人類的聽覺系統(tǒng)除了用于交流，識別和預(yù)警之外，還進(jìn)化出了一種可能只有人類才擁有的高級智能，那就是音樂，比如獨(dú)奏合唱，樂器獨(dú)奏合奏等。

其中，歌唱是最容易也是最難的樂器因?yàn)檎l都會唱，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

唱歌和說話的區(qū)別

人說話的時候，聲音往往伴伴隨著聲帶振動音調(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增強(qiáng)聲音的粗細(xì)，減輕聲帶的疲勞即使情緒波動會影響發(fā)音，一般變化也不會太大唱歌需要更多的技巧，和說話有明顯的區(qū)別

第一，唱的音域千差萬別比如俄羅斯男歌手維塔斯，從最低音到最高音能唱四個八度，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，一般人常聽的美聲，喜歡把頭腔聽覺，身體感覺，語言共鳴放在后面

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

對于歌曲表達(dá)的粗細(xì)，光靠頭腔是不夠的，因?yàn)闀容^細(xì)，必須用胸共鳴來加強(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，封閉唱法來唱而低音，比如呼麥唱歌，需要輸送空氣到聲帶振動發(fā)聲

第三，氣息也是說話和唱歌區(qū)別更大的地方歌曲中有些歌詞特別長，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出現(xiàn)在一首歌里。

第五，對歌詞的理解和情感的投入也會使唱和說產(chǎn)生顯著的差異。

第六，連續(xù)閱讀的問題中文歌詞相對好一點(diǎn)，但是英文在唱功上明顯很多關(guān)于唱歌和說話，人們可能還會有一種錯覺，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)制說需要思考說什么，組織語言，說出來唱歌通常是一首音準(zhǔn)，語速，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，口吃的人可以通過學(xué)唱歌來嘗試找到流利說話的信心

如何評價一首歌好不好。

對大多數(shù)人來說，唱歌是放松心情的方式之一當(dāng)你聽到一首喜歡的歌，你就學(xué)會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好不好的定義里有一個和頻率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)會會刊》上發(fā)表的文章《生物信息與1/f漲落》中提出的1/f漲落原理或者說漲落是指一個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

就音樂而言，1/f表示旋律可以局部無序，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市面上很多抒情歌曲都是符合1/f波動原理的歌曲，所以大家都喜歡聽

對于其他形式的音樂風(fēng)格，如搖滾，說唱等，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。

為了幫助評價音樂好不好，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)。

但無論如何約定，音樂風(fēng)格的多樣性，個性化色彩的豐富性，對聲音的感知仍然是以個人的主觀感受來評價的，大眾認(rèn)同的東西不一定能用來刻畫小眾群體的審美觀點(diǎn)。

對于唱歌，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。

音樂風(fēng)格的多樣性和個性化色彩的豐富性，很難真正形成統(tǒng)一的客觀標(biāo)準(zhǔn)來評判。

歌曲/歌唱的相關(guān)應(yīng)用

雖然對歌曲/唱腔的分析顯然比簡單的語音識別更加復(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。

列舉幾個比較有價值的應(yīng)用第一，歌曲哼唱識別，這是目前大部分提供音樂的平臺都有或者正在嘗試做的功能它的任務(wù)是根據(jù)本地片段的旋律識別可能的曲調(diào)困難在于不是每個人都能準(zhǔn)確地哼出旋律大多數(shù)人這樣找歌是因?yàn)椴挥浀酶杳蛘咧皇且粋€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，另一個重要的應(yīng)用是自動調(diào)音一是因?yàn)楹苌儆腥擞薪^對音高的能力，即使經(jīng)過專業(yè)訓(xùn)練，可能還是不穩(wěn)定第二，大部分人的語調(diào)和穩(wěn)定性都有問題而且喜歡唱歌的人也很多因此，無論是專業(yè)歌手還是業(yè)余愛好者，自動調(diào)音都有很大的應(yīng)用市場但是，由于音樂風(fēng)格千變?nèi)f化，需要學(xué)習(xí)和增強(qiáng)每個人獨(dú)特的辨識度和個性化的音色，顯然很難用人工智能技術(shù)來構(gòu)造一個自動化的調(diào)音師

此外，音樂與人聲的分離也是一個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聽1953年，Cherry將這種由人類聽覺注意力引起的現(xiàn)象稱為雞尾酒會效應(yīng)

雖然這一現(xiàn)象已經(jīng)被發(fā)現(xiàn)近半個世紀(jì)，但人工智能仍然很難達(dá)到與人類相似的識別能力因?yàn)辂溈孙L(fēng)獲得的音頻信號一般是多個聲源混合的一維音頻信號，所以分離原始的多個信號源會是一個一對多的病態(tài)問題，沒有唯一的解

事實(shí)上，人類聽了錄音后，是無法獲得雞尾酒會效果的。

為解決這一問題，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，用一個考慮時間變化的長短期記憶深度模型來描述音視頻的時序特征最后，每個揚(yáng)聲器使用兩種不同的解碼系統(tǒng)來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效果更近了一步但仍有不足之處，主要表現(xiàn)在兩個方面首先，我們需要視頻的幫助其次，本研究沒有涉及到歌唱與樂器分離這一更為困難的問題

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，

為每個揚(yáng)聲器輸出干凈的音頻。

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

但總的來說，人類作家寫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的路要走或許現(xiàn)階段考慮與人混合智能處理是一個很好的嘗試

書籍介紹

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)槿斯ぶ悄埽瑱C(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月以訪問學(xué)者身份訪問加州大學(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，國家自然科學(xué)基金面上項(xiàng)目中國自動化學(xué)會混合智能專業(yè)委員會副主任，中國計(jì)算機(jī)聯(lián)合會人工智能專業(yè)委員會委員，中國人工智能學(xué)會機(jī)器學(xué)習(xí)專業(yè)委員會常委發(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等國際期刊和ICML，AAAI，ECCV等國際會議

看原點(diǎn)的小紅書！