为全身舞蹈保留发声逻辑：1978 年 Terpsitone 的交互式数字孪生

英文题目：A Digital Twin for Theremin’s Terpsitone from 1970s.

会议身份：conference:nime:2026:conference-paper-id:nime2026_21

✅ 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：#教育 #信号处理 #音乐 #音频交互

评分：4.5/10 | 创新 1.2/2 | 技术严谨 0.8/1.5 | 实验充分 0.2/1.5 | 清晰度 0.7/1 | 影响力 0.8/1.5 | 开源 0.0/1.5 | 可复现 0.1/0.5 | 工程/实践 0.7/1.5

排名：后50% | 文档类型：系统技术报告

👥 作者与机构

• Sergey Kasich：机构信息未能从会议 PDF 纯文本可靠映射
• Breanna Lau：机构信息未能从会议 PDF 纯文本可靠映射

📌 核心摘要

本文任务是以全身舞蹈动作驱动单声部连续音高与音色的特普斯特琴为对象，输入为舞者在台面天线上的三维身体位置变化，输出为差频振荡合成的连续音频，难点在于现存仅1978-1979年为Lydia Kavina制作的最后一台原机且几乎无历史录音与交互标定可考。首先基于46张照片与手工测量在MAYA中重建全尺寸三维模型，输出带定制纹理的外观与空间尺寸存档并作为Unity中虚拟舞台几何。其次基于逆向得到的电子管合成器电路在Pure Data中以范德波尔振荡器对高频差频发声建模，经低通滤波链抑制高频伪像后生成程序化音频引擎。在历史考证任务下，系列考证的数量指标为至少4台，高于早期视觉分析确认的数量指标2台。再次在Unity中以Meta Quest 3头加双手三点质心映射垂直高度变化，经由LibPD驱动音频引擎实现纵向位置到音高的交互耦合。与仅做外观复刻的虚拟现实乐器做法不同，本文提出交互运动学概念，强调身体质心升降控制音高的可迁移类属逻辑而非固定手势复刻。当前结论适用边界受限于外观展示与原理演示，音高稳定性、延迟与演奏可用性尚未验证。原文未披露训练、推理或部署成本。

🔗 开源与复现资源

• 第三方资源：https://yadegari.org/software/ — 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？为什么只拍照存档不够？

这篇论文的输入是唯一可核对的实物与文献：现存于莫斯科音乐学院电声音乐中心的最后一台 Terpsitone，以及围绕它散落的照片、专利、杂志图解和电路草图。目标不是做一个好看的虚拟展品，而是做一个能被身体演奏的档案，让后人还能体会全身高度如何变成音高。作者把这个目标拆成必须保留的三样东西：按厘米测量的 3 维体、按原电路结构做的声音引擎、把动作连到声音的交互映射。缺少任何一样，演奏逻辑就断了。

论文先给研究生划出学习范围。它提出历史电子乐器这个类别，指在商业电子乐器工业形成之前、由个人手工制作、带有实验意图、缺乏尺寸与形态标准化的乐器。Terpsitone 正好落在这个范围内：它是一台单声部的电子乐器，演奏者站在一个水平舞台面上，用全身编舞控制声音，另有一个装着音调发生器与电源的箱体。理解这一点很重要，否则容易把它误会成普通特雷门加一个大踏板。它的特殊处在于空间：身体本身就是控制界面，舞台的高度方向与前后方向就是旋钮。

数字孪生 × 交互式运动学概念： 数字孪生负责保存可被反复调用的几何与发声结构，交互式运动学概念负责规定身体动作以何种物理逻辑改变声音，二者搭配的原因是只复制外观无法保留全身演奏法，组合后形成既看得见又奏得动的档案。

为此论文引入交互式运动学概念，用白话说就是某类乐器特有的身体动作与声音之间的物理道理。它不同于泛泛的手势一词，因为手势常让人联想到传统声学乐器的演奏习惯，而这里强调的是电容感应、天线位置与人体姿态之间的对应。论文主张虚拟现实是保存这种道理的第二条路，第一条当然是修好真机并复制硬件。虚拟现实的价值在于它能同时保存体积、位置与动作，而照片只能保存某一时刻的外形。

本解读的输出是一套可复述的方法：历史考证如何确定以哪一台为基准，测量建模如何保证全尺寸，声音如何从电子管振荡器转成数字振荡器，交互如何从全身简化为头加双手三点，以及当前原型做到哪一步、哪些还没有验证。阅读时请记住，所有年代、地点与技术细节都以论文给出的原始来源为准，不做超出证据的性能承诺。

Terpsitone 有几代？为何说它是一类乐器而非一台琴？

论文花了很大篇幅做历史考证，结论是 Terpsitone 不是单一型号，而是一类保持核心演奏法但实现不断变化的乐器。最早可查的匿名报道是 1932 年 3 月 27 日星期日版纽约时报第 154 页，把它叫作音乐舞蹈舞台。最早使用 Terpsitone 这个名字的是 1936 年 6 月无线电工艺杂志第 6 期 C.P.Mason 的专文。核心演奏法被概括为一句话：音高由演奏者在垂直轴上的位置控制，其余映射都可以变。

第一代是 1930 年前后在纽约制作的音乐舞蹈舞台，1932 年 4 月 1 日晚 8 时 30 分在卡内基音乐厅公开演示，由当时还用本名 Reisenberg 的 Clara Rockmore 示范。当时的观察描述是挥动手臂管音高，蹲下或站起管音量，但论文提醒这可能是外行观察者的说法，技术上音量更可能是通过前后走动靠近身后扬声器架内藏的第二天线来改变。关键动作是全身高度变化，而不是手指小动作。

下面这张 1932 年的历史照片是理解第一代形态的关键，阅读时先看舞台与人身后结构，再想音高与音量各由哪块天线负责。

看图路径： 1. 辨认舞者脚下的矩形舞台面板与身后高大的扬声器支架；2. 观察舞者弯腰低头动作与垂直高度变化的演奏姿态；3. 核对左侧杂志文字中关于平台控制真空管的说明残片

论文图 2。原论文 Figure 2：“Clara Rockmore (Reisenberg) pictured demon- strating the first “Terpsitone” (the Musical Dance Stage) in Carnegie Hall (New York) on the evening of April 1st 1932.”。

这张图显示舞者站在矩形舞台面板上，身后立着高大的定制扬声器结构，论文判断其中很可能藏着控制音量的第二天线。左侧杂志残页文字提到舞者在音乐平台上的动作控制真空管并转为扬声器声音，右侧菱形网罩结构是扬声器的视觉特征。它支持论文的一个判断：早期舞台版是为巡演设计的可移动装置，与后来固定在工作室的版本形态不同，不能把两张照片混为同一台琴。论文还引用特雷门致 Prieberg 的信，说明纽约舞蹈工作室里曾有多台 Terpsitone 练习巴赫赋格等多声部作品，因此至少有四台以上，而 1930 年代实物的下落目前未知。

第二代是 1936 年杂志所示的固定在曼哈顿工作室的装置，有地板电容板、主扬声器与伴奏扬声器、墙上的合成器块与机械式音高指示灯。论文特别指出该版本音量并不由舞者控制，而是由特雷门本人在旁调节，舞者只管音高。第三代是 1966 年前后在莫斯科制作的版本，有专利结构图与 1968 年声学实验室报告为证，增加了背板天线使前后走动可以控制响度，并有用模拟记忆稳定音高的附加块。

第四代即本文孪生的原型，是 1978 至 1979 年为 11 岁的 Lydia Kavina 制作的礼物，后来长期存于特雷门中心、私人库房、声音艺术工作室，2023 至 2024 年转入电声音乐中心。梳理这四代的意义在于确定孪生基准：作者明确只以最后一台为建模与发声对象，不把不同年代的音量方案混在一起。

要复现的到底是哪台？任务边界如何划定？

论文把任务收敛到最后一台 Terpsitone，理由很实际：它是唯一现存、由特雷门亲手制作、能被测量与通电验证的实物。早期的纽约版本已失散，1966 年版本据称在特雷门被声学实验室解聘时遗失，只有这台能同时提供面板尺寸、音调块电路与可听录音。举例说，如果要复述 1 次完整的输入到输出，样本就是一个舞者站在 1978 年面板上抬高身体，面板下金属网电极的分布电容变化，改变可变高频振荡器频率，与固定振荡器差拍后得到音高上升，最后从扬声器发出。这个链条就是全文反复核对的主路径。

Terpsitone × Thereminvox： Terpsitone 负责把全身在垂直轴和前后轴的位置变成音高与音量，Thereminvox 负责提供双振荡器差拍得到可听频率的电路母型，二者搭配的原因是前者可视为后者模块的重排，组合后可以用已知的特雷门电路知识去解读 Terpsitone 的音调块。

任务的难点在于历史与技术的双重不确定。历史不确定是音量映射多变：1932 年可能是前后走动，1936 年是旁人手动，1966 年专利画出背板，1978 年照片里特雷门右手疑似握着小控制器而非第二天线。技术不确定是电路图不全：2011 至 2012 年由 Andrey Smirnov 从实物逆向的手绘草图缺少部分标称值，真空管只知苏联型号 6H8C 与 6A7。论文不回避这些缺口，而是把孪生做成分叉方法：同一批源数据可以长出多个数字分支，分别试验不同的音量假设与声音实现，以提高稀有文物保存的成功率。

为让比较公平，论文整理出各代在时间、地点与控制上的差异。下表不是性能榜，而是帮助读者核对每一代证据处于何种实验条件，避免把不同年代的描述拼成一台想象中的琴。表中年代与时刻均来自正文连续原句，地点与映射来自图注与正文考证。

表后需要说明这张表的限度。它支持的判断是 Terpsitone 应按类别理解，核心音高逻辑稳定而音量逻辑多变。它不支持任何音质或易奏性比较，因为论文报告没有各代录音的对比听测，也没有统一的测量条件。未胜出的细节是 1936 年版本的音量完全外包，这对现代独奏想象是一个反例：不是所有 Terpsitone 都能 1 人同时控制音高与音量。复现时若默认舞者同时管响度，就偏离了部分历史真相。

数字孪生由哪三段构成？数据如何流转？

论文把制作流程分成 3 段：全尺寸 3 维模型、程序化声音引擎、连接两者的交互映射。数据流转是单向可演奏的：身体位置进入追踪计算，得到控制量进入声音引擎，引擎实时合成音频输出。文件格式上 3 维用常见的.obj 或.fbx 类标准，声音先用 Pure Data 做原型，再经 LibPD 编译进 Unity 构建，运行在 Meta Quest 3 经 Link 连接 Windows 电脑的环境。分叉思想贯穿始终：模型、声音、映射各自可替换分支，但共享同一批测量与电路源数据。

在进入细节前，先用实物与模型拼接图建立整体印象。这张图左边是真机的木纹与使用痕迹，右边是建模的平滑材质，中间拼接缝正好让人核对尺寸与部件是否对上。

看图路径： 1. 对比画面中线左右两侧木纹质感与建模平滑度的差异；2. 观察前景天线面板与后方音调块的相对位置与比例；3. 检查面板侧面把手与音调块顶部电子管的保留情况；4. 确认左右拼接处是否对齐为同一台 1978 年乐器的孪生关系

论文图 1。原论文 Figure 1：“A collage of the real Terpsitone on the left and a full-size 3D model of it on the right.”。

这张拼图的前景是宽大的天线面板，侧面可见提手，后方是音调块与扬声器箱，顶部可见电子管与旋钮等元件。左侧真机呈淡黄色木质，有划痕与胶带修补痕迹，右侧模型呈均匀的棕色，表面更光滑但保留了把手与箱体比例。它说明建模采取测量建模而非扫描：作者团队依据 46 张照片与大量厘米级测量在 Maya 中重建，并贴上定制纹理。它的限度也 visible：纹理真实感尚未完全一致，但这不影响交互逻辑的保存，因为关键是面板位置与音调块拓扑正确，而非木纹逼真。

3 段的具体分工是：模型保证站在上面的空间关系正确，声音保证差拍原理正确，映射保证垂直高度主控音高的运动学概念正确。论文强调理想的映射应有动作捕捉或索引化的视听记录作为依据，目前用历史描述与现存演出录像推断主逻辑，再用三点质心近似全身。这是一种在证据不足时的务实折中，后文会展开其代价。

三维体与声音引擎各自如何实现？

3 维部分采用基于测量的建模。输入是 46 张照片与面板、音调块的详细尺寸图，工具是 Maya，输出是全尺寸模型。论文给出天线面板是胶合板矩形箱，顶部宽于底部，下方有金属网作为开式电容传感器的电极，侧面有金属提手与滚轮。音调块是胶合板矩形盒，金属顶板上装着电子元件、控制器与接插件，内部有电源与合成器两大部分。作者形容其为苏联时期就地取材的即兴装配美学，这既是历史信息，也提示建模时不要过度规整化：孔洞与外露零件的位置本身就是实验痕迹。

声音部分走结构建模而非采样回放。电路被识别为与 RCA 特雷门相近的阿姆斯特朗振荡器，用双三极管 6H8C 构成超听阈的固定与可变高频振荡器，混合后取差频进入可听范围。数字实现上作者把电子管反馈电路看作范德波尔振荡器类，用 Pure Data 的 fexpr 对象写差分迭代，再让两个甚高频振荡器差拍并经低通滤波链取可听部分。论文坦言计算机内无法直接跑超奈奎斯特的高频差拍，因此用高音频频率加低通的近似链，这是为可运行而做的明确近似，不是严格电路仿真。

外差 × 范德波尔振荡器： 外差负责把固定高频与可变高频相减得到可听的低频差频，范德波尔振荡器负责在数字域近似电子管反馈振荡器的起振与限幅行为，二者搭配的原因是直接仿真超高频超出音频采样能力而行为建模可行，组合后得到可用低通链实现的原型声音引擎。

程序化音频 × 虚拟现实乐器： 程序化音频负责按实时交互参数即时合成信号而非播放采样，虚拟现实乐器负责提供沉浸式 3 维空间与追踪输入，二者搭配的原因是 Terpsitone 的发声本就是连续身体位置的函数，组合后使虚拟舞台位置能直接驱动合成器。

交互部分把全身简化为三点质心。系统只有头盔的一个头部追踪点与双手各一个控制器点，取三点在 3 维空间的平均质心作为身体高度的代理量，再映射到天线面板模型中的稳定坐标距离，进而驱动 Pure Data 补丁。特雷门本人的描述被用作依据：身体低则音低，身体升高则音高，一手上一下可保持音高不变，双手同上则音高上升。这说明质心近似抓住了全身升降的主成分，但丢失了单肢细节与前后轴音量。论文把 C#脚本与 LibPD 集成作为当前原型链路，精度脚本仍在开发中，这是后续需要补验证的关键缺项。

有没有训练？实际计算过程是什么？

本研究没有神经网络训练阶段，也就没有梯度、损失、冻结与更新的报告。把无训练理解为输出确定是错误的：系统的声音仍取决于实时身体输入与振荡器参数，同样输入在同样参数下可重复，但人体动作本身不可重复。需要明确说明的真实计算有 3 类。第一类是几何构造计算：把厘米测量与照片转成 Maya 中的顶点与纹理，没有学习，只有手工对齐与比例核对。第二类是数字信号原型计算：在 Pure Data 中按范德波尔迭代与差拍加滤波生成音频，参数来自对原电路的判读与试听调整，而非从数据拟合。第 3 类是交互映射计算：在 Unity 中每帧计算头与双手三点质心，再算到面板坐标的距离并送入 LibPD。

论文未报告的内容要如实指出：振荡器系数、滤波截止、映射增益等关键超参数没有列表，质心到频率的具体标定曲线没有给出，延迟与帧率没有测量。因此复现时不能指望 1 次跑通，需要把参数搜索与标定当作正式步骤。好消息是原型链路是公开技术栈：Pure Data、Unity、LibPD 与 Meta Quest 3 都是可获得的，电路图在文中首次发表，可作为起点。资源状态方面，论文引用的 Yadegari 软件页当前可用，状态码为 200，地址为官方资源层给出的链接，可用于查阅 fexpr 对象的用法，但它不是本孪生的完整代码托管。

用什么设备与材料验证？条件交代到哪一步？

实验条件按论文实际写出的分为历史验证与系统搭建两类。历史验证的材料包括卡内基音乐厅节目单、纽约时报报道、无线电工艺杂志图解、1966 年专利申请结构图、1968 年声学实验室年度报告、1982 年苏联妇女杂志照片、2013 年洛桑 NODE 音乐节录像与 2024 年 12 月 7 日在电声音乐中心 Artemiev 空间的公开演出录像。设备验证的对象是最后一台实物，据参与演出的 Oleg Makarov 说，由于结构相对简单，闲置数十年后无需大修即可工作，这为电路逆向提供了可通电的前提。

系统搭建的条件是 Meta Quest 3 头显经 Link 连 Windows 电脑，集成环境为 Unity 3D，原型声音为 Pure Data，桥接为 LibPD 的 Unity 集成。建模输入明确为 46 张照片加大量测量，声音输入为逆向电路图与两段可听录像中的音色印象：低端厚实压缩、高端干净近正弦，这是特雷门类差拍音色的典型描述。论文没有给出听音评价量表、被试数量、任务完成时间或音高误差统计，因此这不是受控实验，而是可行性原型展示。

下表把可运行链路的各环节摆在一起，目的是让后来者按同样条件重搭，而不是比较优劣。表中设备与数量均有逐字原句支撑，工具与连接关系来自正文，状态列只写论文明确说的已实现或开发中。

表后解释这张表的用途与代价。它支持的判断是原型链路已经走通：从动作到质心到声音补丁到 Unity 输出没有断点。它的代价是精度未知：质心代理全身会抹掉单臂补偿等精细动作，前后轴音量尚未实现，滤波链近似高频差拍会带来音色偏差。未评测的边界包括多人同时演奏、长时间佩戴的漂移、多房间声学差异，论文都没有涉及，复现时不应承诺这些场景可用。

原型实际听到了什么？历史录音说明了什么？

论文报告的主结果是定性的：数字孪生的 3 维体已建成全尺寸模型，声音引擎已能用范德波尔差拍原型发声，交互已能用三点质心驱动音高，整体可在 Quest 加电脑的 Unity 环境中演奏。但它没有给出音高误差、延迟毫秒数或听感评分，因此不能写成性能数字，只能写成连通性结果。历史方面的结果更扎实：考证纠正了若干二手误传，例如 1932 年照片的正确原始来源是大众科学而非部分网络转引，1936 年与 1932 年照片确为不同装置，1966 年专利结构列出 9 个模块，末台琴的面板虽外观变化但经确认为同一设备。

可听证据只有两段：2013 年 1 月洛桑安装中 Thierry Frenkel 的即兴演示，以及 2024 年 12 月 7 日由 Vladimir Ermachenkov 编舞、Oleg Makarov 负责声音工程的公开演出。论文描述末台琴音色为厚重的差拍振荡器质感，低频自然压缩、高频干净正弦，这与经典特雷门相近。它明确说此前多数现代艺术家觉得实物可能性有限且搬运困难，因此实物长期沉默，直到 2024 年才有正式公开演出。这是一个重要反证：保存完好的实物不等于易用的乐器，数字孪生的意义正在于降低试奏门槛。

下面这张 1982 年杂志照片是理解末台琴家用演示状态的直接证据，阅读时注意人物、面板与音调盒三者的空间关系。

看图路径： 1. 观察舞者站在蓝色覆盖面板上的双脚位置与身体高度；2. 辨认右侧墙角坐着的特雷门与其右手可能持有的小控制器；3. 核对面板后方墙角音调盒与整体家用演示环境的布置

论文图 9。原论文 Figure 9：“The dance on the Terpsitone. Magazine “Sovet- skaya zhenschina” n.4, 1982.”。

这张图左侧是站在蓝色覆盖面板上的年轻 Lydia Kavina，双脚并拢、身体腾起，右侧坐着年迈的特雷门，右手可见疑似小控制器，墙角放着音调盒与座钟。它支持论文对 1978 年版本音量方案的谨慎推测：可能不是第二天线，而是手持控制器代管响度变化。它也显示面板由 Lydia 之父 Evgeniy Kavin 制作的木质大板，与后来在特雷门中心拍摄的裸木面板实为同一设备，只是装饰织物遗失。这种家用演示环境说明末台琴并非为剧场巡演设计，复现时若按大舞台混响或大动作幅度调参，就会偏离原物的使用语境。

如果拿掉或换掉某个映射会怎样？

论文没有做神经网络消融，但提供了历史上的自然对照，可按同样输入、不同映射来读。第一组对照是音量归属：1936 年工作室版把音量完全交给特雷门本人，舞者只管音高；1966 年专利版把音量交还给舞者的前后走动；1978 年版疑似交给手持小控制器。三者输入都是全身舞蹈，目标都是可控的独奏，但监督来源不同：旁人手动、前后位置、手持旋钮。若在孪生中拿掉音量分支，只保留垂直高度到音高，得到的就是 1936 年模式，这在历史上有依据，不是功能缺失，但需要明确标注为单人不管响度的版本。

辅助音乐性 × 音量控制： 音量控制负责决定响度由演奏者身体还是外部操作者管理，辅助音乐性负责用自动缩放或调制降低演奏难度，二者搭配的原因是多代 Terpsitone 的音量方案都不统一且有的版本完全交给他人，组合后可以讨论哪些自动化属于历史原有设计而非现代简化。

第二组对照是辅助音乐性。1936 年原理图中的振动器模块有两种解读：只是加低频幅度调制让音色更音乐化，或是只放行特定音阶幅度的缩放器。若第二种成立，它就是早期的演奏辅助自动化，与后来 Radio Baton 指挥模式与无障碍乐器的思路相通。1966 年报告中稳定音高的模拟记忆块是更明确的第二例。在孪生中加入这类辅助会降低难度但改变历史忠实度，拿掉则更难奏但更接近裸电路。论文没有实测两种选择下的音准差异，这是缺项，不应猜测拿掉后必然跑调。

第三组对照是声音实现路线：采样回放 versus 结构建模。采样能更快接近 2013 与 2024 录像中的音色，但丢失旋钮与电压变化的连续性；范德波尔差拍保留连续可调性，但因高频近似与缺失标称值而音色有偏。论文选择后者并给出首次发表的电路图，理由是为后续分支留出可调结构。复现者可以把采样分支当作对照组，但必须保持同一动作输入与同一评价任务，否则不是公平比较。

哪些还没有验证？边界在哪里？

论文的诚实之处在于把未完成写在结论里：声音引擎需要更稳定，高精度交互脚本仍在开发，表演测试尚未开展。这意味着当前原型不支持关于延迟、音准、可用性的任何定量承诺。电路逆向缺少部分标称值，真空管现代代换只给出 6SN7GTB 与 6SA7 类比，具体工作点没有标定，滤波链参数没有列表，这些都是复现前必须补测的。交互上三点质心是对全身的强简化，论文引用的不改变音高的动作恰好是反例：单臂上举另臂下放时质心可能不变而身体姿态已变，系统无法区分这类语义差异。

历史考证也有边界：1930 年代多台琴的具体数量仍是至少四台的估计，纽约 estate 的去向需要更深调查，1966 年照片中左侧黑板是否为第二天线明确写了无法确认。1966 年实验室报告把音量装置归为附加设备，论文提示可能是官僚要求的写法，不能当作技术结论。这些不确定不是技术错误，而是证据缺口，写作时用可能与待验证表达，不把相关性写成因果。

部署成本同样未报告：建模工时、Unity 构建帧率、Pure Data 补丁的 CPU 占用、Quest 经 Link 的端到端延迟都没有数字。训练资源一节已说明无训练，但推理开销仍未知。总体趋势是全身约束会打磨动作的优美性，论文以 1930 年代至今影像中身体线条为据，但这属于美学观察而非测量结论，不能推广为每组动作或每位演奏者都成立。

要重做这个孪生，先做什么、用什么？

复现的第一步是锁定基准物：只以 1978 至 1979 年面板加音调块两件套为对象，不要混入 1936 年的伴奏留声机或 1966 年的背板。向莫斯科电声音乐中心核对当前藏品状态，索取面板与音调块的厘米尺寸与 46 张量级的照片集，用 Maya 或等价工具按实测重建全尺寸体，文件导出为开放的.obj 或.fbx 以便分叉。第二步是重绘电路：以文中首次发表的合成器电路图为起点，补测缺失标称值，确认 6H8C 与 6A7 的工作点，再在 Pure Data 中搭范德波尔迭代与差拍加低通链，先让垂直控制量能连续改变音高，再调音色接近录像中低厚高纯的印象。

第三步是搭交互：准备 Meta Quest 3 加 Windows 电脑加 Unity 环境，经 LibPD 把 Pure Data 补丁编译进构建。每帧取头与双手三点坐标算平均质心，再算到虚拟面板稳定坐标的距离并映射到振荡器控制端。先验证论文引用的动作语义：整体下蹲音低，整体升高音高，单臂一上一一下音高不变，双臂同上音高上升。若质心方案通不过这组动作，就需要加躯干或脚踝追踪分支。第四步是标注版本：明确当前构建是无音量、背板音量还是手持音量中的哪一种，并在演示中说明历史依据，避免把现代简化当成原物。

还需补的验证至少三项：音高标定曲线与误差统计，不同辅助开关下的可奏性对比，以及端到端延迟与帧率测量。代码与权重方面，论文没有给出完整孪生仓库，只能依靠公开的 Pure Data、Unity 与 LibPD 集成重搭，Yadegari 软件页可查 fexpr 用法且当前可用，但它不等同于本项目开源。引用历史照片时注意原始来源：1932 年卡内基照片以大众科学为准，1936 年组图以无线电工艺为准，1966 年结构以专利申请与声学实验室报告为准。

何时值得尝试这个路线？记住哪条主链？

当你的对象也是缺乏标准化、靠身体位置发声、实物稀少而文献散落的历史电子乐器时，这条路线值得尝试。它的适用条件是：能测到实物尺寸，能读到电路结构，能找到至少一段可听录音与一段动作描述，能接受用近似声音加简化交互先走通主链。它的不适用条件是：需要严格电路仿真精度、需要发表听感胜负、需要在大舞台多人条件下直接演出，这些在本文都没有证据。

记住的主链很短：面板下金属网的分布电容变化改变可变高频，双高频差拍得到可听音高，身体垂直高度是主控量。用一句话复述 1 次样本：舞者站上 1978 年木面板并抬高身体，电容变化使可变振荡器频率偏移，与固定振荡器差拍后音高上升，经音调块放大从扬声器发出，虚拟孪生中则是三点质心升高驱动 Pure Data 补丁的对应参数。这条链上的每个环节都可替换分支，但共享同一批测量与电路源数据，这就是论文所说的分叉保存。

最后的提醒是区分 3 类陈述：论文直接报告的是四代形态差异、末台琴两件套结构、原型链路连通；有限解释的是音量手持控制器与振动器缩放器功能；未验证的是高精度映射与稳定音色的性能。做后续工作时，优先补标定与延迟测量，再做表演测试，让全身约束带来的动作美学从观察变成可测量的演奏质量。

📐 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

区域 2 · 查看论文原页

区域 3 · 查看论文原页

区域 4 · 查看论文原页

区域 5 · 查看论文原页

区域 6 · 查看论文原页

另有 3 个候选区域因边界不明确或图片数量、尺寸限制未展开；请查看完整论文中的原始排版。

⚖️ 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