古筝四秀宋婷婷、付娜、常静、吴莉

筝-是我国最古老的弹拨乐器之一。
至今已有两千多年的历史。
它既善于表现优美抒情的曲调，
又能够抒发气势磅礴的乐章。
古人曾用
“弹筝奋逸响，新声妙入神”、
“坐客满筵都不语，一行哀雁十三声”
的生动诗句，描绘了筝的演奏艺术
达到令人神弛的境地。

古筝四秀之宋婷婷
是一位出色的古筝演奏家。
她那优雅的演奏体现了古筝的魂，
让人感到她就是古筝的一部分，
因为她把自己深深地融入其中。

01.牧羊曲
02.雨夜花
03.蒙古人
04.明月千里寄相思
0.6红楼梦

古筝四秀之付娜
付娜说:
“古筝是一种有情的乐器，
它教会了我什么是爱。”

0.1天涯歌女
0.2一帘幽梦
0.3北国之春
0.4葬花吟
0.5风含情水含笑
0.6红梅赞
0.7梦江南
古筝四秀之常静
天籁之声-现代古筝-《离弦》，
离弦之箭，这里是是指音乐的穿透力，
也指离开常规演奏方式的乐曲。
已经不受琴弦的约束，
凌驾于乐器本身以上的音乐。
所有一切皆在每一个音符中，
当您静心凝听，
你会感受到一种前所未有的
音乐的魔力与震撼。

0.1掠
0.2完美
0.3夜提琴
0.4离弦
0.5未来城市
古筝四秀之吴莉
毕业于中央音乐学院
并在国内外多个古筝比赛中获过大奖。
作为活跃于国内外的青年古筝演奏家，
她除了教学以外还举办过许多音乐会，
首演了一批杰出的现代筝曲，
像本片收录的“风之猎”、“层层水澜”
等曲目就是由吴莉首演即引起轰动的。
这些作品不但意境新颖
而且运用了不少新技巧，
如同时弹出多个声部的复调手法；
还有“单手弹按”、“左手叠擦”
等演奏技术都大大地丰富了古筝的表现力，
而吴莉精湛的演奏更让人叹为观止。

0.1溟山
0.3棋局
0.4未来城市

注明：以上链接可能失效，没有验证

古筝四秀宋婷婷、付娜、常静、吴莉相关推荐

计算机专业英语教程第四版宋德富课后翻译,计算机专业英语教程(第4版)(普通高等学校计算机专业特色教材)...
摘要: 发展迅速是计算机科学与技术学科的一个显著特点.技术格局不断被刷新,计算机软硬件发展日新月异,新产品层出不穷,这就要求计算机行业内的技术开发人员必须具有快速学习新知识的能力,而专业英语则是必不可 ...
4.2 One-Shot 学习-深度学习第四课《卷积神经网络》-Stanford吴恩达教授
←上一篇 ↓↑ 下一篇→ 4.1 什么是人脸识别? 回到目录 4.3 Siamese 网络 One-Shot 学习 (One-Shot Learning) 人脸识别所面临的一个挑战就是你需要解决一次学 ...
3.10 候选区域-深度学习第四课《卷积神经网络》-Stanford吴恩达教授
←上一篇 ↓↑ 下一篇→ 3.9 YOLO 算法回到目录 3.11 总结候选区域 (Region proposals) 如果你们阅读一下对象检测的文献,可能会看到一组概念,所谓的候选区域,这在计算 ...
3.4 滑动窗口的卷积实现-深度学习第四课《卷积神经网络》-Stanford吴恩达教授
←上一篇 ↓↑ 下一篇→ 3.3 目标检测回到目录 3.5 Bounding Box 预测滑动窗口的卷积实现 (Convolutional Implementation of Sliding Wi ...
3.2 目标点检测-深度学习第四课《卷积神经网络》-Stanford吴恩达教授
←上一篇 ↓↑ 下一篇→ 3.1 目标定位回到目录 3.3 目标检测目标点检测 (Landmark Detection) 上节课,我们讲了如何利用神经网络进行对象定位,即通过输出四个参数值 bx. ...
3.1 目标定位-深度学习第四课《卷积神经网络》-Stanford吴恩达教授
←上一篇 ↓↑ 下一篇→ 2.12 总结回到目录 3.2 特征点检测目标定位 (Object Localization) 大家好,欢迎回来,这一周我们学习的主要内容是对象检测,它是计算机视觉领域中 ...
2.11 计算机视觉现状-深度学习第四课《卷积神经网络》-Stanford吴恩达教授
←上一篇 ↓↑ 下一篇→ 2.10 数据扩充回到目录 2.12 总结计算机视觉现状 (The State of Computer Vision) 深度学习已经成功地应用于计算机视觉.自然语言处理. ...
1.7 单层卷积网络-深度学习第四课《卷积神经网络》-Stanford吴恩达教授
←上一篇 ↓↑ 下一篇→ 1.6 三维卷积回到目录 1.8 简单卷积网络示例单层卷积网络 (One Layer of a Convolutional Network) 今天我们要讲的是如何构建卷积 ...
0.0 目录-深度学习第四课《卷积神经网络》-Stanford吴恩达教授
文章目录第五课第四课第三课第二课第一课第五课 <序列模型> 笔记列表 Week 1 循环序列模型 Week 1 传送门 -> 1.1 为什么选择序列模型 1.2 数学符号 ...
4.12 总结-深度学习第四课《卷积神经网络》-Stanford吴恩达教授
←上一篇 ↓↑ 下一篇→ 4.11 一维到三维推广回到目录 1.1 为什么选择序列模型(第五课) 总结习题第 131 题面部验证只需要将新图片与1个人的面部进行比较,而面部识别则需要将新图片与 ...

古筝四秀宋婷婷、付娜、常静、吴莉

古筝四秀宋婷婷、付娜、常静、吴莉相关推荐

最新文章

热门文章

古筝四秀 宋婷婷、付娜、常静、吴莉

古筝四秀 宋婷婷、付娜、常静、吴莉相关推荐

最新文章

热门文章

古筝四秀宋婷婷、付娜、常静、吴莉

古筝四秀宋婷婷、付娜、常静、吴莉相关推荐