英文题目：From Passive Agent to Musical Partner: Insights from the MAD Clarinet Project as a Case Study.
会议身份：
conference:nime:2026:conference-paper-id:nime2026_86
✅ 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。
标签：#生成模型 #用户研究 #音乐 #音频交互
评分：5.0/10 | 创新 1.2/2 | 技术严谨 0.9/1.5 | 实验充分 0.3/1.5 | 清晰度 0.8/1 | 影响力 0.7/1.5 | 开源 0.2/1.5 | 可复现 0.1/0.5 | 工程/实践 0.8/1.5
排名：后50% | 文档类型：应用研究
👥 作者与机构
- Rui Travasso：机构信息未能从会议 PDF 纯文本可靠映射
- Enrico Dorigatti：机构信息未能从会议 PDF 纯文本可靠映射
📌 核心摘要
本文任务是以原声单簧管实时演奏输入生成扩展声响并与演奏者共同塑造曲式输出，难点在于超越固定触发式映射，在保留标准演奏法与舞台可用性的同时让算法持续干预乐句走向与结构预期。初版以Arduino Uno驱动2个被动红外传感器触发延迟混响并随机重置参数，其输出的舞台位置信号进入2.1版的Processing 4映射。2.1版用5个传感器联动预置处理与采样，并以音高分析驱动几何可视化实现旅行叙事，其经验促使3.0版移除传感器与视觉。3.0版经喇叭口内换能器的声学界面拾音后转MIDI音高与时值，再喂给两个独立Max/MSP补丁即和声器与随机系统生成，新套件则删除和声器改用ml.markov马尔可夫链实现更快在线学习回放并叠加采样与操纵。在视觉映射任务设置下，doArc触发的频率指标从501 Hz升至792 Hz。与固定映射相比，关键差异是从单向反应转向基于输入分布的连续再生成，使可控的不可预测性成为延缓终止与制造新方向的曲式动力而非音色点缀。该结论适用边界受限于单演奏者即兴语境并依赖演奏者先行输入与快速适应，双人加算法形态尚未验证，原文未披露训练、推理或部署成本。
🔗 开源与复现资源
- 演示资源：https://on.soundcloud.com/MqchqRwrcHE3jUdxga → https://soundcloud.com/rui-travasso/gres-de-silves?si=404a15e043bd47a5a8fad14de8bfda18&utm_source=clipboard&utm_medium=text&utm_campaign=social_sharing — 链接可访问（HTTP 200）
- 演示资源：https://on.soundcloud.com/4bflYINbFM0UT9Ssat → https://soundcloud.com/rui-travasso/mr-harmonizer?si=7ba72708e8374f9da89ed34eb928d6a2&utm_source=clipboard&utm_medium=text&utm_campaign=social_sharing — 链接可访问（HTTP 200）
- 演示资源：https://on.soundcloud.com/OwPq2xKM0SCopvQMKT → https://soundcloud.com/rui-travasso/mr-max?in=rui-travasso/sets/my-bookshelf&si=125bfa1ef88f4682b2951948aeaca419&utm_source=clipboard&utm_medium=text&utm_campaign=social_sharing — 链接可访问（HTTP 200）
- 演示资源：https://on.soundcloud.com/Eam3WFGJATGZw2EQuy — 暂时无法访问
- 演示资源：https://on.soundcloud.com/qVshhvG49uI4lFJZ7z — 暂时无法访问
- 演示资源：https://youtu.be/t-mmwOIA60c → https://www.youtube.com/watch?v=t-mmwOIA60c&feature=youtu.be — 暂时无法访问 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？为什么要研究人与算法在台上的关系？
这篇解读的输入是 2026 年新界面音乐表达会议的 1 篇案例研究论文，目标是让刚进入语音、音乐与音频领域的研究生能核对事实、复述方法。必须保留的信息包括四代系统的硬件软件配置、交互机制的变化、演出与录音证据的边界，以及作者对能动性的操作性定义。输出是一条可复述的学习链：从任务与路线，到方法全景，再到组件计算、构造过程、实验条件、结果与反证，最后落到复现动作。
论文实际研究的任务不是做一个音色更好的单簧管效果器，而是追踪一支原声单簧管外接可变软硬件网络后，演奏者与作为数字行动者的算法系统之间关系如何演变，以及这种变化如何塑造音乐形式的实时展开。作者开宗明义把 MAD 单簧管理解为技术扩展的原声乐器，MAD 是葡萄牙语数字媒体艺术的缩写，系统自 2020 年起发展，模块化设计允许持续更新，同时保留标准单簧管演奏技法。
这一保留至关重要，因为它把研究变量锁定在外部网络的重组上，而不是乐器本体的改造。作者对能动性的定义是实践性和表演导向的，指计算系统在多大程度上影响音乐产出并实时重定向演奏者的选择，从而塑造演出。这一定位把后文所有是被动还是主动的判断都锚定在可观察的演出行为上，而不是抽象的智能宣称。
扩展乐器 × 算法伙伴： 扩展乐器指在不改变原声单簧管本体演奏法的前提下外接传感与计算网络，算法伙伴指系统能实时改写材料并迫使演奏者调整；分工是前者锁定研究变量在外部网络重组，后者锚定能动性判断在可观察的演出行为，组合理由是只有先讲清扩展不改本体，才能理解能动性变化来自交互位置变化，从而把技术史问题转化为可复述的学习链。
论文把自身放在增强乐器与人机交互的三浪叙事中。增强乐器自 1980 年代随电子与计算工具普及而兴起，早期地标是马乔弗的超乐器概念，即结合传感、声音处理与音乐手势的计算扩展。作者还引用图尔谢关于增强乐器是声学演奏加传感与计算过程的讨论，以及马格努森关于乐器是演化与关系系统的视角，但明确本研究的重心是 successive iterations 中演奏者与系统交互的实践发展。
人机交互方面引用田中由浩的三浪划分，从以设备为中心到以用户为中心再到更具文化与情境性的交互，音乐语境下对应从实用与控制走向惊喜、共创与更开放的表演关系。理解这条路线对初学者很关键：它解释了为什么作者不追求固定最优设计，而是把每次演出暴露的问题当作下一代的改型输入。
附录：两张整理表如何阅读？比较问题与公平条件
为便于核对，这里把分散在正文的版本信息整理成两张宽表。阅读方法与公平条件先行说明：比较对象是同一支单簧管在同一演奏者手中的纵向演变，不是跨乐器横评；指标方向是交互从单向到协商、音乐影响从音色到曲式；代价列必须与收益列并读，不单独论胜负。第一张表回答硬件软件如何换，第二张表回答角色如何变，两张表共同支撑从被动行动者到音乐伙伴的判断。表格数字与术语保留原文写法，数量词用阿拉伯数字之外的原文表达照录，单位留在同一格，裸值不擅自添单位。
下面第一张表比较四代的技术层，重点看传感器与贴片的增删，公平条件是乐器本体与演奏者不变，指标方向是从固定触发走向即时生成。
| 版本 | 硬件 | 软件与算法 | 声音捕获与输出 | 交互角色 |
|---|---|---|---|---|
| 初代 MAD Clarinet | Arduino Uno，Two PIR sensors 置于地板 | Processing，延迟与混响，触发时随机参数 | 麦克风拾取原声 | 基本触发机制 |
| MAD Clarinet 2.1 | Five PIR sensors | Processing 4，声音预设加视觉模块，映射刚性非自适应 | 麦克风，易受噪声影响，投影生成几何图形 | 预定视听响应，无算法能动性 |
| MAD Clarinet 3.0 | 移除 PIR 与微控制器 | Two independent Max/MSP patches，和声器加随机系统 | CTAI 管内换能器，贴身捕获发声与敲击 | 有限能动性，需演奏者适应算法选择，随机系统可重复 |
| MAD Clarinet New Set | 增加 MIDI 键盘与其他控制面 | 移除和声器，ml.markov 替换随机贴片，更快反应，加采样器与纯音环境层 | 保留 CTAI，加实时操纵与独立声音层 | 实时再 elaboration，声音克隆，协商连续，能动性再分配但仍 contingent 于演奏者 |
表后解释需要并读收益与代价。初代验证了无工作站的现场混合，但艺术意图不清且未公开测试。2.1 的收益是清晰的因果与多模态扩展，代价是单向与噪声敏感，未胜出项是视觉清晰但生成弱。3.0 的收益是首次在曲式层改道，代价是随机系统重复扁平，未胜出项是持续协商弱。和声器是强改道但堵终止，随机系统是相关但重复，二者对照说明结构影响与新颖性不可兼得。New Set 的收益是即时性与连续协商，代价是需显式触发学习而降低惊喜，未评测边界包括换演奏者与长期维护。
下面第二张表比较算法与演奏者角色的位移，重点看谁在何时改写形式，公平条件是同一批演出协议，指标方向是从人独导走向共享过程。
| 版本 | 算法行为 | 对音乐形式的影响 | 演奏者位置 | 关键演出证据 | 局限标记 |
|---|---|---|---|---|---|
| 初代 | 被动触发，随机参数 | 仅混合效果 | 绝对主角 | 未公开测试 | 意图未定义 |
| 2.1 | 触发式，预定响应 | 扩展音色与视觉域 | 唯一决策者 | ARTeFACTo2022MACAO，旅行场景 | 单向，无实时协商 |
| 3.0 | 和声重定向加概率延续 | 阻塞终止，要求快速适应 | 需持续适应 | Grés de Silves，Mr. Harmonizer，Mr. Max，Dialogue for 36 | 随机易重复 |
| New Set | 马尔可夫即时再 elaboration | 融合意图，提出新线索 | 共享过程，仍需人启动 | 三重奏独奏 feeding 后二重奏 | 需触发学习，黑箱感知 |
表后解释回到论文的核心判断。报告显示算法从边缘反应部件变为积极塑造演出结果的系统，支持该判断的证据是窗口错位改道、概率延续偏离与马尔可夫克隆 3 类行为。可能与待验证的是作者身份的再分配程度，论文用分布式但演奏者主导来限定，即算法显著塑造展开但不具作者身份。复现时应把每行证据逐条核对可用性：前三者的录音当前可用，后两者本次未能确认可达，缺证部分不做胜负断言。
同类工作在比什么？本研究与它们有何不同？
若按同输入、同目标、同运行阶段来对照，相关工作可分为 3 类。第一类是超乐器与增强乐器设计史，输入同样是原声乐器加传感计算，目标同样是扩展手势与声音，但多数工作止于交互响应性与设计评估，本研究的不同在于纵向追踪同一件乐器的多次重构，把设计决策、表演使用与技术重组放在同一条时间线上回看。
第二类是新界面音乐表达关于乐器寿命与可用性的讨论，输入是历届会议乐器的存续问题，目标是让乐器经得起长期使用，本研究的呼应方式是模块化与可维护性，即不改单簧管本体、只更换外围网络，这与论文伦理部分强调减少浪费、支持维护升级是一致的。
第 3 类是交互式音乐系统的传感、处理与输出 3 段抽象，作者明确引用罗的模型，输入是实时聆听与作曲问题，目标是解释机器如何参与，本研究的不同在于用第一人称的实践证据填充该抽象：设计者、制作者与演奏者是同一位研究者，拥有详细的体验与技术知识。需要提醒的误解是，相关性不等于同条件胜负，本文没有与另一支增强单簧管做并排对照实验，因此不能读出谁更好的结论。
它的可迁移价值在于反思，即算法能动性是涌现的、情境化的，最好由可重构的模块架构支撑，而不是 1 次性理想设计。
研究问题是什么？沿一个样本走完全流程
论文的研究问题分为预设与回溯涌现两层。预设层关心 MAD 单簧管的特征、可供性、约束与技术稳定性，回溯层追问数字系统在乐器中的角色如何演变，这种演变如何重塑人与系统交互，以及它在多大程度上超越纯反应角色参与音乐形式的展开。更广的目标是从这条轨迹中提炼超出个案的启示。先沿一个样本走完输入到输出，有助于建立直觉，教学例子如下。假设演奏者在 3.0 阶段吹出一个上行动机，声音先被喇叭口内换能器捕获，转为 MIDI 音高与时值数据。
音高进入三音集合与概率链，和声器同时在节拍对齐的捕获窗内抓取片段并从预设和声序列中随机配和声；输出是与输入可辨认相关但走向被改写的延续，演奏者听到和声把原定终止式堵住，只能改变下一句的进入音与呼吸，这就完成了 1 次输入、表示、组件、目标到输出的闭环。这个例子是为理解机制而设，不添加论文之外的数值或效果，真实演出中的窗口开启时机与和声选择都是随机的，演奏者事先无法精确预知。
方法全景：案例研究加实践研究如何分工？
方法全景是案例研究策略加实践研究的双层框架。案例研究适合在自然语境中通过田野观察、解释与多源证据三角互证来深挖单一分析单元，本文的分析单元就是 MAD 单簧管，证据包括演出、录音与实验 session。实践研究把人工物与其创造过程都视为知识形式，本文更贴近实践为基的研究，因为它同时考察创作过程与 resulting artefact。按扎戈尔斯基托马斯的要求，这类知识需要文献记录与批判反思才能变得可传播，本文的回溯性整体分析正是为此服务。
作者坦承该方法不追求统计泛化，目标是深层洞见与可迁移反思，这对初学者是重要的方法边界：读到的不是平均效应，而是设计、表演使用与技术重组如何相互咬合。操作上作者系统考察了乐器演化的所有阶段，每个阶段都交代了触发改型的表演经验与需求。研究者兼演奏者的身份既是优势也是局限，优势是能报告快速适应、被迫改道等第一人称细节，局限是缺少外部演奏者与盲评，判断依赖自我民族志式的反思。
复现时应把这种反思当作待检验的假设，而不是已确立的因果。
2.1 代做了什么？移动如何变成声音与图像？
初代 MAD 单簧管艺术意图尚不清晰，目标只是不用数字音频工作站而在现场把原声与延迟混响混合。两个被动红外传感器放在地板上，由 Arduino Uno 控制，演奏者走位变化触发效果，麦克风拾音，参数在每次触发时随机取值。该版本简单受限且从未公开测试，但为后续奠基。2.1 是第一个功能性升级，受旅行者分类启发，技术上用 Processing 4 加 5 个被动红外传感器，每个触发声音处理参数与预设，演奏者在舞台上的移动激活传感器，使身体手势与旅行概念对齐。
同时引入视觉模块，根据单簧管声音的音高分析生成几何图形，不同频率段触发不同绘制函数，形成实时生成视觉层。系统在奥埃拉什与澳门的演出中测试，澳门场结合即兴、身体移动、预录采样与视觉，建立手势与多模态输出之间清晰的因果关系，其中一个与被迫旅行者相关的场景还融入了阿拉伯手鼓的打击 pattern 与利比亚马鲁夫传统的旋律材料，显示文化情境性声音引用如何被嵌入反应式结构。
从表演视角看，该系统主要是基于触发的机制，对传感器输入产生预定视听响应，人与系统交互基本单向，没有实时协商。优点是动作与输出关系清晰，缺点是生成能力有限，难以形成表演对话，这直接 motiv 了 3.0 的立项。
下面这张演出截图显示了 2.1 代在澳门现场的视觉累积状态，右侧是吹奏者的剪影，左侧是大面积投影，阅读时应先建立空间对应再看图形密度。
看图路径： 1. 先看画面右侧吹奏单簧管的人影与左侧墙面投影的空间关系；2. 再看投影中多色直线、弧线与圆环叠加的密度与覆盖范围；3. 最后确认画面中没有键盘或桌面控制器，判断此为 2.1 舞台形态
论文图 1。原论文 Figure 1：“MAD Clarinet 2.1 performed at ARTe- FACTo2022MACAO. Detail of the visual module output”。
这张图当前可见的是密集叠加的多色线条、弧线与矩形痕迹，几乎铺满整个投影面，说明视觉层是随时间累积的，而不是单帧闪现。右侧演奏者持单簧管站立，身体朝向投影，印证了移动触发与声音驱动绘图同时发生的描述。像素细节支持论文的判断：映射是刚性非自适应的，因为图形种类繁多但都属于预设函数库的输出，没有看到与演奏姿态连续变形的证据。教学上应把这张图理解为单向因果的可视化证据，而不是双向协商的证据，协商要到 3.0 与 New Set 才出现。
3.0 与 New Set 的计算有何不同？谁来改写音乐？
3.0 的目标是建立能生成并重定向声音材料的数字算法表演伙伴。硬件上移除此前的被动红外传感器与微控制器，软件上弃用基于 Processing 的方案，改用两个独立的 Max/MSP 贴片，即和声器与随机系统，同时移除视觉模块。随机系统把单簧管声音转为 MIDI 音高与时值数据，音高组织成带重复计数的三音集合以建概率链，时值独立处理，从而生成与输入可辨认相关又带随机变异的材料。
和声器通过预定速度与拍号定义的节拍对齐捕获窗工作，在窗内捕获单簧管声音并转为 MIDI 事件，再从演奏者经界面定义的和声序列中随机生成和声。声音捕获完全依赖单簧管作为实体声学界面，即喇叭口内换能器同时响应管体发声与敲击管体的打击交互，使算法与物理乐器关系更紧密。New Set 在 3.0 基础上升级，移除和声器，把随机贴片替换为基于 ml.markov 库的马尔可夫链实现，该对象由 3.0 系统提供的 MIDI 数据与时值喂入，能以显著更快的适应速度实时做旋律与和声响应。
新增还包括播放预录声音的采样器、基于纯音的环境声层、实时声音操纵能力，以及 MIDI 键盘与其他控制器的外部控制。New Set 不再只用单簧管，演奏者的可供性拓宽到乐器之外，人与单簧管曾共享的中心角色被更宽的表演框架取代。
被动红外传感器 × 视觉模块： 被动红外传感器的分工是检测演奏者在舞台上的位置移动并发出离散触发，视觉模块的分工是把单簧管声音的音高分析结果映射为几何图形的实时生成层；搭配理由是移动对应旅行概念、音高对应图形种类，二者共同构成多模态因果链，组合新增的作用是把演奏动作同时展开为声音预设切换和视觉累积，但因映射刚性而仍停留在一一对应的反应层面。
和声器 × 随机系统： 和声器的分工是在预定速度与拍号划定的节拍对齐捕获窗内把单簧管声音转为 MIDI 事件并从演奏者定义的和声序列中随机选声部生成和声，随机系统的分工是把音高组织成带重复计数的三音集合建概率链、时值独立处理以生成与输入可辨认相关又带随机偏离的材料；搭配理由是一个管纵向和声走向、一个管横向动机延续，组合新增的作用是首次让算法在曲式层面改道，迫使演奏者做快速适应。
单簧管作为实体声学界面 × ml.markov： 单簧管作为实体声学界面的分工是把置于喇叭口内的换能器同时拾取管体发声与敲击管体的打击性交互，实现贴身的声音捕获，马尔可夫链库 ml.markov 的分工是以前代系统输出的 MIDI 音高与时值数据为输入做更快适应的旋律与和声实时响应；搭配理由是前者提供连续贴合的输入流、后者提供即时学习的生成机制，组合新增的作用是形成几乎瞬时的声音克隆，既镜像又偏离演奏者的乐句，支撑持续协商。
为避免把两个贴片混为一谈，初学者应记住分工口诀：和声器管纵向堵路，随机系统管横向延续，ml.markov 管即时跟随。和声器常在自由流动的即兴中因窗口开启时机与演奏者乐句不可预测地错位而频繁改道，要求快速适应；随机系统虽源自输入但变化有限、易重复，在持续实时协商中角色受限；New Set 的马尔可夫实现保留声音身份的同时以更高即时性扩展与再 elaboration 输入，形成论文所称的声音克隆，既镜像又偏离。
有神经网络训练吗？真实的构造与推理是什么？
本研究没有神经网络训练阶段，也就没有梯度路径、参数冻结与更新、监督来源与重置时机的可报告内容，论文亦未给出学习率、批量或轮数，缺项应如实指出，不从 Max/MSP 或 ml.markov 的名称推定实现细节。真实的构造过程是迭代式系统搭建与表演驱动的改型：初代用 Arduino 加 Processing 验证无工作站的效果触发，2.1 加 5 个传感器与视觉模块验证多模态因果，3.0 改用双贴片与管内换能器验证算法改道，New Set 引入马尔可夫库与采样器、环境层与外部控制器验证即时协商。
真实的推理过程是现场实时计算：输入是单簧管声学信号与必要时的人工触发学习动作，计算是音高时值转换、三音集合概率链、节拍窗和声随机选择或马尔可夫链的在线响应，输出是延续、和声与环境层的混合声场。不存在离线训练好的权重下载，系统的学习体现在演出中用独奏 feeding 数据给 ml.markov 对象，随后与葡萄牙吉他形成二重奏的在线适应。不能把无训练等同于确定性求解，随机取值、概率链与不可预测的窗口开启都带来不确定性。
也不能从参数未更新推定输出确定，因为同一输入在不同窗口相位与随机种子下会走向不同结果。
实验条件：在哪里演、用什么录、与谁比？
论文没有实验室对照实验，其实验条件就是一系列演出、录音与实验 session，比较是纵向的自我比较，即每一代与前一代在相同乐器本体与同一演奏者条件下的交互位置变化，而非横向与其他系统并排竞速。数据方面，2.1 有澳门与奥埃拉什的现场，3.0 有为 Som Riscado 音乐节创作的 Grés de Silves 等曲目，New Set 有单簧管、葡萄牙吉他、长号与生物发声系统的三重奏。
协议上，Grés de Silves 让演奏者与和声器在自由流动语境中即兴，Mr. Harmonizer 把人声与单簧管手势送入和声器，Mr. Max 与 Discordância Ângular 凸显随机系统，Dialogue for 36 合用双贴片并包含短暂的机器与机器自主交互，New Set 三重奏以单簧管独奏 feeding 数据开场。指标是质性的：系统是否只做预定反应，是否能重定向音乐轨迹与阻塞终止，是否需要演奏者持续适应，是否支持持续协商。聚合与统计方法未报告，硬件预算未报告，这些缺项限制了可比性。
资源可达性必须按本次核验如实表述：Grés de Silves、Mr. Harmonizer 与 Mr. Max 对应的 3 条录音链接本次核验为可用，当前可用与已公开可写；Discordância Ângular、另一条录音与三重奏视频链接本次未能确认可达，只能写本次未能确认可达，不写已失效或不存在。复现时应先从可用录音核对描述，再处理不可达链接的缺证问题。
主结果：从单向反应到持续协商的证据链
主结果是交互位置的渐进位移。2.1 的算法主要是触发机制，预定视听事件由传感数据提示；3.0 引入适应单簧管声音输出的算法过程，借管内换能器拉近算法与物理乐器的关系，随机建模与和声贴片实时 elaboration 新材料并参与塑造演出；New Set 用 ml.markov 实现密集连续协商，对输入音高时值即时适应，数字系统负责生成音乐材料，成为与作曲逻辑直接相连的表演伙伴。与此同时演奏者角色从绝对主角与导演变为与算法共享表演过程：2.1 艺术选择完全由吹奏者做出，系统只扩展音色与视觉域。
3.0 系统获得重定向轨迹与阻碍终止的能力，要求演奏者快速持续适应；New Set 以算法即时性强化系统对演出的能动性。New Set 三重奏虽录音简短，除采样外均为即兴，Max/MSP 系统扩展并再 elaboration 单簧管输入，保留声音身份且比 3.0 随机版响应更快，支持人与算法的动态交互。
下面这张工作照显示了 New Set 拓宽后的表演框架，阅读重点是桌面系统而非单簧管独奏姿态。
看图路径： 1. 先看桌上从左到右的 MIDI 小键盘、笔记本电脑与单簧管的摆放顺序；2. 再看桌下音箱与连接线，确认扩声与计算是桌面系统的一部分；3. 最后看演奏者低头操作键盘的姿态，判断演奏重心已超出吹奏本身
论文图 3。原论文 Figure 3：“The MAD Clarinet New Set expands the perfor- mative possibilities by introducing new interfaces for the performer to use.”。
图中可见人物俯身操作桌上的 MIDI 小键盘，桌上还有笔记本电脑、放在右侧的单簧管与红色声卡类盒子，桌下有独立音箱与多根连接线，背景是窗户与室内陈设。这与正文新增外部控制器、采样器与实时操纵的描述一致，也印证了表演重心从单纯吹奏扩展到多界面操作。教学上应把这张图当作可供性拓宽的证据：演奏者不再只通过管体发声，还通过键盘与控制面管理独立声音层与 live 处理，这正是论文所说超越乐器本身的更宽框架。
若拿掉关键部件会怎样？论文给出的对照与失败条件
论文没有消融实验的数字表，但提供了可复述的功能对照，阅读时应把每代的移除项当作自然消融。拿掉视觉模块是从 2.1 到 3.0 的关键动作，结果是多模态因果的清晰度下降，但换来算法在音乐结构层的介入，说明视觉清晰度与音乐能动性在此设计中不可兼得。拿掉被动红外传感器与微控制器意味着走位触发逻辑被抛弃，结果是交互精度不再受身体移动范围限制，但也失去旅行概念的身体锚点。
3.0 内部的双贴片构成对照：和声器结构影响强、能频繁改道，随机系统生成但易重复、持续协商弱，二者合用的 Dialogue for 36 显示机器与机器交互只出现短暂时刻，说明双贴片并非天然互补。New Set 拿掉和声器并用 ml.markov 替换随机贴片，结果是适应速度与协商连续性提升，但仍需人触发学习过程，使手势与声音结果的关系变得可感知，惊喜元素被削弱。
这些对照支持一个判断：算法贡献在曲式与时间组织层面最有音乐意义，例如重定向乐句、延迟闭合、重塑结构期待，而不仅是扩展音色或手势声音映射。未胜出项必须保留：随机系统的重复性、和声器对终止的阻塞在某些审美下可能是代价而非收益，论文把不可预测性视为表现可供性，但初学者应注意到这依赖演奏者的高度聆听与适应，换 1 位演奏者可能变成失控。
边界与代价：噪声、重复与必须人先开始
每一代都在引入可能性的同时引入局限。2.1 易受声音捕获策略的噪声影响，且要求身体移动激活传感器，常限制交互精度。3.0 随机系统响应性低，在音乐话语中引入含糊并降低新颖性，使结果扁平。New Set 改善声音捕获与算法响应，但仍存在人与系统交互的局限，特别是演奏者需显式触发 ml.markov 的学习过程，使关系可感知并降低惊喜。
更根本的边界是启动依赖：3.0 与 New Set 仍需人的创造力与意图发起演出，只有在收到哪怕极少数据后计算行动者才能通过分析与 elaboration 提出新线索，因此机器共导演出的能力最终 contingent 于人建立的话语。作者用黑箱比喻描述 New Set 的感知特性，即输出不必与输入线性相关，内部过程仍受程序员设计选择约束。这一比喻确有帮助，但随后必须对应到真实组件：黑不是神秘，而是指马尔可夫响应的具体转移在演出前不可预知，但在给定输入分布与实现下是可事后追溯的。
分布式创作 × 演奏者主导： 分布式创作的分工是指音乐形式的展开由人与计算系统共同塑造，算法的偶然选择能阻塞终止式或引出概率性偏离，演奏者主导的分工是指发起话语、提供初始数据与承担意图性仍在人一侧，机器需在收到哪怕极少数据后才能回应；搭配理由是承认算法的结构性影响又不把意图归于算法，组合意义在于形成反馈环：人的意图被算法 elaboration 后变成新刺激，再反过来牵引人的下一步选择。
从效用看，受控的不可预测性可作为表演可供性，培养高度聆听、适应与基于实时协商的 virtuosity，但代价是结构预规划可能被挑战，作者身份被重新分配。论文强调人仍保留作者身份，算法虽做结构性选择但不具认知活动与艺术意图，这一区分对初学者很重要：不要把能改道等同于有意图。
复现先做什么？按原文可重放的步骤清单
复现应从最小可运行链开始，而不是复刻所有演出。第一步重建声音捕获：按论文用麦克风做初代与 2.1 的捕获，用置于喇叭口内的换能器做 3.0 与 New Set 的实体声学界面，同时记录房间噪声与敲击管体的串扰，因为 2.1 的噪声局限与此直接相关。
第二步重建触发与映射：初代用 Arduino Uno 接两个被动红外传感器触发延迟混响并随机化参数，2.1 用 Processing 4 接 5 个传感器并实现音高分段到绘图函数的映射，3.0 用两个独立 Max/MSP 贴片分别实现节拍窗和声与三音集合概率链，New Set 用 ml.markov 接收前代输出的 MIDI 与时值并外接 MIDI 键盘、采样器与纯音环境层。第三步重放演出协议：先独奏 feeding 数据，再引入第二乐器做二重奏，最后叠加采样与 live 处理，全程即兴除采样外，并保留录音以核对改道与阻塞终止的时刻。
需补的验证包括：记录窗口开启与乐句的相位关系，统计随机系统重复率，测量从输入到 ml.markov 响应的延迟，以及换不同演奏者重复同一协议。代码开源、权重下载与系统可运行要区分：论文未声明代码仓库，本解读只能按描述重建，不虚构链接；录音中 3 条当前可用，3 条本次未能确认可达，复现报告应逐条注明可达状态。
何时值得尝试？带走的三条设计启示
当你的目标不是更准的触发而是让系统在曲式层面有发言权时，这条路线值得尝试。具体条件是：保留原声乐器演奏法不变，有持续演出机会做迭代，有演奏者愿意把被改道当作材料而非事故。3 条可带走的设计启示均来自原文结论。第一，把算法能动性视为涌现的、情境化的属性，用模块可重构架构支撑，而不是追求稳定的理想设计，MAD 单簧管的部件不断增删重组正是例证。
第二，让算法贡献作用于形式与时间组织，例如重定向乐句、延迟闭合、重塑结构期待，而不是只扩展音色或手势映射，和声器堵住终止的例子最典型。第三，保留受控的不可预测性作为表演可供性，以培养实时协商的 virtuosity，即以对算法偶然的响应能力重新定义 virtuosity，而不是指法 dexterity。教学上还应带走作者对教学价值的提示：这类算法扩展的乐器可用于培养敏锐聆听与快速适应，因为音乐形式在人的意图与计算过程的持续对话中涌现。
未验证的推测要明确标为可能与待验证：未来双人加一算法代理的配置能否产生更复杂的协商与共享责任，尚待新演出检验；模块化是否必然带来长寿命，也需跨演奏者的长期维护证据。
📐 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 1 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