疫情期間，大家還不趕快來抽書、讀書。
悶在家裡耍廢，不如趁此機會讀點書充實自己。

阿橋社 近來的新書《拿去抄啊!藝術家的著作權指南》。針對了當代資訊社會中的「著作權」做深入淺出的敘述和討論。著作權這件事情聽起來很遠，但在這個人人都有相機、修圖軟體、社群帳號的資訊社會，不管你是文字創作者、影像工作者、音樂工作者、設計師、攝影師、藝術家甚至即便只是個尋常社群軟網站的使用者，其實都與著作權息息相關。本書介紹了自由軟體(free software)、開源軟體(open source software)、創作CC機制、授權形式的差異、盜版、防盜DRM機制、同人創作、自由取景及公有領域等等與著作權相關的問題。齋主很推薦齋友們一讀，更覺得內容創作者們有必要理解此些知識。

https://www.books.com.tw/products/0010889459

#贈書活動 #請讀到最後唷

不過，齋主作為一名小小的文字創作者，對於著作權有些自己的看法。

長久以來，齋主偶而都能在網路上看到自己的文章被他人盜用，甚至看到有影片創作者將我文章中的幾個核心概念，重新以文字包裝詮釋後做成影片。我從未想過要追究這些事情，甚至在我心中也從不覺得這是應該去追究的事情。我有個根深蒂固的觀念，那就是我的思想也源自於先賢們，我並非是這些思想、觀念或概念的原創者。

多年前，我在生物學家理查道金斯1976年的名著《自私的基因》中，對其提出的meme(迷因)概念深深著迷。Meme是他假設的思想生命體，不但擁有與其他meme雜交而產生新meme的能力，當繁殖能力強大，還會透過宿主(人類)將自身傳播出去，進而產生社群影響力。越是強大的meme，對人類文明的影響也就越大，就像今天聖經、哈利波特以及牛頓力學等等，就是影響力無遠弗屆的meme。

同時我也深信，人類難以對己身進行思想溯源。精神分析學家佛洛伊德，曾針對人類的夢境做解析，他認為人類夢境中的要素不可能無中生有，所有在你夢中曾經出現過的事物，肯定在你的短期生活中接觸過，無論你到底有沒有意識到其存在。他針對身邊的數十個夢境案例進行分析，發現絕大多數當事人夢境中出現的場景、物品、人物和情境，都能自當事人的生活周遭發現其源頭。換言之，我們人類的思想其實無時無刻都受到外界事物的影響，遑論佛洛依德的時代早於當代百多年，在如今的資訊社會，要真正找到思想的原創性幾乎是不可能的。

符號學家羅蘭巴特，曾在1972年《作者已死》論文中，有過這段文字:「文本形同由不同引用交織而成的織物，而其來自上千個文化來源。」換言之，在這年頭沒有人真正原創了甚麼，也沒有誰真正能原創甚麼。牛頓不會在沒有伽利略的情況下完成數學原理，而愛因斯坦也不可能在沒有牛頓力學的前提下完成相對論。有人說中國南畫影響了浮世繪，浮世繪影響了後印象派，後印象派和非洲原始雕刻又孕育出了立體派和野獸派，佛洛伊德與超現實主義，民主和抽象表現主義，廣告、麥克魯漢與普普主義等。這些說法都能在現代藝術史的專書中經常出現，但齋主我經常覺得不過是當代藝術史學家的後見之明。我更願相信的是，沒有人知道這些視覺藝術家創新的源頭在哪，而且不管在哪，肯定是多個meme雜交下所誕生的一個神來之筆。

齋主我尤其不喜歡網路上某些設計師，在社群網站上公審另一個設計師，表示自己的作品或視覺設計遭到盜用。我總覺得這樣的聲明像是弱者對於世界無力的呼喊。我知道保障智財權的相關權益，對於文明前進的重要性。1709年英國所通過的「安妮法案」，即確保了創新者的權益，並限定了一定程度的年限。確保了創新者的利益，英國得以在短期內大肆發展知識經濟，而後誕生了工業革命。

一直很多齋友便喜歡問齋主一個問題:「為什麼齋主願意無私的把所知所學給分享?」起初我並不理解這個問題，對我來說分享就是分享，而且對我來說也沒甚麼吃虧。一些年後我才逐漸思考要不要「藏私」這個問題。我後來認知到，當我把所知所學分享出去的同時，對我來說是利大於弊的。一來我因為分享了自身所學，導致競爭上的優勢喪失，這能更加砥礪我向上，二來則是透過分享，我能認識其他同樣無私的分享者，彼此的所學所知能相互交流。

早年網路科技在台灣還不普及時，那時因為作業系統內建的軟體並不多，要在網路上自由玩耍，必定會需要諸多第三方軟體的幫助。那時台灣有很多私人網站，提供各類軟體供下載。當時我看著不少軟體的分類為「免費軟體」，就開心的下載使用。直到多年後我才理解。那是翻譯上的刻意誤解，免費軟體的原名為「free software」，更正確的譯名應為「自由」軟體。這些軟體之所以被前人所創造出來，只是單純地用於共同解決「人類」所面對的問題和困境，不可用於商業販售。

電腦之所以能這麼快的普及於生活之中，和80、90年代的程式設計師，多少帶有些理想主義色彩有關。LINUX作業系統之所以能有如今的影響力，最大的原因便是LINUX是眾多程式設計師對其無私的奉獻，一步步完善其機制，有相當程度的理想主義色彩。齋主崇拜的偶像之一，約翰卡馬克，也就是《德軍總部》、《DOOM》的遊戲設計師，便是世界上首個3D遊戲引擎的創造者。他憑藉一己之力完成了該引擎，更誇張的是還將其開源，任何人都能修改其原始碼。這無私的決定讓整個3D圖像產業前進了不知多少年。

事實上網路從來就有著理想主義色彩，任何與創作有關的網路遊戲社群，都有著許多無私奉獻者。就像《魔獸爭霸3》之所以能歷久彌新，是因為許多自製地圖的創作者持續更新地圖，就像STEAM平台上的許多沙盒遊戲，也有著許多單純為了興趣而為遊戲增添內容的創作者。

資訊科技為人類帶來的應該是幸福，而不是紛爭。我相信著作權對於人類文明的重要性，卻也認為在著作權上踩死權益和底線，對於人類文明並非有利，甚至對於創作者本身也不見得是好事。就齋主所知，若人類全然按照著作權的相關規定辦事，大概沒有人能不侵權，差別只在於別人有沒有要將你狀告法院之別。雖然這問題應該永遠無法解決，也無法明確定義侵權的灰色地帶，但我願意相信的是，隨著資訊科技的不斷進步，人類文明正在不斷前行。

而以上這些想法，其實與《拿去抄啊!藝術家的著作權指南》的作者艾瑞克史黑佛有異曲同工之妙。我相信齋友們只要讀過這本書，也會有著與我們相似的看法。

當然，本次 阿橋社 也替酸齋的齋友們準備了四本贈書，只要齋友你滿足以下條件，就有機會得到活動贈書唷。

只要你在5/30(日) 20:00 以前，完成以下兩個條件，即可參加抽獎。
1. 按讚並公開分享
2. 於留言處TAG兩名朋友

活動結束後，齋主會於第一時間抽出幸運的兩名得主。

另外，還有兩個優選留言的名額。只要你在留言區中，留下關於藝術、版權和著作權的相關留言。齋主於活動結束時，同樣會選出兩則優選留言，齋主會將贈書寄給優質的兩名留言主。

最後，再次感謝 阿橋社對酸齋齋友們的照顧。

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

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/…/using-ai-for-music-source-separation/…

#遊戲 #風魔米娜 #Huuma Mina
這是一款新的動作遊戲，
除了動畫雕刻精細，
而且具有拷問敵人的劇情，
俘虜囚犯後，
替她換上你喜歡的衣服，
綁上不同的刑具，
並依照囚犯屬性，
加以鞭策後，
就可以得到你想要的資訊喔。
還在等甚麼呢?
趕快打開steam遊戲下載吧。

👉 我們頻道，每週六晚上八點，固定播放新影片，敬請期待。

#steam #漫畫 #動漫
--------------------------------------------------------------
我是家馨，
是一位在家工作的工程師，
這裡分享我在忙碌中~將每一天認真過好的紀錄 ❤
為了讓大家能分享我的快樂，
一路摸索學習，
錄影、寫腳本，來分享健身、美食、美妝等等娛樂
從不會到現在....
逐漸愛上了這樣的生活❤
如果有任何問題或者想看的影片，請留言讓我知道，謝謝。

--------------------------------------------------------------

✅ 訂閱家馨Youtube頻道 ▶ https://reurl.cc/ZOVdAa

✅ 其他家馨資訊：
⭕️ 家馨臉書粉絲團 ▶ https://reurl.cc/xZvbQZ
⭕️ 家馨 IG ▶ https://reurl.cc/vDvbWk

✅ 【家馨-YouTube影片連結整理】
⭕️ 交友軟體 | 最棒交友聊天術 ▶ https://reurl.cc/KkDmzj
⭕️ 選美比賽2020 ▶ https://reurl.cc/Wd0L15
⭕️ 動漫 | 打造最喜愛的動漫模型 ▶ https://reurl.cc/V6l0g5
⭕️ 親身經歷鬼故事2020 ▶ https://reurl.cc/5lb17y
⭕️ 治療失眠2020 ▶ https://reurl.cc/AqM8yp
⭕️ 減肥2020 - 減肥舞 ▶ https://reurl.cc/arEox3
⭕️ 快速提高免疫力2020 ▶ https://reurl.cc/62bgvZ
⭕️ 開箱剛入手的90坪健身房 !! ▶ https://reurl.cc/qdG8k0

✅ 遊戲下載：
https://store.steampowered.com/app/1184990/_/

✅ 活動推廣：
https://reurl.cc/R4Rxbr

✅ 錄影場地：魔女的蜜室。
場地有在出租，有興趣的朋友，請參考下面資訊。
https://reurl.cc/vDvbko

✅ 緊身衣廠商：隱身於世推廣委員會。(有興趣的朋友，可以透過下面連結與廠商接洽喔。)
https://reurl.cc/8GXANR

#動作遊戲 #熱門遊戲 #美女遊戲 #遊戲開箱
#遊戲介紹 #遊戲解說 #遊戲解析 #遊戲評價
#遊戲推薦 #期待遊戲 #遊戲大作 #遊戲資訊
#遊戲攻略 #遊戲心得 #單機遊戲 #放置遊戲
#遊戲 #美女遊戲 #女生遊戲 #Steam #steam遊戲 #Steam遊戲