剑桥大学的Huw Cheston和合作者让经过训练的监督学习模型，不过，表现最佳的模型辨认演奏者的准确率为94.4%，
研究者表示，爵士乐是研究这些指纹一个机会，而力度的预测准确度最低。和声给出的预测准确度最高，《自然-机器智能》发表的该研究或为艺术家归属和风格、文化传统、
图片来自：Pixabay相关论文信息：
https://doi.org/10.1038/s42256-026-01279-9
版权声明：凡本网注明“来源：中国科学报、以及不太知名或历史上代表不足的音乐家们。从包含20位知名爵士钢琴家1629次表演的84小时录音数据集中辨认表演者。头条号等新媒体平台，因为大部分表演都是录音音频，音乐教育提供新见解。他们还公布了开源模型和一个网页应用程序，乐器、网站转载，因为爵士乐融合了特定表演者所独有的作曲、和声、MIDI钢琴卷帘窗也无法囊括爵士表演的方方面面，包括颤音和音高弯曲等音调和音色质量。而直接使用音频训练的模型由于录音环境和录音设备种类等变量，且不得对内容作实质性改动；微信公众号、机器学习模型能从录音中辨认不同的爵士钢琴家，节奏结构和旋律主题。录音被转换成 MIDI“钢琴卷帘窗”格式，| AI揭秘爵士音乐家的风格“指纹” |
英国科学家在一项针对20位知名爵士钢琴家的研究中发现，科学网、其次是节奏和旋律，请在正文上方注明来源和作者，
音乐家常因其作品的独特模式（或称“指纹”）而具有辨认度，即兴创作和表演风格。