透過採樣偏置引導預訓練模型即時伴奏
Riccardo Cataldi為了測試預訓練符號音樂模型的極限，嘗試在不進行任何訓練或微調的情況下，讓Anticipatory Music Transformer（music-medium-800k版本）與人類演奏者進行即興合奏。
系統運作時，開發者透過MIDI鍵盤輸入旋律，模型則負責生成第二聲部的鋼琴伴奏。為了確保伴奏的和聲正確性，系統即時追蹤演奏者的調性、當前按下的和弦以及節奏速度。
這些資訊被轉換為對數機率（logits）的偏置值，在採樣前直接加到模型的輸出分佈上。具體而言，非調內音符的機率會被降低，而屬於當前和弦音或延伸音（tensions）的機率則會被提高。
避免音域衝突與模擬對話感的技術細節
為了防止伴奏聲部干擾主旋律，系統會降低演奏者雙手正在按壓之琴鍵附近的音符生成機率，確保兩個聲部在音域上保持分離。
當演奏者停止彈奏時，系統會提高旋律性音符的生成權重，使伴奏能自然地填補空白，營造出對話般的互動感。此外，模型還會獲得一個微小的獎勵，鼓勵其延續演奏者上一個樂句的音程結構，以增強呼應效果。
該系統採用約一秒鐘的預先採樣機制，以便提前規劃音樂走向。一旦偵測到和弦發生變化，系統會立即丟棄先前已規劃好的音符序列，並根據新的和聲條件重新進行採樣計算。
硬體限制與參數調整的現況
整個即時伴奏系統運行於NVIDIA Jetson Orin Nano邊緣運算裝置上，顯示該方法在資源受限的硬體環境下仍具備可行性。相關程式碼與示範影片已發布於GitHub專案「duetto」。
開發者指出，目前所有用於調整採樣分佈的偏置數值（offsets）均為憑藉聽覺經驗手動微調而成，這種做法缺乏理論依據且效率較低。
Cataldi在社群討論中詢問是否有更系統化的方法可以取代手動調整，例如引入小型學習條件化頭（learned conditioning head），或在符號模型上應用類似引導式生成（guidance-style）的技術來自動優化伴奏表現。
