音乐生成

MMMAudio 针对在 Max、Pure Data、SuperCollider 中做新数字信号处理要离开创作环境进入 C 或 C++ 插件流程的问题，选择以 Mojo 写音频引擎加 Python 做控制与人工智能工具链，用单采样 64 位与组合式单元生成器换来直接可改的扩展性，代价是单处理器振荡器数量报告显示低于 SuperCollider 且多引擎并行依 …

该研究以 Noise Peddler 双人无输入踏板系统为对象，用网络乐器理论解释如何以自振荡踏板取代吉他输入并以 MIDI 实现可控可重复的多声部音乐，代价是映射记忆负担大、排练与系统搭建成本高且高度依赖具体踏板组合。

该研究把听众相位性皮肤电反应做成实时投入度信号，经滤波归一化与乐句对齐后映射为合成器低通滤波器截止频率的低频振荡器速率，在小提琴与爵士标准曲的三分钟单听众演示中跑通了表演者与听众可互相听见的反馈环，代价是仅单样本探索、无定量对照与群体验证。

该作品把冒充者现象转写为三关网格游戏，用观众喊格、故障 tile 与成就和自信双计分来演奏自我怀疑，最强的可复述证据是三段软件流水线与足部追踪校准流程，代价是每关之间必须回起点做校准步且目前没有定量听众评估。

针对帕金森步态中冻结步突发与步幅缩小需长期训练的问题，该研究用足部边缘计算加网页蓝牙开发套件实现一步一鼓与随步幅开花的两套音乐反馈，在仅两例的试点中报告转弯冻结时长从 42.0 s 降至 2.3 s、交互期步幅显著上升，但样本极小且顺序未平衡，长期效果待验证。

该研究把文本转音乐从一次生成波形改为持续解析为 34 字段可读合成器配置，用后台解析加前台交叉淡出的实时生成器维持不断声，最强证据是 200 条提示下嵌入检索后端全部成功且配置生成约 0.3 秒而外部大模型后端成功 178/200 且需约 5.6 秒，代价是音色泛化弱于神经音频且检索覆盖不足时会出现语义错配。

该研究为呼叫应答式演奏搭建了覆盖记录、组集、训练到表演的网页界面，用双路实时可视化暴露混合密度循环神经网络状态，5 人 40 分钟探索性研究显示系统可用性量表均值 62.50 分而视觉反馈清晰度达 4.0/5 分，代价是新手仍需面对模型训练的概念负担与小数据下生成质量不稳。

该文把自然语言行为描述经分解、按需挑选领域知识、分头合成图形处理器核函数再组装为可执行草图，在 8 个提示上把零样本与全文档 p 档的零通过率提升到管线条件下约五至七成，但只验证 12 秒无错运行而不验证行为保真与音乐可用性。

该鼓机用五个旋钮的成对差分同时决定乐器选择与十六分音符休止数来生成非固定长度的确定性节奏，并用三个光敏电阻经平滑后控制调频合成的调制量与包络长度，代价是参数到节奏的映射难预测且需要外接效果器才能形成段落叙事。

针对硬同步直接重置相位会产生不连续和高频混叠的问题，论文用有限傅里叶系数经线性频谱重采样再做加法合成实现带限同步，并以 96 kHz 单音色 ASIC 在约 5 个音频采样内完成变换为代价换取实时性。

论文用暖初始化把预训练音频扩散模型的逆向过程从引导信号中途启动，以双簧管转钢琴等实验研究初始化时间与噪声比例的取舍，报告在杰卡德距离低于 0.6 且弗雷歇音频距离低于 0.7 附近存在可用工作点，代价是对人声与强打击乐等成分处理不稳定且依赖高引导强度等超参数。

该研究以骨传导耳机私密层加穹顶扬声器共享层加现场声源的三层现场为问题，用四部新作与作曲家自述对照出频带分工与层间关系策略，最强证据是录音仓储已公开可核对，代价是电平与注意力极易饱和且结论仍是作曲家报告而非大样本验证。

CamJam 针对零基础协同演奏问题选择纯摄像头加循环约束的四模块乐队结构，在 36 人轮换实验中弦乐模块直观性最高而协作评分偏低，代价是连续映射可预测性不足与面部追踪的不适感。

论文把 Pharo 集成开发环境变成不停机的现场作曲工作站，用 Coypu 做节奏旋律型调度与事件分发、用 Phausto 内嵌 Faust 编译器做本地合成，并报告了固定十六分音符网格、五类演奏器与 70% 库覆盖等条件与代价。

该系统用 Muse S Athena 头环采集脑电频段经 Mind Monitor 以 OSC 送入 Csound，以采样保持加 SATB 查表把生理抖动驯成稳定和声并用 MIDI 键盘做移调与乐句控制，在双人互换脑电的现场二重奏中验证了可演奏性，代价是放弃连续调制精度且未做定量听感与延迟测量。

共收录 103 篇 cvpr-2026 会议论文的 Reader 深度解读

共收录 91 篇 dafx-2026 会议论文的 Reader 深度解读

针对弓弦乐器源-滤波器分离含混问题，DDSP-Violin 用亮度、弓位与残差约束谐波源，在合成数据上把体共振重建误差做小，而多尺度频谱重建质量基本不下降，代价是仍有局部共振细节误差与相位不定问题。

针对和声乐器混合难以分声部精确编辑的问题，该演示系统用乐谱对齐加可微混合合成器做分析合成，再用合成参数域扩散模型约束参数轨迹，在双长笛混合上展示单声部乐器转换与乐句改写的定性例子，但未报告定量指标与可运行代码。

两位演奏者用自选小数据集分别训练神经音频合成与语料库合成乐器并同台即兴，现象学回看法显示能动性分散在策展、架构与实时协商之中，代价是系统美学冲突时必须停奏、重配或回到档案重做。