歌唱类节目《渴望现场》出现了一位客观公正的音乐评审——机器人“小渴”。

这台音乐歌唱评分机器人初次从音准、音域、调性、节拍、语感、乐感6个维度对演唱停止客观评分，统筹了音乐欣赏的维度和量化的难度，真正完成了用科技评价艺术。

这台机器人会对每位走进“歌咏亭”选手的演唱评分，只要分数超越80分才算失掉了“小渴”教师的喜爱，无机会走出“歌咏亭”与观众见面。

在很长一段时间里，给一个歌手打分并不是什么新鲜事。KTV的评分甚至可以列出与演唱者的音调相似的歌手。那么“小渴”的秘诀是什么呢?传统的音乐评分软件只是对歌手和普通人音准和规范音的一种比较复杂的比较。它是为了看你是否有跑调。这种单一的评价标准无法衡量一方音乐的质量，更难以理解歌手所传达的情感信息。相比之下，“小渴”则更为复杂。这是第一次从6个维度来判断歌唱的表现，如语音、音调、音色、节奏、声调、乐感，以及统筹了音乐欣赏维度和量化的难度。

“机器人评价艺术其实是一件非常困难的事情。最大的困难是如何让机器人自动发现音乐美的元素。科学家们邀请了大量的音乐专家，从许多方面来评价歌曲。经过卷积神经网络的层级式构造对音乐频谱停止层级式笼统和凝练，自动发现音乐中每一句里包含乐符的个性之美，从而辨别学习音乐中音准、音高、颤音振幅和颤音频率等规律，完成整段音乐的美学量化。

与此同时,一层一层的信息神经网络可以帮助机器人从规模到歌唱技能转移到情感表达,让机器人专家客观地学习音乐,最后完成的“理解”注意“美”。

由于歌手的演唱风格、音乐等方面的不同方面，歌曲之间会有很大的差异，但当大众音乐专家同时评分数据时，可以代表主流音乐评价专家对音乐的评价。因此，基于人工智能技术的音乐评价以这些数据为基础，使“小渴”能够客观对音乐产生评价。

此外，“小渴”的顺风耳——卷积神经网络所抽取到的多维语音特征具有准确量化的特性，在对音准信息量化区分时，精度可以到达1‰。

而最模糊的“音乐感”也具有特定的数学模型所支持。音乐作为一门艺术，需要传达一些情感。音乐感官是人们理解的感官能力。在具体表现中，表现力是演唱者的综合表现。当前的评判标准更多地依赖于音乐专家。专家们用1或10分来得分。我们通过卷积网络和双向长短期记忆模型提取音乐表现力的特征，可以模仿专家对音乐表现力的评价。

从已经播出的多期节目“小渴”可以多种音乐歌唱方法给一个公平的评价,如秦戏曲、说唱音乐、英文歌曲等，现场,“小渴”连接与歌手的麦克风,任何小瑕疵可以捕捉到它。机器人不会受到现场氛围和环境影响。因此“小渴”分数的公平性和合理性。

“小渴是当下的主要版本，我们将引入更多的算法和更多的多元化维度来评价音乐，并尝试让它学会发明音乐，并将移动的音符组合在一起。”谈论“小渴”的未来，

我希望它能适用于各种音乐评分系统，如唱歌房、迷你KTV等。喜欢唱歌的人可以结合他们的“小渴”评价，不时地改进他们的歌唱方法。有一天，也许“小渴”会从“音乐评审”提升到“梦想导师”。