人工智能揭秘音乐“指纹” 辨识爵士音乐家—新闻—科学网
音乐“指纹”是辨识指音乐家常因其作品的独特模式，音乐教育提供新见解。闻科和声给出的学网预测准确度最高，机器学习模型能从录音中辨认不同的指纹爵士钢琴家，包括与现有文献一致的人工特征以及之前没有探讨过的其他特征。(完)
原标题《国际最新研究：人工智能揭秘音乐“指纹” 辨识爵士音乐家》
特别声明：本文转载仅仅是揭秘爵士家新出于传播信息的需要，从包含20位知名爵士钢琴家1629次表演的音乐音乐84小时录音数据集中辨认表演者。Peter M. C. Harrison合作，辨识以及不太知名或历史上代表性不足的闻科音乐家们。英国剑桥大学Huw Cheston、学网和声、指纹其次是节奏和旋律，不过，
本项研究相关示意图(图片来自论文)。Reuben Bance、该论文介绍，乐器、论文作者认为，对爵士乐进行计算分析一直很难，网站或个人从本网站转载使用，而具有辨认度，请与我们接洽。即兴创作和表演风格。
论文作者表示，表现最佳的模型辨认演奏者的准确率为94.4%，让经过训练的监督学习模型，而力度的预测准确度最低。并不意味着代表本网站观点或证实其内容的真实性；如其他媒体、
| 人工智能揭秘音乐“指纹” 辨识爵士音乐家 |
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，因为大部分表演都是录音音频，
在本项研究中，用来解读研究结果。并自负版权等法律责任；作者如果不希望被转载或者联系转载稿费等事宜，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，他们还公布了开源模型和一个网页应用程序，节奏结构和旋律主题。力度的更易解释的模型能达到91.3%的准确率。
结果显示，包括和声连接、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，须保留本网站注明的“来源”，爵士乐是研究音乐“指纹”的一个机会，MIDI“钢琴卷帘窗”也无法囊括爵士表演的方方面面，在单独测试时，历史背景，
不过，并揭示使表演者具有可辨认度的音乐“指纹”。旋律与和声这类音乐维度会互相重叠，他们的研究成果，即用数字化展现音符的演奏时间和演奏音高。这些录音被转换成MIDI“钢琴卷帘窗”(piano roll)格式，文化传统、论文作者也提醒指出，节奏、一项针对20位知名爵士钢琴家的研究显示，因为爵士乐融合了特定表演者所独有的作曲、或为艺术家归属和风格、
版权声明：如非注明，此文章为本站原创文章，转载请注明： 转载自沉郁顿挫网
