把力度、角色与延迟一起改写:jam_bot 如何实现可接话的音乐对话
针对现场钢琴对话中缺力度、无明确轮次和输出延迟破坏节奏的问题,论文用四元组力度建模加 ggml 加速、脚踏开关标注的呼应微调与逐音符延迟补偿来回应,最强证据是逐音符补偿把节拍对齐中值提高到 0.7834 而无补偿仅 0.0678,代价是上下文能装的音符数从 341 降到 256 且风格仍局限于单人专家数据。
针对现场钢琴对话中缺力度、无明确轮次和输出延迟破坏节奏的问题,论文用四元组力度建模加 ggml 加速、脚踏开关标注的呼应微调与逐音符延迟补偿来回应,最强证据是逐音符补偿把节拍对齐中值提高到 0.7834 而无补偿仅 0.0678,代价是上下文能装的音符数从 341 降到 256 且风格仍局限于单人专家数据。
该研究把飞利浦馆重建为九片直纹面并提取线与点来驱动弦乐滑音、五个能量块与稀疏铜管木管事件,最强的可核对证据是 36 条弦乐线与 3357 个采样点的确定性构造,代价是均匀插值难以保留局部曲率与统一配器难以推广到其他风格。
该文把作曲家定义的文本语料经语义嵌入、降维与量化压缩为可枚举的卦象状态,用以配置数字乐谱的结构条件而非生成声音,并以五句雨诗得到离散对偶输出的艺术实例展示其可解释与可重复的即兴逻辑,其代价是降维随机性带来的状态不稳定性。
针对铃球接住才发声带来的延迟与换球规划难题,论文用音乐 Siteswap 记谱加三维动画组件把整场演出算成可排练的事件序列,已能复现协奏曲等复杂曲目,但仍需补创作与训练环节的可用性验证。
论文以 2021 年为波伦-皮尔斯单簧管与电子音乐而作的 Linear A 为对象,用 bach 可视化与约束微分音高、用标记驱动卡农与量化、用 MuBu 分段与 SuperVP 重排加 Antescofo 跟谱串起构思到演出,最强证据是同一套标记同时生成乐谱与实时指令,代价是全流程依赖特定 Max 生态与手工校准且无定量对照。
共收录 160 篇 nime-2026 会议论文的 Reader 深度解读
RenCon 2025 用线上预选加 48 小时 unseen 现场渲染考查乐谱到钢琴演奏的转换,9 套系统中规则系统与层次循环网络居前而人类基线 4.40 分仍明显领先,代价是力度校准与主观评价仍未标准化。
论文以智利混合音乐计算机 COMDASUAR 为对象,逆向还原其 Intel 8080 硬件与汇编软件协同,最强证据是逐字节原地逆行并修正滑音与终止符的子程序,代价是通用框图与音频路径尚未完全验证且无定量性能比较。
论文把以 TidalCycles 为源头的现场编程家族改称为 Uzulangs,方法是用时间的纯函数加查询窗口表示模式,最强证据是查询、连接与可视化在多个语言中可复述,代价是放弃状态导致马尔可夫链等有状态写法很少被使用。
该文把基于模式的现场编码做成二维解谜游戏的核心操作,用代码、声音与角色移动三种同步表征支架化时机、重复与分层,5 人单次 45-60 分钟试玩显示组织更 deliberate,但无对照与可推广性声明。
该文把毛笔旋转速度作为外部控制层,用距离积分触发主旋律、用阈值开关控制和声层,调用公开 Notochord 模型生成多轨 MIDI 并经 Ableton Live 发声,以一次约五分钟的水写布现场演示验证可演性,代价是只用陀螺仪而缺压力与长结构建模。
Con Moto 针对舞蹈即兴中音乐连贯与低延迟难兼得的问题,用推理时掩码转向加 Max/MSP 与 Ableton 后渲染的双层控制连接身体与模型,并在约 70 人现场十分钟双人演出与 6 人问卷中显示可切换乐器与伙伴感知,其代价是实时多乐器密度受限且末段需离线生成。
共收录 91 篇 dafx-2026 会议论文的 Reader 深度解读
共收录 127 篇 eusipco-2026 会议论文的 Reader 深度解读
该文以同一 Transformer 比较六种从纯音符到全量表达的切分方式,最强证据是渲染音频的 FAD 均值中音符加速度加踏板为 1.76、全量为 1.97,均优于纯音符基线的 3.10,而节拍标注平均未带来增益且代价是类别间波动大。
论文在预训练多轨音乐 Transformer 上用均值差提取音高与时值方向并以系数加偏做推理期操控,以无条件与强条件延续实验验证线性可控性,并用格拉姆施密特正交缓解双属性纠缠,但大强度与极端下行仍带来质量退化。
该研究让 98 名新手用 MMM-Cubase v2 和 Calliope 完成 16 小节编配任务并测量可用性、体验与接受度,最强证据是两系统 SUS 均超 70 且未来使用意愿超七成,代价是控制深度不足、作者感低与透明度缺失。
该研究用树莓派加 MIDI 连接现成乐器的智能乐器平台和小数据混合密度循环网络做两年第一人称演出,报告显示最便宜硬件推理小于 5 毫秒且重映射可替代重训,但证据限于作者一人 15 场演出而未做对照听感评估。
针对波斯单声部微分音旋律生成问题,PerFormer 用位置—音高—时值事件序列加编解码 Transformer 与主音参考建模长程调式关系,在可调性准确率 90.18% 对 34.71% 和听感四项指标上超过一阶马尔可夫基线,代价是数据集仅 33 首原曲并集中于单一调式与 6/8 节拍且节奏有拉长简化倾向。
该文把欧几里得节奏与方向性旋律遍历做成可在 Pure Data 中多实例叠层的 MIDI 音序器,用两次第一人称即兴回答可演奏性问题,最强证据是双实例下手势与结果的即时可读性与四实例下受约束调制对复杂度的缓解,主要代价是复调层数增加带来的感知负荷与旋律多样性受限。