CREPE Pitch ግምት መመሪያ

አጠቃላይ እይታ

It set a new accuracy standard for pitch tracking, especially on noisy or difficult recordings.

ጥልቅ ዳይቭ

በ2018 በኪም፣ ሳላሞን፣ ሊ እና ቤሎ የተዋወቀው CREPE (Convolutional Representation for Pitch Astimation) የአንድ-ማስታወሻ (ሞኖፎኒክ) ኦዲዮ ልክ እንደ የተዘፈነ ድምጽ ወይም ብቸኛ መሳሪያ ይተነብያል። እንደ YIN ወይም pYIN ካሉ ክላሲክ ስልተ ቀመሮች በተለየ ምልክቱ በራስ መያያዝ ላይ ከሚደገፉት፣ CREPE በጊዜ-ጎራ የድምጽ ክፈፎች ላይ የሰለጠነ ጥልቅ ነርቭ አውታረ መረብ ነው። የፒች ግምትን እንደ የምደባ ችግር ይቀርፃል፡ ከ360 በላይ የፒች ቢን ስድስት ስምንት ኦክታቭስ የሚሸፍን የእድሎት ስርጭት ያስገኛል፣ እያንዳንዳቸው በ20 ሳንቲም ልዩነት። በአካባቢው በሚዛን አማካኝ የተጣራው ከፍተኛው ገቢር ያለው ቢን የተገመተውን ድግግሞሽ እና የመተማመን ነጥብ ይሰጣል። CREPE በምልክት ማቀናበሪያ ዘዴዎች በተለይም በጩኸት ውስጥ የበለጠ ጠንካራ ሆኖ ተገኝቷል እና አሁን በብዙ የሙዚቃ እና የንግግር ትንተና ቧንቧዎች ውስጥ መደበኛ አካል ነው።

ቴክኒካዊ ግንዛቤ

CREPE ባለ 1024-ናሙና የድምጽ ፍሬም ወስዶ በስድስት የተደረደሩ ኮንቮሉሽን ንብርብሮች ውስጥ ያልፋል፣ በ360-ዩኒት የውጤት ንብርብር ሲግሞይድ ማግበር ያበቃል። እያንዳንዱ ክፍል በስድስት ስምንት ኦክታቭስ ርቀት ላይ በ20 ሳንቲም ርቀት ላይ ካለው ፒች ቢን ጋር ይዛመዳል። አውታረ መረቡ በእውነተኛው ቃና ላይ ያተኮረ የGaussian ብዥ ያለ ዒላማ ላይ በሁለትዮሽ መስቀል-ኢንትሮፒ የሰለጠነ ነው። በምርመራ፣ የተተነበየው ድግግሞሽ በፒክ ቢን ዙሪያ የሚደረጉ እንቅስቃሴዎች የአካባቢ ክብደት አማካኝ ነው፣ እና የከፍታው ቁመቱ እንደ የመተማመን እሴት ሆኖ ያገለግላል።

ስልታዊ ተጽእኖ

መድረስ እና መድረስ

በጽሑፍ፣ በትረካ እና በድምፅ በይነገጾች ተደራሽነትን ያሻሽላል።

ወጪ እና በጀት

የሚዲያ ቡድኖች በትንሽ በጀቶች የተጣራ ድምጽ በፍጥነት መላክ ይችላሉ።

ፍጥነት እና ልኬት

ከደንበኛ ጋር የሚገናኙ ስርዓቶች የንግግር ግንኙነቶችን በትልቁ ደረጃ ማካሄድ ይችላሉ።

የCREPE Pitch ግምት የወደፊት ጊዜ

የፒች ግምት ፖሊፎኒ (በርካታ በአንድ ጊዜ የሚደረጉ ማስታወሻዎች)፣ ለእውነተኛ ጊዜ ማስተካከያ እና ራስ-ስምምነት ዝቅተኛ መዘግየት፣ እና በስልኮች እና በተገጠሙ መሳሪያዎች ላይ ወደሚሄዱ ትናንሽ የተከፋፈሉ አውታረ መረቦች ወደሚያዙ የጋራ ሞዴሎች እየሄደ ነው። የCREPE በራስ መተማመን ውጤቶች እንደ አውቶማቲክ የጽሑፍ ግልባጭ፣ የድምጽ እርማት እና ገላጭ የአፈጻጸም ትንተና ወደ ታችኛው ተፋሰስ ተግባራት እየተመገቡ ነው። ራስን የሚቆጣጠር እና ባለብዙ ተግባር አቀራረቦች ከግንድ እና ከስነ-ጥበብ ጎን ለጎን ቅጥነት የሚማሩ የCREPE-ቅጥ ትክክለኛነት ከንጹህ ሞኖፎኒክ ኦዲዮ በላይ ያስረዝማሉ።

የእውነተኛ-ዓለም አተገባበር

በድምፅ ማሰልጠኛ መተግበሪያዎች ውስጥ የአሁናዊ ማስተካከያ ግብረ መልስ ለማግኘት የዘፋኙን ድምጽ መከታተል

በትክክለኛ መሰረታዊ-ድግግሞሽ ኩርባዎች በራስ-ሰር ማስተካከያ እና የቃላት-ማረሚያ መሳሪያዎችን መንዳት

ብቸኛ የሙዚቃ ዜማዎችን ወደ MIDI ወይም የሉህ ሙዚቃ በመገልበጥ ላይ

በሙዚቃ ትምህርት እና በአፈጻጸም ጥናት ውስጥ ኢንቶኔሽን እና ንዝረትን መተንተን

አደጋዎች እና የጥበቃ መንገዶች

ስምምነት ሲጠፋ የድምፅ አላግባብ መጠቀም እና የማስመሰል አደጋዎች ይጨምራሉ።

ትክክለኛነት በአነጋገር ዘዬዎች፣ ቀበሌኛዎች ወይም ጫጫታ አካባቢዎች ላይ ሊወድቅ ይችላል።

ሰራሽ ኦዲዮ ግልጽ ምልክት ሳይደረግበት ለትክክለኛ ንግግር ሊሳሳት ይችላል።

የትግበራ ፍኖተ ካርታ

ለድምጽ ቀረጻ፣ ክሎኒንግ እና እንደገና ጥቅም ላይ ለማዋል ግልጽ የሆነ ፈቃድ ያግኙ።

በተለያዩ የድምጽ ማጉያዎች እና የበስተጀርባ ሁኔታዎች ላይ ጥራትን ይሞክሩ።

አንድ ሰው መቼ ውጤቶችን መገምገም ወይም ማጽደቅ እንዳለበት ይግለጹ።

ሰው ሰራሽ ኦዲዮን ይሰይሙ እና ለተጠያቂነት የፕሮቨንስ መዝገቦችን ያስቀምጡ።

ማሰስዎን ይቀጥሉ

ድምጽ AI

የንግግር ስርዓቶች ቋንቋን እንዴት እንደሚያውቁ እና እንደሚያመነጩ ይወቁ።

መመሪያ ያንብቡ

AI ሙዚቃ

ዘመናዊ የሙዚቃ-ትውልድ መሳሪያዎችን እና ገደቦችን ይረዱ።

መመሪያ ያንብቡ

Free newsletter

Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.

One email each weekday. Unsubscribe in one click. We never sell or share your address.

Test yourself

Take the CREPE Pitch Estimation quiz

Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.

ጥያቄ ጀምር

Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation

ቀጣይ መመሪያ

FastPitch Pitch-Controllable TTS

ቀጣዩን መመሪያ ያንብቡ ሁሉንም ጥያቄዎች ያስሱ

በተደጋጋሚ የሚጠየቁ ጥያቄዎች

What is CREPE Pitch Estimation?

CREPE የአንድ ሞኖፎኒክ የድምጽ ምልክት በቀጥታ ከጥሬው ሞገድ ላይ ያለውን መሠረታዊ ድግግሞሽ (ፒች) የሚገመተው ጥልቅ መማሪያ ሞዴል ነው። በተለይ ጫጫታ ወይም አስቸጋሪ ቅጂዎችን ለመከታተል አዲስ ትክክለኛ ደረጃ አዘጋጅቷል።

CREPE ከድምጽ ምልክት ምን ይገመታል?

CREPE የመሠረታዊ ድግግሞሹን ይተነብያል, ማለትም የተገነዘበውን ድምጽ, የሞኖፎኒክ ድምጽ.

CREPE በዋነኝነት የተዘጋጀው ለየትኛው ኦዲዮ ነው?

CREPE ለሞኖፎኒክ ምልክቶች እንደ ነጠላ ድምጽ ወይም ብቸኛ መሳሪያ ይገመታል።

CREPE የፒች-ግምት ተግባሩን ከውስጥ እንዴት ያዘጋጃል?

CREPE ግምትን እንደ ምደባ በማየት በ360 ፒች ቢን ላይ የይሆናል ስርጭትን ያወጣል።

CREPE እንደ ቀጥተኛ ግቤት ምን ይወስዳል?

ከስፔክትሮግራም-ተኮር ዘዴዎች በተለየ፣ CREPE በጥሬ ማዕበል ክፈፎች ላይ በተለዋዋጭ ንብርብሮች ውስጥ ይሰራል።

የCREPE ፒች ማጠራቀሚያዎች ምን ያህል ይራራቃሉ?

CREPE በ 20 ሳንቲም ልዩነት 360 ቢን ይጠቀማል፣ ይህም ንዑስ-ሴሚቶን በስድስት ኦክታቭስ አካባቢ ላይ ይሰጣል።