用机器将人类情感具象化、数据化，全面采集并建模进行有效分析，这是多学科多专业的大工程，撇开面部及语音识别不谈

单就人类演奏的乐音来说，需要提取与情感表达相关的不同类型特征参数，如音质、韵律、声谱特征等等，大量提取的特征参数，包含部分冗余信息，构成了高维度特征向量，导致机器训练测试的成本过于高昂，于是必须对特征向量集进行选择或降维处理以获得最佳特征子集。

特征选择主要通过wrapper/filter两种算法。降维分为线性/非线性。但在非监督式学习模式下，机器进行筛选时往往错失最佳参数/邻域数，所以结果可能失真，不尽人意。

未来肯定会不断发展完善。ChatGPT对乐音演奏方面的点评很神奇。但我个人对全民的AI音效、机器点评完全不感冒，这本来也不是这公司的专长，估计投入的也远远不够，想模仿ChatGPT结果弄成四不象哈哈哈:) 

 

所有跟帖： 

• cyanite的分析更具可视性。不过令人失望。我转身试了chatgpt付费版。果然牛。 -枫林晓- ♂ (2305 bytes) () 07/26/2025 postreply 17:15:06

• 这个只能由你本人验证：）孤独中的沉思、克制的欲望、共享型即兴演奏这三点抓得准不准由你说了算：） -摄天音- ♀ (218 bytes) () 07/26/2025 postreply 17:39:41

• cynite分析就比较初级。其他的不知道。等以后试试。 -枫林晓- ♂ (286 bytes) () 07/26/2025 postreply 18:05:56