音乐

该文把双手关节未来位置的预测误差同时映射为幽灵手可视化和双手粒度合成参数，并在 2 分钟录制数据上比较 6 种算法预测器在 5 种预测跨度下的均方误差，代价是依赖受限算力的启发式映射与自适应量程调节且无正式用户评估。

论文研究截止与共振随时调制的梯形离散虚拟模拟滤波器如何证明有界输入有界输出稳定，方法是把连续域公共二次李雅普诺夫函数保留到离散域，最强证据是状态变量与 Sallen-Key 全范围稳定而 Moog 梯在 2.88 与 2.89 之间出现稳定与发散分界，代价是 Moog 与二极管梯在全共振范围不能保证时变稳定。

论文用导电琴弦加永磁体实现传感与驱动同位，用 20 kHz 时分复用交替完成感应电动势采样与脉宽调制洛伦兹力驱动，在单弦琴与改装自动竖琴和天气竖琴上验证了免校准自持，其代价是只能控制单轴、受热漂移与材料限制且伴随代码链接当前不可用。

本文要解决混合乐器中传感与驱动同位、同时、同模态、同频段时的串扰与失稳问题，梳理分时、频分、阻抗与异模态四类做法，最强证据来自低惯量弦的直接传感驱动与超声频分实例，代价是带宽、功率、线性与延迟约束同时收紧。

该研究以约 35 分钟协奏曲为载体，用 BBC 爱乐广播档案训练 RAVE 与拼接合成乐器来驱动作曲与现场演奏，报告显示嵌入式 AI 塑造了全曲结构而非仅 moment 声音，代价是记谱、延迟与排练可信度需专门设计。

论文把古董手动簇绒工具柄接在单块木柄加 ESP32 系统上，用簇绒手势同时驱动织物成形、原声共振与石器采样，以两次现场表演完成的地毯证明声音与纺织可同过程产出，代价是未报告可复测的声学指标与受控对照。

该文以班加罗尔印度声音研究组织二十年实践为对象，提出把空间、工具、准入与治理当作作曲材料的方法，其证据是 32 通道空间音频实验室、工作坊谱系与衍生项目在约束与慢速生长中持续生成，代价是放弃可复制的通用模型与年度新颖性评价。

论文要解决传统姆比拉微分音调音难记录、难教学、难进数字流程的问题，选择保留琴体手感并叠加 MIDI 与 OSC 控制的混合改造路线，用两名演奏者的实测音分差异和现场装置验证可行性，代价是无受控听辨实验与延迟精度数据。

论文以摆锤乐器 Chowndolo 为案例，用故意省略关键制作细节、保留结构与语境的 Obstruction Manual 把复刻变成主动学习，报告了从程序式手册到双层文档生态的迭代过程，但未做外部使用者验证，代价是初学者无法直接照做。

论文用轮廓复信号傅里叶分解做形状到音色映射，用面积做包络、用极坐标位置做混音，在键盘保音高时序下实现可重复的物件预置，代价是仅用二维剪影且边缘畸变与电平部分耦合。

论文用 1948 年调音叉笔记的 8 个实测频率驱动 Pure Data 与 Vital 合成，以 8 块废滑板加压电传感与 Bela Mini 实现 10 毫秒以下击打响应并在驻地验证合奏可行，但未测量声学相似度与延迟分布。

论文要解决如何用带状控制器表现中国弦乐的滑音与微分音，方法是把田进勤 XK 系列形式化为左手连续音高加右手连续包络的交互模式并用碳膜与开源硬件重建 XK-S，最强证据是 3 毫米宽碳条在 223±21 千欧下获得可用线性与可演奏性，代价是每条传感器都需逐条校准且 MIDI 难以表达连奏手势。

论文把自我归因的操作化为演奏时对响度的感觉减弱，用压力线性和时间记忆两种映射扰动检验它，结果显示只有大音量下出现预期的减弱方向，而映射主效应不显著且样本小、学习效应未分离。

作者为摆脱 Traktor 专用软件依赖，在 Mixxx 中逆向 S4 Mk3 力反馈转盘，通过 USB 抓包与试凑滤波加 PID 复刻出可演出的转盘仿真，但触摸量化、点推校准与 cue 停盘等处仍需妥协且手感与原厂有可感差异。

论文研究如何在低功耗乐器内嵌入可调映射学习，让演奏者在演奏中用奖惩塑造神经网络映射，报告显示可高速探索大参数空间但精调困难且依赖预设偏置。

针对传统黑胶台难容纳现场采样与定序且不愿依赖屏幕的问题，论文用可复用的颜色令牌 Tamples 加 Bela 中央主机与 ESP 外设的模块扩展套件来保持搓盘手势，并在音乐节与酒吧演出中报告了无线与颜色识别稳定可用，但代价是令牌本身不显示内容且序列器暂只发音符开事件。

该研究把便携超声探头扫查手工食物明胶幻影得到的深度密度图像，经取样线重采样后送入逆傅里叶变换合成声音，探头推滑按压与材料雕刻共同作曲，代价是频率分辨率粗糙、低频表现弱且模具精度不可控。

针对通用 MIDI 控制器丢失跳线等小手势的问题，Umbilical 用数字共生体加物理镜像实现一对一映射，最强证据是 1024 点跳线矩阵以约 60 赫兹扫描实现约 4.6 毫秒最坏延迟，代价是串口带宽限制扫描频率且源码目前处于禁运不可用。

针对噪声加混响同时存在的语音与音乐恢复问题，论文把多麦克风观测的最小二乘数据保真项与正则项组成反问题并用前向后向算法展开为 10 层网络，在已知或估计房间冲激响应与噪声标准差的条件下，LibriSpeech 上多麦克风展开结构取得最好客观与主观指标，代价是依赖房间与噪声先验且去混响层数与去噪器规模不可过小。

该文把预训练瓶颈定位为监督源弱而散，用高保真描述器加统一标签系重建强监督，并在同量音频上比较多种目标，显示数据质量与覆盖决定泛化而目标决定任务分化，但域内事件任务仍需更大规模验证。