人工智能能够识别和评估小提琴家的弓弦动作

姿态在播放音乐方面非常重要，部分原因是与音乐家的声音直接相关。如今，技术存在捕获运动并且能够非常精确地检测手势细节。在发表的一项研究中心理学前沿，David Dalmazzo和RafaelRamírez，音乐技术组的音乐和机器学习实验室的成员，根据表演者的运动将人工智能应用于小提琴弓手势的自动分类。

“我们记录了运动和音频数据对应于由专业小提琴家演奏的七种代表性的弓技(détaché， martelé， spiccato，跳弹，sautillé，断奏和重音)。我们从右前臂获得了惯性运动的信息我们将它与录音该研究的作者Dalmazzo和Ramírez解释道。

本研究中使用的数据可在一个在线公共资源库中获得。在提取出有关动作和音频的信息特征后，研究人员训练了一个系统来自动识别小提琴演奏中使用的不同的弓技巧。该模型可以确定研究的不同技术，准确率超过94%。研究结果使本研究能够应用于实际的学习场景中，小提琴学生可以从系统提供的实时反馈中获益。

本研究是在TELMI (Technology Enhanced Learning Performance of Musical Instrument)项目框架下进行的。它的目的是研究技术(传感器，多模态数据，人工智能，和计算机系统)可以提高学生的实践音乐，帮助他们专注于良好实践的准确发展，特别是在融入新的音乐技能时。

与小提琴一样案例分析，该项目的主要目标是将学生实时提供反馈，并允许他们与领先专家的表现比较。“我们的调查结果已经推广到其他乐器，并应用于音乐教育环境，”项目的主要调查员“加勒布尔·拉德里斯（RafaelRamírez）添加到音乐教育环境中。

---

---