不用声带唱歌：用声道共鸣从反馈里选出微分音的 Ephemerides

英文题目：Ephemerides: A Microtonal Feedback Instrument Based On Transgender Voice Training Technique.

会议身份：conference:nime:2026:conference-paper-id:nime2026_29

✅ 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：#用户研究 #发声与构音 #音乐 #音乐生成

评分：5.0/10 | 创新 1.2/2 | 技术严谨 0.8/1.5 | 实验充分 0.5/1.5 | 清晰度 0.7/1 | 影响力 0.7/1.5 | 开源 0.0/1.5 | 可复现 0.1/0.5 | 工程/实践 1.0/1.5

排名：后50% | 文档类型：系统技术报告

👥 作者与机构

• June Kuhn：机构信息未能从会议 PDF 纯文本可靠映射
• Andrew McPherson：机构信息未能从会议 PDF 纯文本可靠映射

📌 核心摘要

Ephemerides的任务是以声道共鸣选择音高并输出微分音音乐，输入为振荡器组经喉部激发的滤波后声音，输出为经反馈放大的演唱式音流，难点在于不使用声带仍要稳定可控地选择微分音程并与发声焦虑共处。先由Max声音程序生成音乐人选定的振荡器组作为输入并负责提供可调微分音源，其输出经voice coil换能器送入喉部进入下一步。再由口腔与声道对喉部输入进行滤波负责形成共振峰结构，其输出的共振信号由头戴麦克风拾取进入下一步。最后由恒定Q变换带通滤波组对麦克风信号进行选频并负责强化最强共振，其输出经前视限幅器放大后返回输出链路形成反馈回路并由音高检测设定参考频率构建可演奏音阶。与共振峰检测或性别分类式嗓音应用不同，该系统不做元音或性别推断而将聆听交还演奏者与观众，代理分布于身体与设备之间。在田野记录设置下，Noticing会话的时长指标为60分钟，高于常规记录的时长指标30分钟。其结论适用边界受限于实验音乐独奏与氛围电子合奏等包容性场景，尚未验证普通演唱者学习曲线与音准稳定性。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://instrumentslab.org — 链接可访问（HTTP 200）
• 第三方资源：https://subphonics.com → https://www.subphonics.com/ — 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：为何从声音焦虑出发做乐器？

这篇论文的输入不是一个识别或合成基准，而是 1 位跨性别女性作者的长期声音焦虑。文中把声音焦虑定义为因发声和声音呈现与性别认同不一致而产生的情绪与心理困扰，临床描述归纳为 3 类主题：声音在社交中暴露不一致、青春期后被文化铭刻的声音习惯、够不着的理想声音。作者强调本文只基于第一作者作为 transfeminine 个体的 lived experience，不代表跨性别群体，也不作为治疗工具。目标是把这种难以言说的具身不适变成可演奏、可讨论的设计材料，而不是做一个检测性别或矫正声音的应用。

要理解后续设计，先分清两个白话概念。声带（vocal cords）是声门处的振动源，决定有没有浊音和基频大概多高；共鸣（vocal resonance）是声道这条管子的滤波特性，决定哪些频率被增强。睾酮青春期显著改变声道尺寸和共鸣品质，因此共鸣成为性别感知的重要因素。训练中共鸣常被拆成喉共鸣、口腔共鸣和鼻音性，调节手段包括喉头高低、咽腔、舌位、软腭和唇形。作者已有两年性别化声音训练经验，并会用 Max 做微分音合成插件，这两条实践线是乐器的起点。

声带 × 共鸣： 声带负责起振，决定基频和有无浊音；共鸣是声道滤波器的频率响应，由喉、咽、口、鼻腔形状决定音色。在跨性别声音训练里，共鸣是比基频更难但更影响性别感知的维度。Ephemerides 把二者拆开：完全不用声带，只保留对共鸣的操控，让共鸣从修饰音色的配角变成选择音高的主角。

本节对应的解剖示意用于建立共同语言：它标出鼻腔、口腔、唇、舌、软腭、咽、喉、气管，以及与共鸣无关但常被误认为决定共鸣的声带。读者应把该图当作操作地图来读，后文所有选音动作都是在这张地图上移动滤波峰。

看图路径： 1. 先找到红色标注的声带小图，确认它与右侧头颈剖面的对应位置；2. 再沿咽、软腭、口腔、鼻腔、唇、舌的箭头，逐个读出共鸣调节点；3. 对比喉部与口腔鼻腔分支，理解为何不动声带也能改变滤波

论文图 2。原论文 Figure 2：“Vocal resonance in the context of voice training is often broken down into laryngeal resonance in the throat, oral resonance, and nasality.”。

这张剖面图的教学价值在于区分振动源和滤波器。左侧圆框放大喉部并用红色标出声带，提醒读者声带不决定共鸣；右侧箭头依次指向鼻腔、口腔、软腭、咽、舌、唇和气管，说明演奏者实际可动的是管形。结合正文，喉共鸣对应喉咽尺寸，口腔共鸣对应舌与唇开口，鼻音性对应软腭开合。Ephemerides 的全部演奏法就是用手按换能器提供声源，再用这些腔体位置去过滤它，因此先记住位置才能复述后文的信号链。

相关路线有何不同：为何不做检测与分类？

与本研究输入最接近的是跨性别声音训练技术本身。它借鉴音乐技巧和言语治疗，除音高和语调外，主攻共鸣，因为共鸣是睾酮青春期后最可闻的性别化因素之一。市面训练应用多做共振峰分析来检测共鸣，论文明确与这条路线划清界限：Ephemerides 只用话筒做传感器，不做元音、共振峰或最高频峰的分类，不推断演奏者或音高的性别属性。作者的理由是伦理和方法论的：把性别变成可从音频文件里分析出来的标签，会滑向机器听力决定性别，而性别是流动、动态、文化相对的，听的责任应交还给演奏者和观众。

第二条相关路线是声乐数字乐器中的具身与多于人类视角。文中回顾了用束身衣结合呼吸的装置、用喉部肌电做可穿戴的歌唱针织物，以及把身体当作合作者的身体制琴观。这些工作共同关心的是打断、重构声音的生产、感受与感知方式，把意图和能动性分布到器件与身体之间。Ephemerides 继承了这一立场，但把干预点选在完全绕开声带、用外部正弦经由声道滤波来发声，这比调制喉肌信号更彻底地重画了身体与电路的边界。

第 3 条路线是数字微分音界面。西方微分音常被晶格、3 维图和大表组织，难以凭直觉想象。已有工作用五十三平均律浏览器、游戏化纯律界面或 SuperCollider 现场编码无人机系统来降低门槛。本文的差异是经由发声的听觉意象：作者引用小提琴微分音研究，认为缺听觉意象是心理限制而非技术限制，声乐化、能用身体预先听到并想象音高，是提高演奏流畅度的关键。因此 Ephemerides 预先构建微分音阶并让声道先共鸣它，再去唱它，这与纯软件试听有不同的学习依赖。

任务到底是什么：要解决的矛盾是什么？

论文要解决的不是提高音高检测精度，也不是生成更自然的性别化声音，而是一个设计研究问题：能否把声音训练中的共鸣操控转化为一种不需要声带的微分音演奏法，并在演奏中松动声音与性别的绑定想象。约束很明确：保留交互的全部质感，不做 MIDI 音符检测；不分类性别；演奏应依赖喉、舌、软腭等不常用肌群的精细调节，承认学习曲线。评价也不追求可部署的准确率数字，而是通过实践笔记、录音录像、觉察反思和 3 种演出形式来检验乐器是否打开了新的音乐与社会讨论。

一个常见的误解是把本文当作无障碍乐器功效验证。作者明确讨论了这种归类的别扭：声音焦虑既不是物理障碍也不是认知障碍，它是唱歌的社会性障碍。合唱教育文献指出性别化建制会让性别多元歌手停止歌唱，残障研究则提醒注意污名带来的社会性准入壁垒。Ephemerides 是否算无障碍数字乐器，作者留作 provocations 而非结论。初学者复述时应说：这是一件自传式、实践导向的研究产品，用乐器做理论探针，而不是给诊所用的训练器。

方法全景：一个音是如何走完身体与电路的？

先沿一个样本走完全程。演奏者在 Max 里选好一组音高，程序同时驱动一组正弦振荡器，经声卡和功放板送到贴在喉头的手持音圈换能器。换能器把电信号变成喉部组织的机械振动，声波经咽腔、口腔和鼻腔滤波后从嘴辐射，被头戴话筒拾取。话筒信号回到 Max，经过跟随音池调谐的恒 Q 滤波组增强、低通滤波和前视限制器做自动增益，再与振荡器组混音后送回换能器。演奏者不动声带，只动喉头、舌和软腭改变共振峰，最强的共振在环路中被增强，听感上就是从和弦或音阶里选中了一个音。用手按压换能器的松紧还能做哑音式的音量表情。

这条环路的硬件按原文包括手持音圈换能器、有线头戴话筒、运行 Max 的笔记本、小功放板和音频接口。软件按原文是一个 Max patch，内含话筒输入、恒 Q 滤波组、低通、限制器、混音、输出到换能器，以及控制率的微分音频率发生器和振荡器组。设计顺序上，作者先有微分音插件和声音训练经验，再搭出原型，之后才用觉察练习重新聚焦声音焦虑，最后进入演出检验。

为方便核对，当前可公开状态以正文开源声明为准：作者计划以 MIT 许可开源代码以支持自由开源软硬件，但本次收到的证据未给出仓库可达的实测依据；致谢中提到的实验室主页与排练集体主页在本次检查中返回可用，但它们不是代码仓库本身，不能等同于乐器系统可运行。

下图把四节点环路画成顺时针，是全篇的总装图，后文所有模块都是对它的展开。

看图路径： 1. 沿顺时针箭头走完话筒到电脑再到换能器再到声道的闭环；2. 确认声道同时是滤波器和演奏界面，不在电路之内而在反馈环上；3. 注意该图只画四节点，为后续 Max 内部框图留下展开空间

论文图 3。原论文 Figure 3：“Ephemerides consists of a Max patch, microphone, voice coil transducer, and the vocal tract, with the audio signal path following the arrows as shown.”。

该图只有 4 个图标：声道、话筒、电脑、换能器，箭头方向就是音频流方向。教学上要确认两点。第一，声道既是滤波器又是控制器，它不在电脑内部，而在物理世界中闭合反馈。第二，电脑同时承担声源合成与反馈增强，话筒是唯一的传感器，没有别的生理或分类输入。复述时应能不看图说出顺序：电脑到换能器到声道到话筒再回电脑。手压换能器的力度变化不在此图，但决定耦合效率，是后文演奏性的关键。

组件与计算：滤波、限幅与微分音阶如何配合？

Max 内部按框图可分为音频路和控制路。音频路是话筒输入进恒 Q 滤波组，再进低通滤波器，再进限制器，下行后与振荡器组在混音节点相加，输出到换能器，经声道回到话筒。控制路是微分音频率发生器同时决定滤波组中心频率和振荡器组频率。原文强调恒 Q 实现用了一组带通滤波器，频率由所选音高决定，增益和 Q 值可调敏感度和跳变感；相比把频谱切成线性等宽 bins 的快速傅里叶变换，恒 Q 在低频有更高分辨率。限制器是前视限制器形式，做反馈路的自动增益，防止啸叫失控。

振荡器组 × 恒 Q 变换： 振荡器组负责同时发出演奏者预设的一组正弦音高，是待选的音池；恒 Q 变换是由一组带通滤波器实现的共振增强器，其中心频率跟随音池设定。搭配理由是反馈需要选频：声道滤波后话筒拾到的最强共振被恒 Q 对应通道放大回送，增益和 Q 值控制灵敏度和跳变感，二者组合才形成用身体选音、用电路维持振荡的闭环。

微分音生成是纯比率计算。默认可以是十二平均律的一组音，即把 2 比 1 的倍频程按对数十二等分；演奏者可把频率重定义为任意分子分母均在 1 到 32 之间的比率，并可把间隔从对数改为线性。举例是教学例子：若比率取 8、步数取 3，程序取该比率除以步数得到分隔符，每步为 8 除以 3 的倍数，得到 1、8/3、16/3、24/3。所有比率相对于指定的参考频率计算，参考频率由音高检测给出。

原文明确的当前局限是不能产生非等距音阶，如纯律、阿拉伯或印度音阶体系。初学者应注意这不是调音理论的全部，只是该 patch 当前发生器的能力边界。

下图是 Max 框图，黑箭头为音频，白空心箭头为控制率，读图时不要把控制线当成声音线。

看图路径： 1. 先沿黑色粗箭头走完话筒输入到滤波器组再到输出的音频主路；2. 再看白色空心箭头，确认微分音发生器同时控制滤波器组和振荡器组；3. 定位限制器和混音的位置，理解自动增益在环路中的稳定作用

论文图 4。原论文 Figure 4：“The block-based diagram shows control and audio flow from one part to another.”。

从像素可见，上排四紫框为话筒输入、滤波器组、低通、限制器，下排为微分音发生器、振荡器组、混音、输出到换能器。白色空心箭头从发生器指向上方的滤波器组和右方的振荡器组，说明 1 次改音阶同时改两处。黑色粗箭头构成主音频链，限制器向下折返进入混音，混音再向右输出。复述时要能指出：若只改振荡器而不改滤波器，反馈增强将错位；正是同源控制保证了选中即增强。低通与限制器的参数值原文未报告，这是复现时需要自行扫参的缺项，不应从框图猜具体截止频率或阈值。

音高检测 × 微分音频率生成器： 音高检测只负责提供 1 次参考频率，不做元音、共振峰或性别分类；微分音频率生成器负责以该参考频率为基准，按比率和步数算出一组频率送给振荡器组。搭配原因是把听的任务还给人：机器定锚点，人用声道做选择，避免了用机器听力判断性别或音色的滑坡。

补充一个易错点：该系统不检测元音，不估计共振峰，不找最高峰。音高检测只定参考频率，恒 Q 只做增强。作者把这称为把听的角色交给人与观众。复现时若加入分类器，就偏离了原文的伦理设定，也改变了学习依赖：演奏者将从练肌肉与听共振，变成练如何迎合分类器。

没有神经网络训练时，真正的构造与练习过程是什么？

本研究没有训练神经网络，也没有梯度、冻结权重或优化器可报告。该节的真实计算是规则式微分音频率计算加实时滤波反馈，以及人的肌肉学习。机器侧的构造是：选参考频率，选比率与步数，按对数或线性生成频率表，同时驱动振荡器组与恒 Q 中心频率；音频侧按固定拓扑运行，只调增益、Q 值、低通和限幅器。人侧的训练是练习喉、舌、软腭的精细动作，有实验声乐、喉唱或性别化声音训练经验者占优，传统唱法反而可能不占优，因为发声链被故意打断，产生去熟悉化。原文未给出收敛步数、练习时长与音准的定量曲线，这是缺项，复述时应明确说未测量，而不是推测练多久能准。

机器之外的关键方法是觉察练习。原型完成后，第一作者在 2025 年 7 月按周进行 4 次无乐器练习，使用觉察方法手册：以固定音高歌唱，缓慢地把共鸣从高变低或从低变高，每次以自由歌唱收尾，全程录音录像并写田野笔记。田野笔记平时每月 2 次、每次 30 到 60 分钟，觉察期间每周 1 次。这些材料不是为了练技巧，而是为了听身体内部叙事：如下潜到喉唱式低共鸣时对被听成男性的担忧，以及主动尝试训练中要避开的鼻音、体会其音乐性。正是这些反思让设计从最初想用技术理解或调制性别，转向用乐器剥离声带带来的性别质感，呈现任何性别都可能的歌唱。

体感设计 × 觉察练习： 体感设计是把身体感觉作为一手设计材料的方法论，强调具身、交互中产生的知识；觉察练习是其下的一种具体做法，先做感官调谐再用语言 articulating 难以言说的感受。在本研究中，体感设计是总框架，觉察练习是 4 次按周进行的无乐器歌唱与反思操作，用来把声音焦虑这种 felt sense 转化为可讨论的设计转向。

复现该方法要准备的不是算力，而是时间与记录条件：安静可发声的空间、固定音高参考、录音设备、反思模板。动作是：先定一个舒适的持续音，再只变共鸣不变声带音高，来回扫描喉与口鼻维度，最后自由唱一段并立即写下身体感觉与联想。原文的补充音频给出了练习与合奏片段的例子，初学者应先听例子再做，避免把觉察做成发声训练打卡。

实验条件：原型之后做了哪三类演出检验？

原型完成后的检验是 3 类演出，而非对照实验。第一类是独奏：在伦敦本地音乐场地与其他研究者合办音乐会，第一作者用即兴加口语诗朗诵的方式演奏，场地选择本身就考虑了与实践导向研究和潜在观众的契合。第二类是与集体排练：与一个环境电子乐集体合奏 3 次，对方乐器各异，适合容纳这种持续音与反馈质感的乐器，合奏录音作为补充材料，检验音乐对话中的实用性。第 3 类是线上直播开发：在 Twitch 科学技术分区直播 2 次、每次超过 1 小时，边演奏边开发，意图形成在线观众并引发关于乐器的实质讨论。贯穿全程的记录是音频、视频与文字笔记，没有被试量表或听众评分。

演奏姿态本身是实验条件的一部分。演奏者戴头戴话筒，用手把换能器紧贴喉头，手压松紧直接改变耦合与音量，形成哑音动态。声道形状由嘴形、舌位和喉头共同决定，话筒拾取的是经口腔辐射后的结果。硬件链包括笔记本、接口、功放板、换能器与话筒，任一环节的延迟、增益结构或话筒位置都会改变反馈阈值，复现时应固定记录这些配置，否则无法比较不同次演出的稳定性。 下图是演奏特写的教学点，展示了传感器与声源的真实贴合方式。

看图路径： 1. 观察头戴话筒与嘴的距离，确认拾取的是经口腔辐射后的共振；2. 观察手指按压喉头的位置，理解手压松紧作为音量哑音手段；3. 注意演奏时嘴形张开，确认共鸣腔形状是可实时变化的滤波器

论文图 5。原论文 Figure 5：“The musician wears a headset microphone, and places a transducer against their throat.”。

像素显示演奏者嘴张开呈发元音状，头戴话筒贴近嘴角，右手手指按住喉头中央，红色引线即换能器连线。图前导读已说明耦合逻辑，此处解释可见细节：话筒离嘴很近，保证直达共振压过房间混响；手指位置正在喉部振动最易传入组织的区域，松紧即音量；张开的口腔说明滤波器处于可调状态，而非静态摆拍。复述时应能说出：若话筒远离或换能器悬空，反馈环增益会骤降，这是现场最常见的失败条件。

结果显示了什么：声音与性别想象如何被移动？

论文直接报告的是质性发现而非指标提升。第一，Ephemerides 剥离了歌唱声音中来自声带的性别质感：音高不必落在典型人声音域，只用正弦加声道滤波，听感上可属任何性别，类似声码、变调等抽象化手段，但此处是实时身体选择。第二，去熟悉化让演奏者更关注喉头与舌头，作者称这是一种有力的创作方法，能把共鸣练习变成音乐材料。

第三，听觉意象被改造为两层：声带本就可唱音域内任意微分音，但预先构建音阶并让口腔先共鸣它，使演奏者更能听到并想象目标微分音高；同时用换能器正弦代替声带，改变了对声音性别的想象，这种想象是音色与文化层面的，而非音高层面的。作者明确说乐器没有更接近直接操控性别呈现的初衷，而是把身份想象 relocated 到人与 Max 之间。

去熟悉化 × 喉部发声观： 去熟悉化指故意打断习惯的发声链，让演奏者重新注意喉头和舌头；喉部发声观是把声音源头从嘴搬到喉头，把发声看作多部件组成的乐器过程而非灵魂流露。二者分工是体验与解释：前者描述不用声带带来的陌生感，后者给出文化含义，即性别不再是生物本质而是口腔滤波的表达功能，组合起来解释了为何换能器加声道能松动性别化的声音想象。

讨论中作者把这些发现连接到多于人类与跨性别具身文献：生物因素影响可演奏音域，但性别呈现被文化规范搅浑；性别是身体与社会之间的中介技术，变声是生物、社会与技术纠缠的例子。措辞上应区分层级：乐器行为是报告，理论连接是有限解释，认为该乐器能推广到治疗或能消除焦虑则是未验证推测。作者反复声明不代表群体、不做治疗工具，复述时不得反转这一边界。

为核对可重放的细节，下表把原文明确给出的微分音配置整理为五列。表头中的裸值按原文保留，不自行添百分号或单位；比率与频率的对应关系只转述原文例子，不外推其他调式。

表后解释需要同时说收益与代价。收益是配置极简且可听：改一个比率和步数就能同时改振荡器与滤波器，演奏者用身体即时试听不熟悉的协和与不协和，这是软件列表试听做不到的具身试错。代价有二：一是只能做等距划分，给出的例子全是等步倍数，不能做纯律或阿拉伯印度式非等距音阶；二是在该表之外，参考频率的检测算法、振荡器数量上限、恒 Q 带宽的具体数值原文未报告，复现者需自行设计扫参并记录，否则不同复现之间不可比。未胜出项是传统键盘式微分音映射：它在精确输入上更快，但不训练共鸣听觉意象，这正是本文放弃的方向。

反证与边界：拿掉哪一块声音会怎样变化？

原文没有消融实验，但给出了可作为反证的对照思考。作者早期曾尝试元音合成与共振峰分析，想把性别频谱品质映射为调制参数，后经反思放弃，因为间接检测性别也会滑向机器决定性别。这是一个设计上的拿掉：拿掉分类，保留增强与合成，换来的是伦理一致性与演奏者主体性。若加回分类，系统可能在演示中显得更智能，但违背了把听还给人的初衷，初学者应把这记为明确的设计边界，而非待优化的功能。

第二个边界是声带的使用。觉察练习恰好是无乐器的有声带歌唱，与 Ephemerides 的无声带演奏形成对照：前者触发了对被听成男性的焦虑与对鼻音的回避，后者因音域与音色抽象化而让性别感去语境化。这个对照支持了声带是性别联想主要载体的解释，但它来自第一人称反思，不是盲听实验，不能当作因果证据。第三个边界是场地：实验音乐场景天然接纳非传统用人声的方式，乐器在其中不显异常；若搬到合唱或声乐考试场景，同样的行为可能被判为错误，这说明社会准入条件决定了乐器的可演奏性。

下表把原文报告的时间与组织条件整理为五列，用于核对工作量与可比性，而非功效排名。

表后解释要指出比较的不公平处。频次与时长最完整的是田野笔记与直播，觉察与合奏缺单次时长，独奏缺次数与时长，因此不能用时长论证哪种检验更有效。支持的判断是：3 种演出覆盖了独奏表达、集体对话与公众讨论 3 种社会性，符合实践导向研究用多情境检验的要求。限制是：没有基线乐器、没有听众评价、没有音准统计，任何关于更好听或更准的说法都属待验证。未评测边界包括长期佩戴的疲劳、不同喉形与声道尺寸的适配、功放与接口更换后的稳定性，这些在复现时应优先补记。

局限与缺项：哪些数字和方法细节没有给出？

先列原文明确承认的局限。音乐能力上，操控不常用肌群有学习曲线，平均演奏者不能期待传统乐器的准确性与多变性；音阶上不能做非等距体系；听觉上依赖演奏者与观众的人耳，没有自动纠偏。方法上，样本就是作者本人，自传式设计不追求泛化。

觉察材料是第一人称田野笔记与摘录，不做编码者间信度；演出没有对照组与指标方向，无法回答是否减少焦虑。理论上，作者反对把差异病理化，主张去病理化与庆祝他者性，但这仍是 provocations 而非干预证据。

再列复现必需但缺失的参数。音频侧缺采样率、块大小、整体延迟、话筒型号与摆位距离、换能器驱动电压与功放增益、限制器阈值与释放时间、低通截止频率、恒 Q 的 Q 值与增益扫参范围。控制侧缺参考频率检测算法名与窗口、振荡器数量上限与幅度归一化、频率表更新是瞬时还是滑音过渡。过程侧缺每次觉察练习的时长、固定音高是多少、自由歌唱的提示语。缺失不是错误，但复现时必须逐项固定并报告，否则反馈阈值 1 变，选音手感全变。

最后是归因纪律。总体趋势不等于每步成立：某次合奏顺利不代表每次直播稳定；低频分辨率更高不代表每次选音都准；去性别化听感是作者与小圈观众的感受，不代表所有听众一致。未测量误判率、延迟与成本时，不得承诺这些量得到改善。训练资源、推理开销、输出帧率与实际延迟在本研究中不适用，因为没有模型训练与帧级推理，只有实时音频链的延迟与稳定性需要实测补上。

复现先做什么：按什么顺序搭起可发声的最小系统？

第一步搭最小发声环。准备笔记本、音频接口、小功放板、音圈换能器和头戴话筒，按总装图接线：电脑输出经功放推换能器，换能器贴喉，话筒回电脑。在 Max 里先不做恒 Q，只放一个正弦振荡器加手动增益，确认贴紧时喉部能感到振动、话筒能拾到经口腔变化的音色。用张闭嘴、动舌前后位置验证滤波可闻，再加入低通与限制器把啸叫压住。这一步的目标是稳定，其次才是音准。

第二步加入音阶与选频。实现参考频率输入框、比率分子分母与步数输入框、对数与线性切换，生成频率表并同时驱动振荡器组与恒 Q 中心频率。先用十二平均律默认验证，再试原文例子比率 8 步数 3，检查是否得到 1、8/3、16/3、24/3 的等距序列。扫参顺序建议先固定参考频率，再扫 Q 值与增益找到既能选中又不乱跳的工作点，最后扫限幅器。每次改动只动一个参数并录音，记录话筒距离与手压力度，因为这两项是现场最易漂移的条件。

第三步做人的练习与记录。按觉察流程做无乐器扫描：定舒适持续音，只变共鸣，录音并写身体感觉；再上有乐器做同样扫描，对比有声带与无声带时的焦虑叙事有何不同。演出复现建议从小规模即兴开始，再进集体合奏，最后做直播讲解，因为每一步的社会暴露逐级升高。代码与硬件状态以原文声明为准：作者计划 MIT 开源，但本次未给出可验证的仓库。

实验室与集体主页本次可达，仅证明机构与社群信息存在，不证明系统可一键运行。复现报告应明确区分代码开源、参数可得与系统可运行三件事。

何时值得尝试：这件乐器教会了我们什么？

当你的问题是检测与分类解决不了的具身困扰时，这条路线值得尝试。具体说，如果你已有声音训练或扩展声乐实践，想把共鸣听觉变成可演奏的音高选择，并愿意接受数周的肌肉练习与扫参，Ephemerides 的拆分是有启发的：用外部声源代替声带，用身体滤波代替键盘选音，用人耳代替分类器。这在实验音乐、媒体艺术课堂或具身交互工作坊里最易被接纳，因为这些场景允许非传统用人声。反之，如果你需要治疗效果、可泛化的性别呈现控制或开箱即用的音准，不应选它，原文已声明非治疗工具，且不能做非等距音阶。

带走的可重放知识有 3 条。操作层：贴喉换能器加头戴话筒加 Max 反馈环是可行的无声带发声链，手压即表情，声道即滤波器。计算层：1 次改比率步数同时改声源与选频滤波，是维持选中即增强的关键；恒 Q 低频分辨率与限幅器是稳定性的来源。方法层：先无乐器觉察再有乐器演奏，能把焦虑叙事从障碍描述转为材料描述，这是本文从调制性别转向剥离声带联想的转折点。

还需补的验证也很具体：固定全链参数后测不同参考频率下的选中准确率与稳定时间；做小规模盲听，检验去性别化听感在不同听众中是否一致；记录长期练习的疲劳与适应曲线；公开 Max patch 与参数预设、接线图与增益结构，补上延迟实测。只有补上这些，才能把 provocations 变成可比较的设计知识。在此之前，准确的复述是：这是一件用共鸣演奏微分音的反馈乐器，它不检测性别，它让演奏者用身体重新学会听。

📐 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。

另有 4 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