看到這篇我想以我和搭檔目前所做的研究來簡單講一下。
原波講得是聲碼的相關技術，也就是聲音用數位號碼來標示。
這方面目前最熱門得是把聲音〈WAV〉變成MIDI，並進而轉化為樂譜〈最常見的是五線
譜〉。
以前所有的音樂老師〈包含電腦音樂老師〉都會跟我們說聲音無法轉換成MIDI，這是因為
聲音要用數位號碼來標示會牽涉到電腦判讀的技術。
簡單來說一個聲音出來不是只有一種，而是會有兩個以上的聲音來互相交疊，就連最簡
單辨識的樂器鋼琴在進行辨識時，也需要人工來進行校正。
目前我們的技術是可讓鋼琴的音樂直接變成五線譜，但需要半電腦半人工的方式來編寫，
才能達到客戶要的標準。
而通常一首普通的四分鐘抒情鋼琴音樂，用我們的技術都要耗費四個小時，而如果是炫技
特強且快速的鋼琴音樂，就非要耗費十個小時以上。
以下是我們相關的技術，不方便貼我們部落格網址〈有牽涉到商業〉，就直貼youtube
網址。
這是我的搭檔親自演奏的版本〈我們不能張貼其他鋼琴手作品，怕會觸犯智慧財產權〉：
https://youtu.be/HThMdakk3KU
而這是由電腦辨識後，還沒人工校正的版本〈五線譜〉：
https://youtu.be/621ya-wW8xk
所以上篇文章當中所說技術還不足就是這個原因，因為這牽涉到人工智能部分。
※ 引述《extemjin (extemjin)》之銘言：
: ※ 引述《D600dust (一世六百塵)》之銘言：
: : 你的問題就好像台灣的老闆
: : 只考慮到成本
: : 沒想過價值
: : 一般聲優的薪水是能多高？
: : 高到你覺得他是個費用而不是資產
: : 高到讓你忽略他除了配音以外的工作
: : 可以帶來多少額外的收入？
: : 我這樣反問你一個問題好了
: : 有了初音 是不是歌手都可以去死了？
: : 沒有音域的限制 唱再多喉嚨也不會受損
: : 而且初音跟歌手一樣能開演唱會呢
: : 更不用說初音不會老
: : 永遠不會退出舞台
: : 喔 對了 只要你喜歡 他長什麼樣子都可以
: : 有了初音是不是就可以取代歌手
: : 甚至明星和偶像了
: 你的回文就好像反年改的暴民
: 只考慮到價值
: 沒想過實際面
: 甚至無知到連改甚麼都不知道
: 順便連前一兩篇一起回，
: 我先重複一次我本文說的東西，不要看到"AI"兩個字，
: 就只想到電腦語音這方面去好嗎?
: 不是你給電腦一句話然後電腦唸出來唱出來那樣。
: 我說的是"變聲器"、變聲科技，跟"初音"這套軟體根本是不同的東西好嗎。
: 我說的是把任意A來源的聲音，變成任意目標B這樣的概念。
: 我舉個簡單的例子，一般常見的大眾化變聲器，很難拿來唱歌，為什麼?
: 因為唱歌中人聲會有不同的音域，普通的數學轉換在不同音域無法及時的調整，
: 勢必得仰賴人工作業。
: 而這個作業本身應該是可以自動化，利用解析目標聲音 > 取得資料庫 > 解析來源聲音
: >訓練AI來進行合成或調整，取代人工作業。
: 我說的是這樣的一套"工具"。
: 跟「棒讀感」甚麼的，要嘛也請聲優來演聲優就不行了，
: 請池田來演釘宮搞不好還能玩出甚麼意外的新花樣，
: 但前提是得有這個「變聲蝴蝶結」的存在。
: 至於說"初音"這樣的東西能不能全面取代聲優歌手，我不認為可以，
: 最起碼現在的技術還不行。
: 但是在"個人製作"的某些領域上，聲優跟歌手真的差不多已經可以去死了。
: 例如遊戲、實況、導航、小型動畫等等。
: 對於一些純粹只需要聲音演出，聲優本人長甚麼樣子有差嗎?
: 我想變聲器要是如果真的發展到一個成熟的階段，說不定"聲音"本身就可以是一個
: 專利或資產，任何人只要購買某B小姐的聲音使用權，就可以變成B小姐的聲音，
: 隨著科技的進步發生這樣的變化也說不定。

簡單說wav只有頻率和幅度兩個特徵，這個比較難識別

如果只有單一樂器的話 Fourier Tranform後會很難識別嗎？感覺頻率的部分還好，是時間長短的部分比較難界定？

不行吧，Fourier Tranform用來識別有哪些樂器還比較好吧

你這樣說好像滿有道理的差那一點點頻率可能真的容易搞錯

對我這種人來說，兩個聽起來差不多