ChladniSonify：新媒体艺术创作中克拉尼图形的视听映射方法

在新媒体艺术创作中，视觉与听觉之间的映射往往是主观的。作为声音可视化的经典载体，克拉尼图形 (Chladni patterns) 在构建视听映射机制方面具有巨大潜力。然而，现有工具面临诸多痛点：仿真技术门槛高，离线计算无法实现实时交互，且通用声化工具中的映射规则不可控。为了解决这些问题，本文提出了一种面向克拉尼图形的实时视听映射方法 ChladniSonify。基于基尔霍夫-洛夫 (Kirchhoff-Love) 板理论，我们通过数值编程构建了配对数据集，并使用 ANSYS 有限元仿真进行校准。聚焦于克拉尼图形细长的节线，我们采用带有 CBAM 的轻量级 CNN，实现了高精度、低延迟的图形分类。最后，我们在 Python 和 Max/MSP 中构建了端到端系统，将识别出的图形映射到相应的正弦波频率。结果表明该系统具有出色的可用性：分类模块在测试集上达到 99.33% 的准确率，推理延迟为 7.03 ms；映射频率与理论值零偏差匹配；平均端到端延迟低于 50 ms，满足实时交互需求。这项工作为克拉尼视听艺术创作提供了可复现的工程原型。