所在位置：- [制发单位] 绝对现场[发文字号] ----
- [主题分类] 文化、广电、新闻出版/广播、电影、电视[成文日期] 2026-08-18 20:09:16
- [发布日期] 2026-08-18 20:09:16[文件有效性] 现行有效
中新网北京8月18日电(记者 孙自法)施普林格·自然旗下专业学术期刊《自然-机器智能》最新发表一篇人工智能(AI)研究论文称，一项针对20位知名爵士钢琴家的研究显示，机器学习模型能从录音中辨认不同的爵士钢琴家，并揭示使表演者具有可辨认度的音乐“指纹”。 音乐“指纹”是指音乐家常因其作品的独特模式，而具有辨认度，包括和声连接、节奏结构和旋律主题。论文作者认为，他们的研究成果，或为艺术家归属和风格、文化传统、音乐教育提供新见解。 该论文介绍，爵士乐是研究音乐“指纹”的一个机会，因为爵士乐融合了特定表演者所独有的作曲、即兴创作和表演风格。不过，对爵士乐进行计算分析一直很难，因为大部分表演都是录音音频，而直接使用音频训练的模型由于录音环境和录音设备种类等变量，对人类来说很难解释。 在本项研究中，英国剑桥大学Huw Cheston、Reuben Bance、Peter M. C. Harrison合作，让经过训练的监督学习模型，从包含20位知名爵士钢琴家1629次表演的84小时录音数据集中辨认表演者。这些录音被转换成MIDI“钢琴卷帘窗”(piano roll)格式，即用数字化展现音符的演奏时间和演奏音高。 结果显示，表现最佳的模型辨认演奏者的准确率为94.4%，而一个能分离旋律、和声、节奏、力度的更易解释的模型能达到91.3%的准确率。在单独测试时，和声给出的预测准确度最高，其次是节奏和旋律，而力度的预测准确度最低。 论文作者表示，他们的方法或能帮助研究人员细究使表演者与众不同的音乐模式，包括与现有文献一致的特征以及之前没有探讨过的其他特征。他们还公布了开源模型和一个网页应用程序，用来解读研究结果。 不过，论文作者也提醒指出，旋律与和声这类音乐维度会互相重叠，MIDI“钢琴卷帘窗”也无法囊括爵士表演的方方面面，包括颤音和音高弯曲等音调和音色质量。今后的研究或能将该方法用于其他音乐类型、乐器、历史背景，以及不太知名或历史上代表性不足的音乐家们。(完)
