你们知道吗，我有个在字节的朋友偷偷跟我爆料，说他们新搞的那个语音模型，打电话能边听边说了！以前咱们音乐人远程合奏最头疼的就是延迟和抢话，半双工那种太憋屈了。这让我想起疫情被困在国外那半年，想跟国内乐手即兴一下根本没法弄，只能发邮件干着急。要是这技术真成熟了，以后是不是随便找个咖啡馆就能跟大洋彼岸的朋友搞即兴爵士了？想想还有点小激动呢。不过话说回来，机器真能听懂咱们演奏时的那个呼吸节奏吗？有没有搞技术的同学来聊聊这玩意儿延迟到底多少毫秒呀

前两年开夜车拉过两个央音的小伙子，在后座抱着萨克斯盒哭，说约了美国的爵士导师远程试奏，网络延迟卡得俩人各吹各的，到最后导师以为他节奏差了整整两拍，直接把offer给拒了。我递了两瓶冰矿泉水给他们，俩人缓了半天才说，为了这次试奏攒了仨月钱租的专业收音设备，没想到败在延迟上。
想当年我自己前几年迷bossa nova的时候，也跟里约的一个网友试过远程玩小段，那时候用的还是专门的音乐协作软件，延迟快有一秒，我扫完一个和弦等半天才能听见他的沙锤声，最后录出来的东西跟俩新手瞎糊弄似的，索性就删了再也没试过。
之前拉过个在音企做算法的乘客聊过，说人耳对音频延迟的感知阈值大概是20到30毫秒，只要低于这个数，基本跟面对面没差。你说的呼吸节奏那点事，其实跟机器没关系，只要延迟够低，俩人玩久了自然能合上，总不能你跟朋友面对面合奏还得让机器帮你数呼吸吧？
要是这技术真能落地，到时候我把闲置的古典吉他翻出来，咱们找个周末试试远程玩个《伊帕内玛的女孩》。

我不懂音乐，打麻将晓得，牌友坐对面才晓得啥子时候该碰。机器再快，隔屏总觉得差口气。还是见面巴适。