“如果是棋类，能够通过一局胜负来判定某种形式好不好，但音乐如何判定？据我所知，在小提琴吹奏大赛中，评委们为了‘谁的吹奏更好’都能打起来，吹奏一首曲子，十小我能够吹奏出十种气势。大师的审美分歧，评价标准也不独一。”
路之航道：“和我们找来的小提琴家的说法一样，新手程度。”
很多人哪怕学琴四五年时候也很难找准小提琴的音阶――肖萌肖薇姐妹就是如许两个失利的案例――是以，对Violin-β超出人类的处所更是深有感到。
肖萌固然是重生，但也是天下最好的计算机专业的学子――在两位大神师兄的提示下，她很快明白这此中的难点。
肖萌为本身的健忘，不美意义的一笑。
所谓的评价体系，就是让VB体系不竭的、几次的吹奏同一首曲子，然后体系对每次的吹奏成果停止打分，所谓“择其善者而从之，其不善者而改之”，分数低，就申明要改进，分数高，则能够加强上风。吹奏几千上万遍以后，VB就能找到最合适的形式。
“找过，但不顺利。”邱伟涛说。
现在，VB项目组采取的是闻名的神经收集和机器学习的体例让电脑学会拉小提琴。机器学习要以大量的数据为根本。而典范的小提琴乐曲何止百首，上千首曲子都是有的。每首曲子都有分歧的吹奏体例，一样一首曲子在分歧的吹奏家手上课也闪现分歧的气势：轻巧，缠绵，伤感……但非论那种气势，说白了都是数据。只要有充足的数据和计算资本，VB便能够在吹奏时能够在力度，长度和节拍长停止调控，达到一流的吹奏家的程度。
“莱布尼茨说的这句话。”
肖萌顿了顿，又问：“我想，在机器机能上和节制体系上已经没有特大的题目，能够呈现的题目还是在数据上吗？”
肖萌细化了本身的计划：“我有一个朋友小提琴拉得非常好，他在小提琴圈的人脉干系很丰富，晓得好几位如许的小提琴教员。你们如果需求的话，那我帮你们问问哪些小提琴教员程度不错并且能接管新奇事物的？”
“再加上客岁的陆以则事件，稍稍有点名誉都小提琴家对这件事更是避之不及了。”邱伟涛说。
Violin-β团队的野心很大，肖萌感遭到了震惊：“这个要求太高了，古典音乐圈是个小圈子，能够用来学习的小提琴乐曲数量不会很多。”
肖萌莞尔一笑。她听过梁清宁吐槽说过谱子难背――提及码要谙练吹奏十遍后才气记着乐谱。但是梁清宁的记谱速率已经是其他小提琴手膜拜的工具了。
“题目要一个个处理，目前要紧的还是处理机器学习中的难点。”邱伟涛说。
这事儿明显很难。
找音准是小提琴最难把握的技术，需求吹奏者耐久的熬炼才气做到；而对计算机来讲，琴弦的振动形式能够通过数学公式算出来，每个精确的噪音都会有其牢固的振动频次，只要能让吹奏出的每一个音都合适振动频次的比例干系，就找准了小提琴的音阶和音准。同时，找到音准，就能处理小提琴吹奏的大部分题目。
“说对了。”
这确切是Violin-β体系目前的题目，路之航点头，表示肖萌持续说下去。
“是的……”肖萌问，“你们找太小提琴吹奏家共同研讨吗？”
“……嗯，我有点明白了。”
“就是把Violin-β当作一名门生，就教小提琴的教员指导，”肖萌说，“我晓得有一些经历很丰富、在培训黉舍事情的小提琴教员，他们年纪比较大，脾气也很好。他们的吹奏程度不是很高，但讲授经历丰富，各种奇奇特怪的门生都见过，看题目非常准，并且因为长年和门生打交道，也很好相同……”