歌唱類節目《渴望現場》出現了一位客觀公正的音樂評審——機器人“小渴”。

這臺音樂歌唱評分機器人初次從音準、音域、調性、節拍、語感、樂感6個維度對演唱停止客觀評分，統籌了音樂欣賞的維度和量化的難度，真正完成了用科技評價藝術。

這臺機器人會對每位走進“歌詠亭”選手的演唱評分，只要分數超越80分才算失掉了“小渴”教師的喜愛，無機會走出“歌詠亭”與觀眾見面。

在很長一段時間里，給一個歌手打分并不是什么新鮮事。KTV的評分甚至可以列出與演唱者的音調相似的歌手。那么“小渴”的秘訣是什么呢?傳統的音樂評分軟件只是對歌手和普通人音準和規范音的一種比較復雜的比較。它是為了看你是否有跑調。這種單一的評價標準無法衡量一方音樂的質量，更難以理解歌手所傳達的情感信息。相比之下，“小渴”則更為復雜。這是第一次從6個維度來判斷歌唱的表現，如語音、音調、音色、節奏、聲調、樂感，以及統籌了音樂欣賞維度和量化的難度。

“機器人評價藝術其實是一件非常困難的事情。最大的困難是如何讓機器人自動發現音樂美的元素。科學家們邀請了大量的音樂專家，從許多方面來評價歌曲。經過卷積神經網絡的層級式構造對音樂頻譜停止層級式籠統和凝練，自動發現音樂中每一句里包含樂符的個性之美，從而辨別學習音樂中音準、音高、顫音振幅和顫音頻率等規律，完成整段音樂的美學量化。

與此同時,一層一層的信息神經網絡可以幫助機器人從規模到歌唱技能轉移到情感表達,讓機器人專家客觀地學習音樂,最后完成的“理解”注意“美”。

由于歌手的演唱風格、音樂等方面的不同方面，歌曲之間會有很大的差異，但當大眾音樂專家同時評分數據時，可以代表主流音樂評價專家對音樂的評價。因此，基于人工智能技術的音樂評價以這些數據為基礎，使“小渴”能夠客觀對音樂產生評價。

此外，“小渴”的順風耳——卷積神經網絡所抽取到的多維語音特征具有準確量化的特性，在對音準信息量化區分時，精度可以到達1‰。

而最模糊的“音樂感”也具有特定的數學模型所支持。音樂作為一門藝術，需要傳達一些情感。音樂感官是人們理解的感官能力。在具體表現中，表現力是演唱者的綜合表現。當前的評判標準更多地依賴于音樂專家。專家們用1或10分來得分。我們通過卷積網絡和雙向長短期記憶模型提取音樂表現力的特征，可以模仿專家對音樂表現力的評價。

從已經播出的多期節目“小渴”可以多種音樂歌唱方法給一個公平的評價,如秦戲曲、說唱音樂、英文歌曲等，現場,“小渴”連接與歌手的麥克風,任何小瑕疵可以捕捉到它。機器人不會受到現場氛圍和環境影響。因此“小渴”分數的公平性和合理性。

“小渴是當下的主要版本，我們將引入更多的算法和更多的多元化維度來評價音樂，并嘗試讓它學會發明音樂，并將移動的音符組合在一起。”談論“小渴”的未來，

我希望它能適用于各種音樂評分系統，如唱歌房、迷你KTV等。喜歡唱歌的人可以結合他們的“小渴”評價，不時地改進他們的歌唱方法。有一天，也許“小渴”會從“音樂評審”提升到“夢想導師”。