How to Follow a Drummer
AI 深度解读
背景
在绝大多数电子音乐设置中，人类必须跟随机器：节拍器（click）是老大，音序器是老大，DAW（数字音频工作站）的时间线是老大。当你进入副歌时加速，机器毫不在意，它只是继续走，而你就错了。这种“人类服从机器”的模式已经持续了四十年，但一位名叫 Petty Vendetta 的开发者（与鼓手 Sashyo 合作）决定构建相反的系统：一个让鼓手成为老大、其他一切（速度、动态、感觉、填充、终止）都跟随鼓手的系统。最初这是一款与网上认识的鼓手合建的 Android 应用 DrumMate，但核心问题不受平台限制，且远比预期有趣。本文是完整的开发记录，包括所有犯过的错误。
核心内容
鼓点不是时钟
第一个直觉（也是作者的直觉）是：取底鼓的信号，将每次击打转换为脉冲，送给时钟输入。但真实的鼓点模式不是时钟。演奏带切分的节奏时，脉冲落在弱拍上；演奏加花时，半拍内会触发六个脉冲；演奏底鼓空一拍的小节时，时钟就会死掉。即使鼓手演奏完全稳定的速度，击打间隔仍然极不均匀，因为击打是音乐，不是节拍器。
分割与预测的不对称
时钟分割是因果的：每个输入脉冲只需递增计数器，速度根本不需要存在，且在任何速度下都能工作——这就是为什么模块化时钟分频器接入鼓触发器时感觉坚不可摧。但乘法不同：要在两个击打之间触发第二个十六分音符，你需要对下一个击打何时落地有一个判断。任何能产生 ratchet、琶音或同步延迟的设备，内部都隐含着速度模型。廉价方案假设一个 BPM 下限，低于该下限就会崩溃。诚实方案必须解决真正的问题：基于已有的击打，网格在哪里？
解决方案：软件锁相环 + 节拍感知前端
作者采用一个自由运行的时钟，由演奏引导而非驱动。这是一个软件锁相环，带节拍感知前端：
- 击打作为带时间戳的起始点到达。
- 跟踪器将这些起始点与一个网格假设（周期即速度，相位即第一拍位置）进行拟合，通过底鼓和军鼓的重音模式推断强拍。
- 与假设一致的起始点会按比例微调时钟；不一致的起始点（加花、切分、装饰音）基本被忽略。当击打持续落在时钟预测的位置时，置信度增加；否则降低。
- 时钟从不跳跃，只弯曲。速度变化会在大约一个小节内平滑过渡，因此下游所有部分都滑动而非抽搐。
关键在灵敏度：如果时钟追逐每次击打，它会吃掉律动（groove）——鼓手那些故意而优美的偏差变成速度抖动。如果太僵硬，又会错过真正的副歌加速。规则：小偏差是感觉，持续漂移才是速度。坚持一个小节，时钟就会跟上你；它不会因一个慵懒的军鼓而退缩。
与 DJ 软件的区别
这不同于 DJ 软件中的节拍检测。Traktor 和 Rekordbox 能预先拿到整首曲目，可以提前看、做二次扫描、修正错误。而实时跟踪器只有已经发生的击打，必须实时提交，没有前瞻，没有撤销。
最糟糕的版本与 coasting 机制
作者最糟糕的版本在测试中完美运行，遇到真实鼓手却崩溃：跟踪器会锁定，乐队加入，然后一旦鼓手做出任何有趣的事，置信度下降，锁定闪烁，乐队消失——演奏，乐队开始，乐队停止，重复。修复方法是 coasting（滑行）：当置信度摇摆但击打仍在到达时，时钟继续运行在最后一个好的估计上并等待，只在真正静音时停止。这显然在事后才明白：人类乐手正是这样做的——当鼓手搞怪两小节时，你不会停止演奏，而是保持律动并更仔细地听。
提前调度
系统会提前调度：音符被放置在时钟对接下来几拍的预测上，而不是对每次击打做出反应。这完全将音频延迟预算排除在鼓手的时间循环之外——乐队不是对你的反应慢半拍，而是在你们原本就共同的去向与你相遇。这也是人类节奏组所做的：没人先听到第一拍再演奏第一拍。
相关参考
与模块化社区讨论后，两个重要参考：
- James Holden 的人类时间工作（以及 Hennig 等人的研究）表明，人类时间偏差不是随机抖动——它们是相关的，随记忆漂移，这正是量化伴奏感觉死板的原因，也是跟随时钟必须弯曲而非突变的原因。Holden 的 Max 补丁更进一步：他的机器和人类相互拉动，实现真正的双向 entrainment（耦合振荡器）。作者的系统是故意单向的——鼓手领导，乐队不推回去——因为这正是前提。
- 人类跟着节拍轻敲仍是历史上最好的节奏跟踪器。大脑预测，而非反应。你听到加花即将到来，就已经在倾向第一拍落地的地方。没有算法能触及这个水平。制作软件的唯一原因是：鼓手不能同时给自己拍子（双手都忙），而且并非每场即兴都有第二个人类。
关键要点
- 鼓点不是时钟：切分、加花、空拍都会使直接触发时钟失败；必须将击打视为证据而非命令。
- 时钟分割 vs 乘法：分割是因果的永远可靠，乘法需要预测下一个击打落地位置，因此必须携带速度模型。
- 软件锁相环 + 节拍感知前端：用自由运行时钟，通过拟合网格假设调整速度，忽略不一致的击打，置信度累积。
- 时钟弯曲而非跳跃：速度变化平滑过渡约一个小节，避免律动被破坏。
- Coasting 机制：当置信度波动但仍有击打时，时钟保持最后良好估计，只有真正静音才停止——这是系统在真实演奏中存活的关键。
- 提前调度：基于预测而非反应来安排音符，消除音频延迟，模仿人类节奏组的配合方式。
- 与人类节奏感的对比：人类大脑预测能力远超任何算法；软件仅作为鼓手双手忙碌时的替代方案。
- 双向与单向 entrainment：James Holden 的系统是双向耦合，本系统是单向跟随（鼓手领导），各有适用场景。
意义与影响
这篇文章核心意义在于，它挑战了电子音乐四十年来“人类必须像机器一样演奏”的范式。传统节拍轨和量化伴奏迫使人类适应机器，而 DrumMate 尝试教会机器“音乐家式