小提琴演奏的一大难点就是找音准。
很多人哪怕学琴四五年时间也很难找准小提琴的音阶——肖萌肖薇姐妹就是这样两个失败的案例——因此，对violin-β超越人类的地方更是深有感触。
“因为电脑不像人，记谱能力取决于内存，”路之航道，“找音准则取决于算法。”
肖萌莞尔一笑。她听过梁清宁吐槽说过谱子难背——说至少要熟练演奏十遍后才能记住曲谱。然而梁清宁的记谱速度已经是其他小提琴手膜拜的对象了。
小提琴和钢琴不同，不是固定音准的乐器，也就没有所谓的绝对音准。某个音准是否准确，取决于它和其他音之间的关系，因为音高都是相对的。
找音准是小提琴最难掌握的技术，需要演奏者长期的锻炼才能做到；而对计算机来说，琴弦的振动模式可以通过数学公式算出来，每个准确的乐音都会有其固定的振动频率，只要能让演奏出的每一个音都符合振动频率的比例关系，就找准了小提琴的音阶和音准。同时，找到音准，就能解决小提琴演奏的大部分问题。
肖萌说，“我认为目前violin-β相当于一个练习了三四年、有很好天赋的琴童。演奏基础很好，但情感表达不够到位，许多小节的处理都不够细腻，显得有些生硬。”
路之航道：“和我们找来的小提琴家的说法一样，新手水平。”
“小提琴的演奏不是简单的一个个音节凑起来的，音节和音节之间的起承转合更加反应演奏者的技巧，violin-β演奏时，我自己明显觉得颤音和波音有些少了，缺乏装饰音，还有些硬。”
这确实是violin-β系统目前的问题，路之航点头，示意肖萌继续说下去。
肖萌顿了顿，又问：“我想，在机械性能上和控制系统上已经没有特大的问题，可能出现的问题还是在数据上吗？”
“说对了。”
邱伟涛指了指他身旁的那台电脑：“除了机械设备外，整套演奏系统由四部分组成，一个是演奏数据采集，一个是数据分析系统，一个是数据还原系统，最后一部分则是评价系统。理论上，当这四个系统配合默契时，violin-β就可以完美的演奏一首小提琴曲，还可以让其演奏展现不同流派的风格。”
“但是，目前有困难吗？”肖萌问。
路之航道：“用于机器学习的数据不够，评价系统也不够完善。”
肖萌虽然是新生，但也是全国最好的计算机专业的学子——在两位大神师兄的提醒下，她很快明白这其中的难点。
现在，vb项目组采用的是著名的神经网络和机器学习的方法让电脑学会拉小提琴。机器学习要以大量的数据为基础。而经典的小提琴乐曲何止百首，上千首曲子都是有的。每首曲子都有不同的演奏方法，同样一首曲子在不同的演奏家手上课也呈现不同的风格：轻快，缠绵，伤感……但不论那种风格，说白了都是数据。只要有足够的数据和计算资源，vb就可以在演奏时可以在力度，长度和节奏上进行调控，达到一流的演奏家的水平。
研究团队为了研究每首曲子的演奏风格，购买了上千张小提琴音乐cd；同时，整个项目的带头人卢景舒教授、实际负责人都沈泓教授利用了自己的私人关系，差一点把音乐学院里的音响制品全都搬空；除此外，路之航他们还编程还让大型机一刻不停的在网上搜索小提琴演奏视频——目前团队收集了上万首小提琴演奏曲。
但还是不够，至少远远不能满足团队的需求——研究团队的终极目标是随便输入一个曲谱，vb都可以一流小提琴家的演奏水准。
这事儿显然很难。
要满足这个要求，需要海量的数据，然后团队再从已有的数据里总结出规律，再推广到每一首小提琴乐曲中。
violin-β团队的野心很大，肖萌感受到了震撼：“这个要求太高了，古典音乐圈是个小圈子，可以用来学习的小提琴乐曲数量不会很多。”
“所以我们在机器学习的基础上，引入了评价系统。”
所谓的评价系统，就是让vb系统不断的、反复的演奏同一首曲子，然后系统对每次的演奏结果进行打分，所谓“择其善者而从之，其不善者而改之”，分数低，就说明要改进，分数高，则可以加强优势。演奏几千上万遍之后，vb就能找到最适合的模式。
“如果是棋类，可以通过一局胜负来判断某种模式好不好，但音乐怎么判断？据我所知，在小提琴演奏大赛中，评委们为了‘谁的演奏更好’都能打起来，演奏一首曲子，十个人可以演奏出十种风格。大家的审美不同，评价标准也不唯一。”
路之航说：“用数学规律来当评委而不是人。”
肖萌瞪大眼睛看着路之航：“师兄，你打算用数学公示评价小提琴演奏？”
路之航点了点头。
本章未完，点击下一页继续阅读。
