“……嗯，我有点明白了。”
这事儿明显很难。
“以是我们在机器学习的根本上，引入了评价体系。”
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。
邱伟涛说：“是的，这就是路之航的设法。他向来也不同意用仅仅用机器学习的体例来研讨小提琴吹奏，他以为，埋没在乐曲后的数学应当是研讨的核心之一。”
“找过，但不顺利。”邱伟涛说。
“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……”
但还是不敷，起码远远不能满足团队的需求――研讨团队的终纵目标是随便输入一个乐谱，VB都能够一流小提琴家的吹奏水准。
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？”
要满足这个要求，需求海量的数据，然后团队再从已有的数据里总结出规律，再推行到每一首小提琴乐曲中。
肖萌无言。客岁时，陆以则和机器人钢琴吹奏比赛打个了平局，这事儿闹得挺大，网民都在感慨“除了棋类，人类在吹奏上也输给了计算机”，音乐家们都感觉有些丢面子。
这类教员的代价也不贵，肖萌想，绝对是VB项目组能付出的代价。
路之航道：“和我们找来的小提琴家的说法一样，新手程度。”
小提琴和钢琴分歧，不是牢固音准的乐器，也就没有所谓的绝对音准。某个音准是否精确，取决于它和其他音之间的干系，因为音高都是相对的。
“这确切是一个好体例。”邱伟涛眼睛发亮，“我们之前只想着找些驰名誉的小提琴家，看来是走错路了。”
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？”
肖萌咀嚼着大神的话，终究从路之航带来的震惊中缓过劲来，“我记得有位数学家说过，音乐是数学在灵魂中无认识的运算。”
肖萌为本身的健忘，不美意义的一笑。
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。
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。”
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。