音乐信息检索

该文在 Lyra 舞蹈子集上用音频、视频、骨架三模态做 28 标签自动打标，报告最强三模态门控融合宏 ROC-AUC 为 0.864，超过最强音频单模态 0.821，但骨架单模态仅 0.586 且约半数片段缺有效姿态。

论文把音乐语义定义为可测的检索任务能力，用冻结语义单码本加声学残差量化双流在混合信号上重建，报告显示完整配置在内容保持与重建上占优而纯声学配置虽重建略高却显著更难建模。

论文用线性硬弦偏微分方程加三角拨弦初值约束多层感知机做正演，在第一振动周期内与有限差分和断线实验做对照，随机傅里叶特征尺度越大高频细节越好，但评估只限首周期且存在幅值偏差。

该研究用 9 支葫芦丝的 81 个平均音和 7 个心理声学特征训练自组织映射，报告只有频谱质心、锐度和分形关联维能形成音高聚类，其中高音 fa、sol、la 混沌度最低且亮度反直觉偏低，代价是低音区无稳定聚类且录音未公开。

该研究把 1046 个手工段落与 0.5 秒步长的模型估计效价-唤醒轨迹对齐，显示段落差异主要在唤醒度上且高唤醒位置偏向后段，但进入副歌路径多样、重复段落并不回到初始水平，代价是情绪轨迹来自冻结教师模型而非人工连续标注。

共收录 60 篇 icmc-2026 会议论文的 Reader 深度解读

ScorePrompts 针对用自然语言探索 MusicXML 乐谱结构的问题，选择先用固定 MIR 组件栈构造音符、拍、小节、乐曲四级对齐表示再做受约束语言生成与确定性问答， demo 贯穿单谱四阶段流程，代价是只面向机器可读西方调性乐谱且未验证生成句与证据的语义忠实性与音乐学正确性。

针对机械漂移导致的机器人乐器动态响应不一致问题，论文用距离依赖加权把锚定实测的 KNN 与平滑泛化的 MLP 融合成一体，在 MalletOTon 四种采样密度下以平均 MAE 约 1.38 取得最低误差，代价是仍只用 RMS 单特征且未验证在线闭环与多乐器复现。

论文面对 Barlow 异构、过程性、软件依赖的原生数字遗产，提出以对象/事件框架加可扩展分类把过程翻译为可互操作元数据，证据是多 TB 硬盘遗产的原型编目与 Sibelius/MIDI/DOC/PDF 关联难题，代价是形式化必然不完备而需参与式持续修订。

该研究以 136 首已标注拍点的里尔与吉格演奏为对象，用核密度估计求主速度并做偏差曲线与乐句聚类，发现整体偏差仅在零附近小幅摆动而强加速只出现在开头乐句，其代价是只分析第一遍完整重复且依赖手工拍点标注。

该研究以贝多芬第七与柴可夫斯基第五的 55 加 71 个演奏版本为对象，用声学特征加 VGGish 嵌入与五种元数据分组加戴维斯博尔丁指数检验相似性来源，最强证据是指挥主导速度响度而乐团在特定乐章主导音色，代价是录音环境未统一与因果解释仍需专家验证。

本文以 Udio 生成物为语料提出潜音乐概念，用插值与再领土化解释阈限声音如何产生，并以两组可复述的提示装配与扩展操作展示其听感与代价是身份悬置与不可重复。

共收录 160 篇 nime-2026 会议论文的 Reader 深度解读

Oscilla 把 SVG 谱面同时做成记谱、控制器与音频触发层，用演奏头遍历、页面跳转、路径触摸与信号总线支持从作曲网络总谱到独奏星座即兴，代价是内置合成保持轻量、复杂声音必须依赖外部 OSC 合成且逆向自修改谱尚未进入创作实践。

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。

论文以哈维《Ricercare una melodia》从 1984 完整记谱到 2003 简化版的知识流失为证据，提出用两层词表与多层监督标注把演奏推理写成可审计约束网络，但明确完整智能体尚未实现且具身感受无法保留。

该文以钢琴与电子装置作品为线索，用媒介系谱重组日本电子音乐看似分散的历史，报告了环形调制器、磁带机、计算机、键盘与扬声器五条线索上的代表作品与技术条件，代价是未做听觉实验与定量比较，只能作为可核对的史料框架使用。

论文以封闭背板卡曼恰独立音箱为对象，用轴对称有限元扫参与自由悬挂锤击测频响做对照，显示上半球加厚与音孔减半抬高中低阶模态而下半球几乎不动，并把 4、5、7 阶模态指为支撑 C 弦谐波放大的主要候选，但材料离散使定量对齐仍有超过 2 比 1 的偏差代价。

该研究以 2001 至 2025 年 104 篇 NIME 论文为语料做归纳主题综述，发现创新集中于按键连续触感而布局仍被西方十二平均律钢琴形主导，并以跨文化多稳态与非西方乐理键盘为出路，但代价是分类依赖文本自述且未触及实物手感验证。

共收录 91 篇 dafx-2026 会议论文的 Reader 深度解读