【欸你中了嗎? 堪稱買房最怕遇到的事!!!】
-
據說10個買房的有9個害怕遇到
1.樓上腳步聲沉重到讓你以為是大象
2.鄰居整天開演唱會，音樂開有夠大聲　
3.外面街道汽機車整天上演頭文字Ｄ飆車
⠀
⠀⠀
okay就是各種不勝枚舉的噪音案例
總之會讓你半夜想衝出去對鄰居怒吼一波
「你不用睡覺拎鄒罵要睡覺！！」的那種
租屋族至少還有搬走可以解
但買房子的遇到真的會嘔死啊！！
⠀
⠀
所以現在越來越多人開始注重隔音
可是隔音施作這水其實很深
大部分不懂的人很容易搞錯成吸音
導致自己糊弄了一番但還沒效果啊～
甚至隔音其實並不在室內設計範疇內
屬於特別的「聲學工程」哦
⠀
⠀
隔音材質名稱常見有：
隔音毯、隔音墊、隔音棉、隔音板
⠀
雖名稱各有不同
但真正要區分還是以組成的「材質」來看
＊應用在天花板及牆面：高密度橡膠組成
＊應用在地板：通常為橡膠發泡組成
＊應用在管線：發泡泡棉 / PU泡棉
⠀
意思是施作在天花板跟牆面，需要較高密度的材質去阻隔中高頻音，至於因共振效應傳出的低頻音，如腳步聲、家具拖移聲，則需要靠「減振」減緩對樓層間的影響，所以地板材質會以較軟的橡膠發泡為主。
⠀
⠀
＊大家最常遇到的，樓上腳步聲、家具聲怎麼阻隔？

會建議天花板、牆面一起施作隔音，因為大樓會有共振效應，也許不一定是你正上方的住戶導致的噪音，其實左上方、右上方住戶的腳步聲都會因共振效應相互影響，透過牆面傳到你家哦！
⠀
⠀
＊外面街道的噪音如何阻隔？

建議窗戶使用氣密窗，並安裝隔音條，不僅有隔音效果外，還有防撞、防小蟲進入住家內的功用哦！另外，窗簾的選擇上也能用較厚的布質窗簾，達到更佳的隔音效果。
⠀
⠀
⠀
－
📌看更多教學文章：https://bit.ly/2Q1S7Ow

【媽媽好痛！針對肩頸、肩膀痛，你該按摩的地方！】

我還沒有出嫁的時候，幾乎晚上都會做一件事，就是和我媽媽一邊看電視、一邊幫她按摩腳；常常按著按著娘親就睡著了，有時候覺得累死了，出嫁後，才覺得那是一種美好的時光。最近媽媽會來我的地方運動，運動完以後就幫他按按摩；以前徒手按，現在靠專業工具按，反正能重溫這樣的時光很幸福，每個母親都值得被呵護愛戴。

我的娘親因為常常運動，其實身體沒什麼疼痛，唯獨有一次健康檢查時，醫生發現他的脊椎「過直」，脊椎曲線太少了；幾個月後我嘗試了一個功能醫學療程也必須要照脊椎X光，竟然也有類似的問題，我想是我們經常運動的生活，導致肩胛周遭很緊繃，又為了維持好的體態過度刻意挺胸，沒有好好按摩下導致。

上兩週去錄影了一個媽媽節目，節目中，所有的媽媽們都有肩膀、肩頸疼痛的問題；他們不見得愛運動，但生活都很勞動（生了小孩怎麼可能不勞動啦～），而且面對肩膀、肩頸問題都不知道該怎麼處理，最後只能發言了、手開始發麻了，去看醫生治療......其實，平時如果有用對方式來按摩，可以大大減少這種擾人的痠痛麻煩。

這一篇文章要教大家如何放鬆肩頸，適用於熱愛運動的人，更適合沒有運動習慣的人。肌肉不管是過度短縮或者過度拉長都會變得失去緊繃失去彈性，筋膜不好好按摩都會造成與肌肉沾黏，因此以下教學的方式，適合所有因為「過度駝背」與「過度挺胸」而肩頸肩膀痠痛的你。

＃為什麼脖子緊肩膀痛_要讓肩膀旋轉肌群放鬆？
肩頸痠痛、肩膀痠痛，大多還是來自於駝背造成。現在很多人都知道要放鬆胸大肌與胸小肌了（因為胸部肌群長期短縮），但是卻發現：「我放鬆胸肌了，但還是肩頸與肩膀很緊啊！」。

按摩了、伸展了，還是要記得「運動訓練肌耐力」，才能維持住肌肉位置～還有，大家可能都忽略了背側肩胛肌肉的按摩！

要按摩的部位有三個：『棘上肌、棘下肌、小圓肌』。

熟悉肌肉解剖的同學會知道這是「肩膀旋轉肌群」，包覆著肩膀，幫助肩膀做出外展（鐵達尼號女主角抬手迎風的動作）、外旋（將肩膀盂肱關節朝後側旋轉）、內收（肩胛骨往內夾）....等動作。

所以愛運動的同學，這些肌肉容易短縮緊繃；不運動的駝背族群，這些肌肉容易過度拉長而緊繃，筋膜也沾黏僵硬，導致組織內傳遞變差，包含神經傳導差，動作控制難度增高。又因為牽涉著肩胛骨，影響著肩胛胸廓關節，所以調整好這邊的肌肉，就能讓胸椎回到良好中立位置（自然的後突）。

如果適度按摩這些肌肉，讓肌肉筋膜恢復彈性與柔軟度，也就帶動胸椎回到良好位置，頸椎自然復位，肩頸酸痛感立刻就會消失。

＃如何快速放鬆肩膀旋轉肌群
如果做過油壓按摩，每到了肩胛的部位，就會有一些地方痛到想尖叫，大約就是我們今天要按摩的位置了。過往的經驗，外面的按摩老師們特別喜歡在這些部位「加強按摩」，認為越痛越有效，結果往往造成回家後肌肉發炎、後續沾黏、疼痛越來越嚴重......基本上對於徒手按摩，能針對痛點加壓我還很放心的，只有少數幾個專業物理治療師、或者是筋肉爸爸現在復健的運動科學團隊。

這一篇教大家用我很愛的CairO按摩槍按摩，原因如下：
📍按摩槍7型設計可以輕鬆按摩到肩胛肌肉；
📍高頻率震動，單一部位30秒就能放鬆肌肉與筋膜；
📍徒手按摩時肩胛肌肉痛感難受到飆眼淚，用震動方式可以減少痛感；
📍震動也適用在運動前提升神經效能
📍要按摩的部位面積小，振動滾筒接觸肌膚範圍面積廣，無法確實精準按摩到；

（❗️若有冠狀動脈疾病、骨質疏鬆、血栓風險者請勿使用）

照片集中有這三個肌肉的解剖與位置，請依照照片集中的方式按壓，從最低震幅開始嘗試，每個部位大約30秒就可以，稍微慢速按壓通點，然後慢速繞圈圈。

最後放鬆後，請記得練習脊椎中立位置的站立與坐姿，此時耳垂應該可以對齊肩峰、手肘肘窩可以自然朝前。

最後提醒，肌肉筋膜有效的照顧身體方式為：
📌要放鬆時：筋膜肌肉按摩增加彈性與滑動（筋膜放鬆工具或是震動商品）➡️靜態伸展
📌要運動時：筋膜肌肉按摩增加彈性與滑動、神經效應提升（筋膜放鬆工具或是震動商品）➡️動態伸展➡️運動

＃期望所有的媽咪們都能夠健康不痠痛

👑關於CairO按摩槍（想要開團集氣的人請留言喊一聲啊！）
震動在運動訓練上，以及軟組織修復上，都有研究證實，是有正面的貢獻，例如對於提升神經反應、活化肌肉、增加血流、提高溫度等。而大眾平時只要適當使用，也能促進肌肉神經放鬆、改善姿勢偏位，讓身體更健康。

震動方式做治療跟按摩的研究好處證實：
★對於運動所造成肌肉僵硬的改善（個人認為對於日常生活諸如久坐造成的肌肉緊繃也改善很大）
★對於遲發性肌肉痠痛的恢復
★對於自體筋膜放鬆的效果
★對於局部刺激後的柔軟度提升
★按摩時疼痛閾值提升，減少痛感
★運動前使用提升神經效能

CairO按摩槍為20-53HZ，每分鐘轉速為1200-3200次（五段速）；有五種更換按摩頭，不到一公斤女生好上手；充電兩小時續航300分鐘，國外也能使用，不用擔心用一用沒電很困擾。（建議電量在20-30%左右就進行充電！）不用每次使用每次充電！

CairO按摩槍的7字結構、56°夾角設計，符合使用力學，自己按摩不易觸碰的背部、臀部肌肉，手腕也不費力。另外握把比較細，女生手小也能一手掌握。

顏色也是精緻典雅，百看不膩，金色的我尤其喜愛，放在家裏不破壞整體裝飾質感彷彿自己就是個精品，而且有附贈擺設架，隨手好能取，才會隨時想按摩。

其他的品質與零件質地，我整理如下：（因為很多劣質按摩槍，用一用聲音越來越大，震幅越來越高容易傷身）

◆CairO的品質
模具的精密度與生產良率有關，如果模具品質不佳，當物料射出次數越多，久用後便產生致命磨損，隨著批次出廠，產品品質只會越來越差。CairO使用高端的精密模具，力求損耗率降到最低，從第一台到最後一台，品質完全相同。
◆CairO的用料
CairO外殼為鋁合金打造，967克極輕且耐用，皆為一手料而非回收料，避免久用咬合不正，或磨擦掉色等耗損。內部零件皆經CNC精修過，避免按摩器因捶打次數增加而使機身晃動。按摩器前方滑套為德國製玻璃纖維，熔點高，不因過度捶打、磨擦生熱而使塑膠軟化。
◆CairO的噪音
CairO使用日本製NMF培林，培林會影響轉動順暢度以及轉動力度，高品質培林在按摩器在高速轉動下，也不會過度晃動產生高分貝噪音，搭配降噪馬達，切換高轉數使用時，更不會因共振手持而發麻。
◆CairO的電力
CairO電力顯示為液晶銀幕直覺性，只要＋、－就能加速減速、5段調節，不必切換整個循環。電力顯示以5為±值增減，清楚指示，100%充滿電、5小時續航力，精準掌握需要充電的時間。
◆CairO的售後
有問題臉書粉專隨時可以找到客服回應，不用擔心買回家後後續使用有問題沒有維修。

AI 將可快速分離人聲、各式樂器等音源，Facebook 開源 Demucs 計畫

作者 雷鋒網 | 發布日期 2020 年 03 月 11 日 10:59 |

音樂源分離，是利用技術將一首歌曲分解成它的組成成分，如人聲、低音和鼓，這和人類大腦的工作很類似，大腦可以將一個單獨的對話，從周圍的噪音和一屋子的人聊天中分離出來。

如果你擁有原始的錄音室多軌錄音，這很容易實現，你只需調整混音來分離一個音軌，但是，如果你從一個普通 MP3 檔案開始，所有的樂器和聲音都被混合到一個立體聲錄音中，即使是最複雜的軟體程式也很難精確地挑出一個部分。

Facebook AI 的研究人員已經開發了一個系統，可以做到這一點──精確度高得驚人。

創建者名叫亞歷山大‧笛福茲（Alexandre Defossez），是 Facebook 人工智慧巴黎實驗室的科學家。笛福茲的系統被稱為 Demucs，這個名字來源於「音樂資源深度提取器」，其工作原理是檢測聲波中的複雜模式，對每種樂器或聲音的波形模式建立一個高層次的理解，然後利用人工智慧將它們巧妙地分離。

笛福茲說，像 Demucs 這樣的技術，不僅能幫助音樂家學習複雜的吉他即興重複段落，總有一天，它還能讓人工智慧助理在嘈雜的房間裡更容易聽到語音指令。笛福茲說，他的目標是讓人工智慧系統擅長辨識音頻源的組成部分，就像它們現在可以在一張照片中準確地區分不同的物體一樣。「我們在音頻方面還沒有達到同樣的水平。」他說。

分解聲波的更好方法

聲源分離長期以來一直吸引著科學家。1953 年，英國認知科學家科林‧切爾瑞（Colin Cherry）創造了「雞尾酒會效應」這個詞語，用來描述人類在擁擠嘈雜的房間裡專注於一次談話的能力。

工程師們首先試圖透過調整立體聲錄音中的左右聲道，或調整均衡器設置來提高或降低某些頻率，進而隔離歌曲的人聲或吉他聲。

基於聲譜圖的人工智慧系統，在分離出以單一頻率響起或共振的樂器的音符方面相對有效，例如鋼琴或小提琴旋律。

這些旋律在聲譜圖上顯示為清晰、連續的水平線，但是隔離那些產生殘餘噪音的撞擊聲，比如鼓、低音拍擊，是一項非常艱鉅的任務。鼓點感覺像一個單一的、即時的整體事件，但它實際上包含了不同的部分。對於鼓來說，它包括覆蓋較高頻率範圍的初始撞擊，隨後是在較低頻率範圍內的無音高衰減。笛福茲說，一般的小鼓「就頻率而言，到處都是」。

聲譜圖只能將聲波表現為時間和頻率的組合，無法捕捉到這樣的細微差別。因此，他們將鼓點或拍子低音處理成幾條不連續的垂直線，而不是一個整齊、無縫的聲音。這就是為什麼透過聲譜圖分離出來的鼓和低音軌道，聽起來常常是模糊不清的。

夠聰明的系統來重建缺失

基於人工智慧的波形模型避免了這些問題，因為它們不試圖將一首歌放到時間和頻率的僵化結構中。笛福茲解釋，波形模型的工作方式與電腦視覺相似，電腦視覺是人工智慧的研究領域，旨在讓電腦學會從數位圖像中辨識模式，進而獲得對視覺世界的高級理解。

電腦視覺使用神經網路來檢測基本模式──類似於在圖像中發現角落和邊緣──然後推斷更高級或更複雜的模式。「波形模型的工作方式非常相似」，笛福茲說。他解釋了波形模型如何需要幾秒鐘來適應歌曲中的突出頻率──人聲、低音、鼓或吉他──並為每一個元素生成單獨的波形。然後，它開始推斷更高比例的結構，以增加細微差別，並精細雕刻每個波形。

笛福茲說，他的系統也可以比做探測和記錄地震的地震儀。地震時，地動儀的底座會移動，但懸掛在上面的重物不會移動，這使得附著在重物上的筆可以畫出記錄地面運動的波形。人工智慧模型可以探測到同時發生的幾個不同地震，然後推斷出每個地震的震級和強度的細節。同樣，笛福茲的系統分析並分離出一首歌曲的本來面目，而不是根據預先設定的聲譜圖結構來分割它。

笛福茲解釋，構建這個系統需要克服一系列複雜的技術挑戰。他首先使用了 Wave-U-Net 的底層架構，這是一個為音樂源分離開發的早期人工智慧波形模型。然後他還有很多工作要做，因為聲譜圖模型的表現優於 Wave-U-Net。他透過添加線性單元來微調波形網路中分析模式的演算法參數。笛福茲還增加了長短期記憶，這種結構允許網路處理整個數據序列，如一段音樂或一段視頻，而不僅是一個數據點，如圖像。笛福茲還提高了 Wave-U-Net 的速度和記憶體使用率。

這些修改幫助 Demucs 在一些重要方面勝過 Wave-U-Net，比如它如何處理一種聲音壓倒另一種聲音的問題。「你可以想像一架飛機起飛，引擎噪音會淹沒一個人的聲音」，笛福茲說。

以前的波形模型，透過簡單地移除原始音頻源文件的一部分來處理這個問題，但是它們不能重建丟失材料的重要部分。笛福茲增強了 Demucs 解碼器的能力，「Demucs 可以重新創建它認為存在但卻迷失在混音中的音頻​​」，這意味著他的模型可以重新合成可能被響亮的鐃鈸聲影響而遺失的柔和鋼琴音符，因為它理解應該呈現什麼樣的聲音。

這種重構和分離的能力使 Demucs 比其他波形模型有優勢。笛福茲說，Demucs 已經與最好的波形技術相匹配，並且「遠遠超出」最先進的聲譜技術。

在盲聽測試中，38 名參與者從 50 首測試曲目中隨機抽取 8 秒鐘進行聽音，這 50 首曲目由 3 個模型分開：Demucs、領先波形、頻譜圖技術。聽眾認為 Demucs 在品質和無偽影（如背景噪音或失真）方面表現最佳。

Demucs 已經引起了人工智慧愛好者的興趣，精通技術的讀者可以從 GitHub 下載 Demucs 的代碼，代碼用 MusDB 數據集來分離音樂源。

笛福茲解釋，隨著 Demucs 的發展，它將為人們在家中創作音樂的數位音頻工作站帶來聲音的真實性。這些工作站提供了能夠喚起特定時代或風格的合成儀器，通常需要對原始硬體進行大量的數位化改造。

想像一下，如果音樂源分離技術能夠完美地捕捉 20 世紀 50 年代搖滾歌曲中用電子管放大器演奏的老式空心電吉他的聲音，Demucs 讓音樂愛好者和音樂家離這個能力更近了一步。

資料來源：https://technews.tw/2020/03/11/using-ai-for-music-source-separation/?fbclid=IwAR1C-0LhFNEkIFUg9QS3xRQK8VKeqKIkPEx9kh7QdGamcsCfUViwyeXyqXg