实时演奏设定。这种映射让 2 次即兴共享同一手势词汇，差异仅在于实例数量与是否启用调制，从而使比较聚焦于系统配置而非操作方式突变。

2 次即兴的音乐语境也有意控制。附录日志显示，第 1 次采用极简配置与拨弦音色以前景化节奏与旋律行为，MIDI 输出直接录入 Logic Pro X，美学上受 Raymond Scott、Steve Reich 与 Carl Stone 影响，强调重复结构、渐变与涌现的节奏交错。第二次仍以拨弦为主但引入细微音色差异以支持感知区分，让每个声部在分层织体中可辨认，美学延续第 1 次但更当代、更贴近作者个人表演实践。日志还记录第二次通过调制维持长时变奏，并在四声部协调困难时把变化委托给调制系统以释放注意力，用于聆听与在结构上有意义的时刻重新进入。

附录日志补了哪些特有细节？

除核心结果，至少两类论文特有细节值得展开。第一类是路由与录制链路：音序器在 Pure Data 中发送 MIDI，经由 MIDI 路由器到 Logic Pro X，每个实例送往独立软件乐器，生成 MIDI 输出直接录入 Logic Pro X。这意味着评估对象是 MIDI 生成而非音色设计，第 1 次特意用拨弦音色以避免音色掩盖节奏与旋律行为，第二次用细微音色差异帮助区分声部。第二类是美学框架：第 1 次受重复结构、渐变与涌现节奏交错影响，以慢速加法变换检验系统能否在实时控制下维持该风格；第二次延续该影响但更当代、更贴近作者个人实践，用调制与实例间关系维持长曲式变奏。这些细节说明实验条件经过意图控制，不是随意 jam。

另一特有细节是根音设置双路径：可在界面输入 MIDI 音符编号，或连接 MIDI 键盘实时演奏设定。这为现场留出两种注意力分配：预置精确值或用演奏手势带入调中心。复现时应两种都试，记录哪种更利于在四实例中保持方向感。

两次即兴显示了什么、支持了什么判断？

第 1 次即兴在约束搭建下持续实现手势可读性：参数变化产生即时且音乐上可解释的结果，支持透明手势与结果关系的设计目标。这也带来强烈的创造代理与作者权感知，因为算法过程主要结构化 timing 与遍历行为而非自主生成音乐材料，与以演奏者为中心的交互式音乐系统模型一致。代价是实例数有限时音乐空间的感知广度偶尔收窄，但仍足以展示可演奏性。

第二次即兴扩展到四实例并启用调制，支持复音与更复杂编排，直接回应第二个研究问题，揭示系统级交互可供性：动态分层、复节奏关系与跨实例分布式控制。但并发节奏层密度增加感知负荷，使实时协调更吃力，这与复杂节奏结构挑战时间夹带与注意焦点的研究一致。在这些时刻，受约束调制通过允许演奏者临时把有限变奏委托给系统而帮助管理复杂度，同时保持整体人类主导控制。

总体判断是系统通过维持物理手势与音乐结果的清晰关系实现乐器性，使音序成为直接即兴的场所。当调制关闭时，演奏者可通过介入或撤出手势在主动操纵与稳定循环之间切换，撤出手势后材料持续对应撤出前的最后状态，这揭示了代理的另一实时维度：不仅通过主动操纵，也通过有意的缺席行使。

以下两张表把上述文字条件整理为可核对的对照。表前先提出比较问题与公平条件，表后解释收益与代价。第一张表回答 2 次即兴的配置差异是否可比，第二张表回答核心参数如何以小控大。

第一张表比较 2 次即兴是否在相同手势词汇下仅改变实例数与调制开关，指标方向是配置越极简越利于观察手势可读性，配置越扩展越利于观察系统级可供性，公平条件是共享同一 MIDI 映射与路由链路。

表后解释需要同时看到收益与代价。作品一的收益是因果透明，旋钮转动如偏移或方向切换产生可感知的后果，曲式通过增量手势发展；代价是织体较薄，音乐空间广度受限。作品二的收益是复音、分层与复节奏关系涌现，调制允许在结构点重新进入；代价是四声部实时协调吃力，注意力需在声部间频繁切换。未胜出项必须指出：四实例并未在所有时刻都优于双实例，密度过高时可读性反而下降，这正是受约束调制需要介入的证据，而非系统规模越大越好。

第二张表比较核心参数如何分工，问题是极少控件如何同时驱动节奏与旋律，公平条件是同一单实例链路，指标方向是参数越少、效果越具体则手势可读性越高。

表后解释需要回到原文证据。欧几里得侧的最大均匀分布由 3 在 8 步与 5 在 8 步的例子例示，调制侧的结构变化发生在用户定义的 n 小节边界。收益是单手势表现范围扩大，旋律轮廓从抽象运动策略中涌现；代价是旋律行为集合虽为可读而设计，偶尔仍限制旋律多样性，即使有顿音长度与节奏互动提供灵活性。未评测边界是原文未测量不同 n、k 组合下的可辨识阈值，也未量化调制介入频率与感知负荷的关系，这些留待后文限制与复现部分补足。

关闭调制与增减实例能分离出什么作用？

本文没有机器学习意义上的消融表，但 2 次即兴构成 natural 对照：关闭调制加双实例对应基线可演奏性，启用调制加四实例对应扩展系统行为。比较必须保留原文实际可运行的策略，不能用事后最优值代替可部署收益。这里的可部署策略就是演奏者真实采用的操作：双实例时全手动，单旋钮对应单后果；四实例时部分委托，调制接管有限变奏以释放注意力。

分离出的第一项作用是调制开关。关闭时，系统退化为稳定循环器，演奏者撤出手势即获得稳定循环，重新进入即恢复操纵，这种在主动操纵与稳定循环间切换的能力本身就是乐器性证据。启用时，系统在 n 小节边界引入受约束变化，演奏者可退后聆听并在结构点重新进入，代价是若约束过松或实例过多，变化仍可能增加感知负荷。原文对事件数调制加界正是为了防止突兀中断或过密 pattern 损害可解释性。

分离出的第二项作用是实例数。从 2 增至 4，复音与复节奏关系涌现，但协调难度与感知负荷同步上升。附录日志明确记录四声部实时协调吃力，有时必须把变化委托给调制以换取高层决策注意力。这说明实例数不是越大越好，而是需要在可读性与织体丰富性之间权衡。未来工作提出的跨演奏者分布实例或实例间交互机制，正是试图在不增加个体认知负荷的前提下保留系统级丰富性。

初学者容易误读为调制越智能越好。本文的立场相反：调制必须受约束、可撤回、在可预期边界发生，否则会削弱作者权。评价时应问 3 个问题：变化何时发生是否可预期，变化范围是否有界，演奏者能否随时收回控制。只有三者皆是，才符合本文的受约束定义。

哪些边界尚未验证、代价在哪里？

旋律多样性是明确报告的局限。可用方向行为集合虽为可读与控制而设计，偶尔仍限制旋律多样性，尽管顿音长度与节奏维度的动态互动提供灵活性。作者建议扩展遍历策略或引入额外低维轮廓控制以扩大旋律表现范围。这属于有限解释：问题被观察到，但何种新策略能在不损害可读性的前提下增加多样性尚未验证。

感知负荷是另一代价。并发节奏层密度增加时，实时协调更 demanding，与时间夹带与注意焦点研究一致。受约束调制虽能缓解，但不能消除。原文未测量误判率、延迟或 CPU 成本，也未组织多演奏者或听众实验，因此不能承诺这些量得到改善，也不能把末步结果推广为全程成立。总体趋势不等于每组每步都成立，四实例中某些段落可能仍清晰，某些段落则拥挤。

方法边界也需交代。第一人称实践评估适合发现设计洞察，但缺乏跨演奏者可重复性与盲听对照；美学框架受特定作曲家与作者个人实践影响，换风格可能得出不同手感；硬件只报告 MIDI 控制器映射与软件路由，未报告控制器型号细节、延迟测量与统计方法。区分直接报告、有限解释与未验证推测：双实例下手势可读性与四实例下系统级可供性是报告。

以低维规则支持即兴是这些观察支持的判断；人类中心算法设计在更广风格中普适则是可能但待验证的推测。

复现先做什么：代码、环境与操作清单是什么？

复现应从可运行系统入手，而非从理论重推。资源状态是正文开源声明的唯一依据：本次收到的资源 1 为代码类型且可用，链接为 Codeberg 上的 Performing Sequences 仓库，状态 200，当前可用已公开；资源 2 为第三方 pd-else 库且可用，状态 200，当前可用已公开。先克隆资源 1，再按其说明安装 Pure Data 与 pd-else 依赖，特别确认 scales 与 pitch 对象可用，因为音阶矩阵依赖它们。

操作清单按学习依赖展开。第一步单实例冒烟测试：设主 tempo 为舒适速度，时值划分选常见值，步数设 16，事件数从 3 逐步增至 5，偏移逐格移动，方向在上行与下行间切换，监听触发疏密与旋律走向是否即时跟随。第二步音阶语境测试：设定根音与调式，验证音高集合写入与量化是否正确，可用 MIDI 键盘实时设定根音对比固定输入。第三步调制测试：将事件数更新设为每两小节 1 次，观察结构变化是否落在可预期边界，并测试约束上下界是否防止过密或中断。

第四步多实例测试：先跑双实例全手动，记录手势与结果对应感；再跑四实例并启用调制，记录何时需要委托、何时收回，体会感知负荷变化。全程将 MIDI 输出路由到数字音频工作站软件乐器并录制 MIDI 以便回听。

关键超参数与信息条件必须保留：步数 n 定义小节长度，事件数 k、偏移、方向、力度与时长是主要手柄，调制更新以 n 小节为单位，实例数 2 与 4 是原文验证过的两个工作点。缺项需补测：端到端手势到声音延迟、不同 n 与 k 下的可辨识度、长时间演出的 CPU 占用。不要把代码可用等同于系统可运行：仍需自行配置 MIDI 路由、音频缓冲与控制器映射，图 4 的映射是起点而非唯一解。

何时值得尝试这种低维规则音序器？

当你的演出需要一边演奏一边改变结构，而不想被自动生成夺走决策时，这种设计值得尝试。具体信号是：你希望转动一个旋钮同时改变节奏密度与旋律走向，且希望观众能听出动作与结果的对应；你愿意用多个简单实例叠出复杂织体，而不是调试单个庞然大物；你接受旋律多样性暂时受限，换取排练可习得、手势可预判的乐器感。

不适合的场景也要明确。若目标是风格多样的自动作曲、跨曲风旋律生成或最小操作下的丰富输出，本文的受约束、低维路线不会直接给出最优解，其旋律行为集合可能显得单调。若演出要求极低延迟或大规模复音，原文未提供延迟与成本证据，需先补测量再上台。

回到中心矛盾：音序器能否既是结构生成器又是乐器。本文的回答是肯定的，但有条件：用最大均匀的节奏骨架保证可读，用方向遍历保证旋律可演奏，用 n 小节边界与范围约束保证变化可预期，用多实例叠层把复杂性放在关系而非单体上。2 次即兴共同支持低维、基于规则的控制能在保留作者权的同时支撑交互驱动即兴，代价是层数增加时的感知负荷与旋律天花板。下一步验证应是跨演奏者分布实例的合奏实验，以及实例间交互的高层参数，用单手势塑造声部间关系，在保留人类主导的前提下加强系统级控制。

📐 原文公式与排版

以下展示论文原页中的数学表达区域，保留原始上下标、分式和符号排版。区域序号仅用于本文导航，不是论文公式编号。

区域 1 · 查看论文原页

⚖️ 评分明细

评分属于系统判断，不是论文实验结果；八维数值与总分见页首，原始审计记录保留在后端。

• 评分规则：type-aware-v1
• 评分模型：muse-spark-1.3-contributor
• 评分请求协议：openai_responses

← 返回 nime-2026 论文汇总