返回资讯中心
外部精选
软件工程
#开发者实时流

博主测试Gemini Decision 1对音乐的识别偏好

来源标题:What music does Gemini Decision 1 like?

一位博主用Kevin MacLeod的免版税音乐搭建测试应用,探究Google新发布的系统1决策模型Gemini Decision 1偏好何种音乐。该模型支持视频和音频输入,而同类模型jev不具备这一能力。测试设置了多组对照作为基线。

Hacker News 最新lwarfield2026/11/16 · 2 天前13 分钟阅读

以下正文由 AI 翻译自 Hacker News 最新(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。

从Technology Connections那借鉴了一下,我打算写一篇快速博客文章,作为“零努力十一月”的一部分。最近Google发布了Gemini Decision 1,这是一个系统1决策模型(可以理解为Google风格的jev)。引起我注意的一点是,这个模型支持视频和音频,而jev不支持。在思考可以用它做什么项目时,我突然想到一个相当简单的问题:“模型喜欢什么类型的音乐?”

于是我就随手拼了一个快速应用来测试一堆歌曲!作为一个自认为有点科学家精神的人[1],我需要某种对照作为基线。我最终做了一套对照,包括:

有了对照组,接下来找测试用的音乐就成了下一个难关。老实说,我本以为这会是这个项目里最难的部分;它确实本该如此。我当时担心:

在思考这个问题时,我突然想起了Kevin MacLeod的incompetech。Kevin MacLeod制作免版税音乐已经很久了。他的音乐之所以广为人知,是因为他很早就开始以免版税方式发布作品,这让它成了放进YouTube视频和其他项目里的省事选择。你可能从《坎巴拉太空计划》的配乐里认出他的作品。最妙的是,他的网站按速度、流派、乐器和情绪给歌曲打了标签!大约有1400首歌,构成了一个相当大的音乐语料库!

说实话,整个项目里最烦人的部分就是搞到那该死的API key来尝试这件事。为此还得正确设置一个GCP项目,真是麻烦[2]。我是Google的员工,这个观点是我个人的(GCP有时候真的很烂),不代表我雇主的立场。律师们满意了,我们继续这篇博文。还有一条奇怪的替代路径是从AI Studio获取,我不得不在那里生成它才能让事情正常运作。

这个项目的代码没什么好大书特书的。它从incompetech为每首歌创建一个30秒的片段。然后把这些片段连同问题和一段关于应采取何种视角的简短文字一起喂给Gemini Decision 1:

QUESTIONS = { "is_music": { "type": "noul

正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。

打开原文
去社区讨论 →