音乐

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。

针对老年用户吹气能力差异导致高音量区够不着或维持不住的问题，该文用舒适呼吸对准 U=50、个性化上边界对准 U=100 的非线性归一化把不同绝对压力映射到同一 0-100 任务空间，两名 63 岁被试的试点显示同一长音目标带可被共同解释，但样本仅 2 人且单次会话不支持推广。

Accomplice 针对键盘 MIDI 现场表演，用分离的跟谱指挥器加可分布播放器和拍号保留的时间调度来跟随真人演奏并输出 MIDI 与 OSC 或 O2 控制，在室内歌剧实测中多数预测误差集中在正负 50 毫秒内，代价是仍需人工处理延长、装饰音与左右手错位等边界情况。

论文把多乐器音乐合成的注意力扩散模型改造为语音与歌声转换，用音素后验、基频与演唱者嵌入做条件，在自然度与演唱者相似度上追平专用转换模型，但音素保真下降且加入器乐数据会拉低人声质量。

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。

论文要解决多人异地同玩一个乐器的问题，选择用中央服务器加网页协议共享控制状态，并用三场真实搭建的演出播客与桌游验证可行性，代价是不追求低延迟和固定配置限制了灵活扩展。

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。

Audionce 针对聋人与听人共同即兴时听觉门槛过高的问题，选择把物理扬声器阵列与点云虚拟镜面放在同一交互场中，用身体移动与触摸扬声器驱动声音与视觉，最强证据是聋人设计者与听人可协同完成结构化即兴而不被察觉听力差异，主要代价是振动难以分辨音高与音量等细粒度差异且依赖持续学习与视觉补偿。

针对没有调音师的小场地演出调音问题，SoLAR 用参考录音学理想混音并给出吉他音量建议，仿真显示硬编码策略能把增益误差收敛到参考附近，代价是仅验证了吉他音量且现场只做了两人试用。

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。

针对身体打击乐需要压电传感器稳定安装又需要服装柔软贴身的矛盾，该研究用消费级三维打印柔性聚氨酯基板加背部嵌入式处理的方法制作马甲与手套，并在 2025 年两场公开演出中验证了可穿戴演奏的稳定性，其代价是以定性使用验证代替受控定量评估且声学映射完全开放给艺术家二次完成。

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。

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。

针对电影混音需分离对白、音效、音乐且缺乏带干净分轨的视听电影数据问题，该工作用条件流匹配同时生成三路频谱并以面部与场景双路视觉为条件，合成数据训练后在合成与真实电影片段上获得更干净的主观与分布指标，但多步采样与预测模型在信噪比类指标上的差距仍是代价。

论文追问电子萨克布特到底是什么，用档案与实物逆向复原其阻塞振荡器、分频器、鉴频器与压控放大的信号与控制链，显示它由计算、收音机与电子风琴三条技术血统拼合，并由国家研究委员会技工、绘图、秘书与通信网络共同制成，但代价是缺乏完整图纸使第一台合成器之说难以确证。

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。

该研究让 61 名 11 至 13 岁中学生在约 1 小时内用纯乐高做可演奏声学打击乐器，用三档说明书做支架对照，以 51 件留存乐器和 30 件细审样本显示摇奏类占 72.73% 而中观与微观层大量偏离图纸，代价是结构与声学权衡只能靠现场试错解决且无正式创造力量表评分。

该研究比较声学氛围驱动与歌词语义驱动的背景视频选择，提出在约 14000 个音乐视频上对比学习音乐视频联合嵌入并用束搜索做全局非重叠选段，最强证据是主观评价中声学方法在整体不自然感和转场连续性上显著优于歌词方法，代价是剪辑节奏与歌词具体指涉仍存在错位。

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。