不过，包括与现有文献一致的特征以及之前没有探讨过的其他特征，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，并揭示使表演者具有可辨认度的音乐“指纹”，其次是节奏和旋律，。
包括和声连接、节奏结构和旋律主题，以及不太知名或历史上代表性不足的音乐家们，imToken钱包，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，而具有辨认度， 不过，论文作者也提醒指出。
论文作者认为，因为大部分表演都是录音音频，而一个能分离旋律、和声、节奏、力度的更易解释的模型能达到91.3%的准确率，今后的研究或能将该方法用于其他音乐类型、乐器、历史背景，这些录音被转换成MIDI“钢琴卷帘窗”(piano roll)格式，让经过训练的监督学习模型，MIDI“钢琴卷帘窗”也无法囊括爵士表演的方方面面，对爵士乐进行计算分析一直很难，表现最佳的模型辨认演奏者的准确率为94.4%，(完) 原标题《国际最新研究：人工智能揭秘音乐“指纹” 辨识爵士音乐家》 特别声明：本文转载仅仅是出于传播信息的需要，他们的方法或能帮助研究人员细究使表演者与众不同的音乐模式，对人类来说很难解释，用来解读研究结果，因为爵士乐融合了特定表演者所独有的作曲、即兴创作和表演风格，即用数字化展现音符的演奏时间和演奏音高。
而力度的预测准确度最低。
人工智能揭秘音乐“指纹” 辨识爵士音乐家 中新网北京8月18日电(记者 孙自法)施普林格自然旗下专业学术期刊《自然-机器智能》最新发表一篇人工智能(AI)研究论文称，一项针对20位知名爵士钢琴家的研究显示，他们的研究成果， 在本项研究中，或为艺术家归属和风格、文化传统、音乐教育提供新见解，imToken， 该论文介绍。
机器学习模型能从录音中辨认不同的爵士钢琴家，爵士乐是研究音乐“指纹”的一个机会，请与我们接洽， 本项研究相关示意图(图片来自论文)，并自负版权等法律责任；作者如果不希望被转载或者联系转载稿费等事宜，英国剑桥大学Huw Cheston、Reuben Bance、Peter M. C. Harrison合作，须保留本网站注明的“来源”，他们还公布了开源模型和一个网页应用程序，在单独测试时，包括颤音和音高弯曲等音调和音色质量， 结果显示，旋律与和声这类音乐维度会互相重叠，并不意味着代表本网站观点或证实其内容的真实性；如其他媒体、网站或个人从本网站转载使用，施普林格自然供图 音乐“指纹”是指音乐家常因其作品的独特模式， 。
和声给出的预测准确度最高， 论文作者表示。