一般利用均衡器可以將音樂中的低音部分調出來，但是麻省理工學院的計算機科學和人工智能實驗室（Computer Science and Artificial Intelligence Lab，CSAIL）的研究人員發現了更好的解決方案。他們所研發的新系統 PixelPlayer，能夠利用人工智能來區分和過濾聲音，讓音樂聽起來更洪亮或更柔和。

　　將指定視頻錄入經過充分訓練的 PixelPlayer，系統隨機能夠過濾伴奏，同時識別音源，接著計算圖像中每個像素的音量，然后通過“空間定位”確定產生相似音波的片段。

　　今年9月，德國慕尼黑即將舉行歐洲計算機視覺會議（European Conference on Computer Vision），會議中要發表的一篇新論文則詳細論述了“像素的聲音（The Sound of Pixels）”。麻省理工學院計算機科學和人工智能實驗室的博士生，同時也是這篇論文的合著者 Zhao Hang 同學表示，“最好的情況就是，我們能識別出哪種樂器發出怎樣的聲音。”

　　PixelPlayer 的核心是一種基于樂器組合多模態訓練的神經網絡，數據集采用了 Youtube 上 714 條未經修剪且未經標記的視頻。其中，總時長為 60 小時的 500 條視頻用于訓練，剩余的則用于驗證和測試。在訓練過程中，研究人員分別根據原聲吉他、大提琴、單簧管、長笛和其他樂器向系統饋入了算法。

　　這只是 PixelPlayer 多重機器學習框架的一個部分。經過訓練后的視頻分析算法將從剪輯幀中提取出視覺特征，這就是系統的第二個神經網絡，即音頻分析網絡。音頻分析網絡將聲音拆分為片段，并從中提取特征。最后，音頻合成網絡將把上述兩個網絡輸出的特定像素和聲波關聯起來。

　　PixelPlayer 進行完全自監督的學習，人們無需對數據注釋，而且系統目前已經能識別 20 種樂器。Zhao Hang 說，較大的數據集增強了系統的識別量，但識別樂器子類的能力卻不佳。系統也可以識別音樂元素，例如小提琴的諧波頻率。

　　研究人員認為 PixelPlayer 可以進行聲音剪輯，或者幫助機器人理解動物、車輛和其他物體所制造的環境聲音。他們寫到，“我們希望我們的工作能夠開辟新的研究途徑，從視覺和聽覺信號角度實現聲源分離”。