人類的聽(tīng)覺(jué)系統(tǒng)除了用于交流，識(shí)別和預(yù)警之外，還進(jìn)化出了一種可能只有人類才擁有的高級(jí)智能，那就是音樂(lè)，比如獨(dú)奏合唱，樂(lè)器獨(dú)奏合奏等。

其中，歌唱是最容易也是最難的樂(lè)器因?yàn)檎l(shuí)都會(huì)唱，唱得好就是余音繞梁，三日不絕，反之，就可能是但他們粗糙而—刺耳，在我耳朵上篦

唱歌和說(shuō)話的區(qū)別

人說(shuō)話的時(shí)候，聲音往往伴伴隨著聲帶振動(dòng)音調(diào)和頻率在最自然的發(fā)聲區(qū)域偶爾有人用腹式呼吸來(lái)增強(qiáng)聲音的粗細(xì)，減輕聲帶的疲勞即使情緒波動(dòng)會(huì)影響發(fā)音，一般變化也不會(huì)太大唱歌需要更多的技巧，和說(shuō)話有明顯的區(qū)別

第一，唱的音域千差萬(wàn)別比如俄羅斯男歌手維塔斯，從最低音到最高音能唱四個(gè)八度，非常厲害但我也可以

其次，在共鳴腔的使用上，唱歌和說(shuō)話有很大的區(qū)別比如唱歌用的頭部共鳴和鼻腔，后腦勺共鳴不一樣，導(dǎo)致音色差別很大根據(jù)歌曲風(fēng)格的不同，一般人常聽(tīng)的美聲，喜歡把頭腔聽(tīng)覺(jué)，身體感覺(jué)，語(yǔ)言共鳴放在后面

如果你注意看歌手唱歌，有些歌手在唱高音的時(shí)候會(huì)眨眨眼，皺皺鼻子，其實(shí)就是在尋找高音共鳴的位置。

對(duì)于歌曲表達(dá)的粗細(xì)，光靠頭腔是不夠的，因?yàn)闀?huì)比較細(xì)，必須用胸共鳴來(lái)加強(qiáng)中低音域的共鳴。

如果想提高音域，還可以學(xué)習(xí)用面罩，咽部，封閉唱法來(lái)唱而低音，比如呼麥唱歌，需要輸送空氣到聲帶振動(dòng)發(fā)聲

第三，氣息也是說(shuō)話和唱歌區(qū)別更大的地方歌曲中有些歌詞特別長(zhǎng)，僅靠淺胸呼吸往往難以保持旋律的穩(wěn)定和連續(xù)，需要使用胸式呼吸和更復(fù)雜的換氣技巧

第四，和說(shuō)話不一樣，一般是平穩(wěn)流暢的，一首歌的節(jié)奏變化很大，速度和急迫感可能會(huì)出現(xiàn)在一首歌里。

第五，對(duì)歌詞的理解和情感的投入也會(huì)使唱和說(shuō)產(chǎn)生顯著的差異。

第六，連續(xù)閱讀的問(wèn)題中文歌詞相對(duì)好一點(diǎn)，但是英文在唱功上明顯很多關(guān)于唱歌和說(shuō)話，人們可能還會(huì)有一種錯(cuò)覺(jué)，認(rèn)為口吃的人唱歌不好但實(shí)際上，兩者屬于不同的發(fā)聲機(jī)制說(shuō)需要思考說(shuō)什么，組織語(yǔ)言，說(shuō)出來(lái)唱歌通常是一首音準(zhǔn)，語(yǔ)速，音調(diào)都已經(jīng)給定的歌人需要做的，就是在反復(fù)練習(xí)之后，重復(fù)這些內(nèi)容所以，口吃的人可以通過(guò)學(xué)唱歌來(lái)嘗試找到流利說(shuō)話的信心

如何評(píng)價(jià)一首歌好不好。

對(duì)大多數(shù)人來(lái)說(shuō)，唱歌是放松心情的方式之一當(dāng)你聽(tīng)到一首喜歡的歌，你就學(xué)會(huì)唱它但是好嗎很多人不太了解

什么樣的歌可以被定義為好歌音樂(lè)好不好的定義里有一個(gè)和頻率f有關(guān)的一般規(guī)律

這是日本著名物理學(xué)家李廣1965年在《應(yīng)用物理學(xué)會(huì)會(huì)刊》上發(fā)表的文章《生物信息與1/f漲落》中提出的1/f漲落原理或者說(shuō)漲落是指一個(gè)物理量在宏觀平均值附近的隨機(jī)變化，其原理適用于很多領(lǐng)域

就音樂(lè)而言，1/f表示旋律可以局部無(wú)序，而在宏觀上有一定的相關(guān)性，可以讓人感受到舒適和諧的波動(dòng)市面上很多抒情歌曲都是符合1/f波動(dòng)原理的歌曲，所以大家都喜歡聽(tīng)

對(duì)于其他形式的音樂(lè)風(fēng)格，如搖滾，說(shuō)唱等，是因?yàn)樗墓?jié)奏可以幫助人們發(fā)泄和表達(dá)自己的感情

更有甚者，還有完全背離1/f漲落原理的歌曲，比如實(shí)驗(yàn)歌曲《煙花》，幾乎接近噪音。

為了幫助評(píng)價(jià)音樂(lè)好不好，科學(xué)家們還提出了一些心理聲學(xué)的定性和定量指標(biāo)，如基于粗糙度，銳度，波動(dòng)和音高等聲學(xué)特征組合的煩惱度和感知快感等復(fù)合聲學(xué)指標(biāo)。

但無(wú)論如何約定，音樂(lè)風(fēng)格的多樣性，個(gè)性化色彩的豐富性，對(duì)聲音的感知仍然是以個(gè)人的主觀感受來(lái)評(píng)價(jià)的，大眾認(rèn)同的東西不一定能用來(lái)刻畫(huà)小眾群體的審美觀點(diǎn)。

對(duì)于唱歌，有人喜歡粗獷低沉，有人喜歡清澈如水，有人喜歡響亮，有人喜歡委婉。

對(duì)于歌曲，有人喜歡奇奇怪怪的，有人喜歡平淡的敘述，有人喜歡口水歌，有人喜歡春雪。

音樂(lè)風(fēng)格的多樣性和個(gè)性化色彩的豐富性，很難真正形成統(tǒng)一的客觀標(biāo)準(zhǔn)來(lái)評(píng)判。

歌曲/歌唱的相關(guān)應(yīng)用

雖然對(duì)歌曲/唱腔的分析顯然比簡(jiǎn)單的語(yǔ)音識(shí)別更加復(fù)雜和困難，但在人工智能領(lǐng)域仍然有一些相關(guān)的應(yīng)用。

列舉幾個(gè)比較有價(jià)值的應(yīng)用第一，歌曲哼唱識(shí)別，這是目前大部分提供音樂(lè)的平臺(tái)都有或者正在嘗試做的功能它的任務(wù)是根據(jù)本地片段的旋律識(shí)別可能的曲調(diào)困難在于不是每個(gè)人都能準(zhǔn)確地哼出旋律大多數(shù)人這樣找歌是因?yàn)椴挥浀酶杳?，或者只是一個(gè)遙遠(yuǎn)的旋律記憶其次，發(fā)音頻率，聲調(diào)，吐字，原唱都有一定的差異因此，哼唱識(shí)別的任務(wù)就是從不準(zhǔn)確的哼唱中找到有效的候選集

除了哼唱，另一個(gè)重要的應(yīng)用是自動(dòng)調(diào)音一是因?yàn)楹苌儆腥擞薪^對(duì)音高的能力，即使經(jīng)過(guò)專業(yè)訓(xùn)練，可能還是不穩(wěn)定第二，大部分人的語(yǔ)調(diào)和穩(wěn)定性都有問(wèn)題而且喜歡唱歌的人也很多因此，無(wú)論是專業(yè)歌手還是業(yè)余愛(ài)好者，自動(dòng)調(diào)音都有很大的應(yīng)用市場(chǎng)但是，由于音樂(lè)風(fēng)格千變?nèi)f化，需要學(xué)習(xí)和增強(qiáng)每個(gè)人獨(dú)特的辨識(shí)度和個(gè)性化的音色，顯然很難用人工智能技術(shù)來(lái)構(gòu)造一個(gè)自動(dòng)化的調(diào)音師

此外，音樂(lè)與人聲的分離也是一個(gè)極其重要的研究方向人類在這方面的能力非常強(qiáng)，在非常嘈雜的環(huán)境中也能很容易地選擇自己的聲音來(lái)聽(tīng)1953年，Cherry將這種由人類聽(tīng)覺(jué)注意力引起的現(xiàn)象稱為雞尾酒會(huì)效應(yīng)

雖然這一現(xiàn)象已經(jīng)被發(fā)現(xiàn)近半個(gè)世紀(jì)，但人工智能仍然很難達(dá)到與人類相似的識(shí)別能力因?yàn)辂溈孙L(fēng)獲得的音頻信號(hào)一般是多個(gè)聲源混合的一維音頻信號(hào)，所以分離原始的多個(gè)信號(hào)源會(huì)是一個(gè)一對(duì)多的病態(tài)問(wèn)題，沒(méi)有唯一的解

事實(shí)上，人類聽(tīng)了錄音后，是無(wú)法獲得雞尾酒會(huì)效果的。

為解決這一問(wèn)題，人工智能領(lǐng)域通常假設(shè)這些信息源相互獨(dú)立，不符合前面提到的高斯分布，輸出結(jié)果是這些信息源的加權(quán)組合信息源分離，也稱為盲源分離早期的方法是在機(jī)器學(xué)習(xí)和模式識(shí)別領(lǐng)域使用獨(dú)立分量分析的技術(shù)或其改進(jìn)版本，但這種方法的缺點(diǎn)是收斂速度慢，難以獲得唯一解

特征融合后，用一個(gè)考慮時(shí)間變化的長(zhǎng)短期記憶深度模型來(lái)描述音視頻的時(shí)序特征最后，每個(gè)揚(yáng)聲器使用兩種不同的解碼系統(tǒng)來(lái)分離音頻和視頻模型達(dá)到了目前最好的效果，離模擬人類的雞尾酒會(huì)效果更近了一步但仍有不足之處，主要表現(xiàn)在兩個(gè)方面首先，我們需要視頻的幫助其次，本研究沒(méi)有涉及到歌唱與樂(lè)器分離這一更為困難的問(wèn)題

輸入視頻幀和音頻，

處理思路:分別提取視頻和音頻特征，分離音視頻源，

為每個(gè)揚(yáng)聲器輸出干凈的音頻。

當(dāng)然，基于人工智能的音樂(lè)分析還有很多其他有趣的應(yīng)用，比如計(jì)算機(jī)作曲/寫(xiě)歌詞，設(shè)計(jì)一個(gè)像洛天依一樣的唱歌機(jī)器人等等

但總的來(lái)說(shuō)，人類作家寫(xiě)出的歌詞和旋律的意境往往具有更好的整體性和更強(qiáng)的邏輯性而計(jì)算機(jī)模擬目前只能做到局部近似，要把握全局和整體情緒還有很長(zhǎng)的路要走或許現(xiàn)階段考慮與人混合智能處理是一個(gè)很好的嘗試

書(shū)籍介紹

張俊平，復(fù)旦大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院教授，博士生導(dǎo)師主要研究方向?yàn)槿斯ぶ悄?，機(jī)器學(xué)習(xí)，圖像處理，生物認(rèn)證和智能交通2007年9月至2008年3月以訪問(wèn)學(xué)者身份訪問(wèn)加州大學(xué)圣地亞哥分校，2014年8月至2015年8月被賓夕法尼亞州立大學(xué)聘為研究助理一年先后主持國(guó)家自然科學(xué)基金，863項(xiàng)目，浦江人才計(jì)劃項(xiàng)目三項(xiàng)目前主持科技部2018年重點(diǎn)專項(xiàng)人—機(jī)器人智能融合技術(shù)子項(xiàng)目，國(guó)家自然科學(xué)基金面上項(xiàng)目中國(guó)自動(dòng)化學(xué)會(huì)混合智能專業(yè)委員會(huì)副主任，中國(guó)計(jì)算機(jī)聯(lián)合會(huì)人工智能專業(yè)委員會(huì)委員，中國(guó)人工智能學(xué)會(huì)機(jī)器學(xué)習(xí)專業(yè)委員會(huì)常委發(fā)表人工智能相關(guān)高質(zhì)量論文100余篇包括IEEE TPAMI，TNNLS，ToC，TAC，TITS，TVCG等國(guó)際期刊和ICML，AAAI，ECCV等國(guó)際會(huì)議

看原點(diǎn)的小紅書(shū)！