التاليالدليل التالي
جيل الموسيقى الرمزية
الذكاء الاصطناعي الصوتي
دليل الصوت AI
النسخ التلقائي للموسيقى
يقوم النسخ التلقائي للموسيقى (AMT) بتحويل التسجيل الصوتي الخام للموسيقى إلى تدوين رمزي مثل النوتة الموسيقية أو MIDI أو لفافة البيانو.
استمع إلى هذا الدليلرواه الذكاء الاصطناعي · ~2 min
في هذه الصفحةقراءة لمدة دقيقتين
نظرة عامة
يتعامل مع واحدة من أصعب المشاكل في الذكاء الاصطناعي الصوتي: فك تشابك العديد من النغمات المتداخلة التي تعزف في آن واحد.
الغوص العميق
تستمع أنظمة AMT إلى شكل موجة صوتية وإخراج النغمات التي يتم تشغيلها ومتى تبدأ ومدة استمرارها وأحيانًا الآلة التي تعزفها. التحدي الأساسي هو تعدد الأصوات: عندما يتم إصدار عدة نغمات في وقت واحد، تتداخل توافقياتها وتتشوش معًا في طيف التردد، لذلك قد يكون من الصعب فصل نغمة C وG واحدة عن نغمة واحدة أعلى صوتًا. تقوم الأنظمة الحديثة بتحويل الصوت إلى تمثيل للتردد الزمني مثل مخطط ميل الطيفي أو تحويل ثابت Q، ثم تستخدم الشبكات العصبية العميقة للتنبؤ ببدء النوتة الموسيقية وإزاحتها وطبقات الصوت. كان نموذج Onsets and Frames الخاص بـ Google علامة بارزة في نسخ البيانو، بينما تقوم نماذج المحولات الأحدث مثل MT3 بنسخ أدوات متعددة في وقت واحد.
التنفيذ في العالم الحقيقي
يقوم AnthemScore والتطبيقات المشابهة بتحويل تسجيلات MP3 إلى نوتة موسيقية قابلة للتحرير للموسيقيين الذين يتعلمون الأغاني عن طريق الأذن
استخراج MIDI من تسجيل البيانو حتى يتمكن المنتج من إعادة الصوت أو قياس الأداء في DAW
أدوات تعليم الموسيقى التي تقارن النوتات الموسيقية التي عزفها الطالب مع النوتات الموسيقية لتحديد النوتات الخاطئة أو المفقودة
يقوم علماء الموسيقى بنسخ التسجيلات التاريخية أو المرتجلة (مثل المعزوفات المنفردة لموسيقى الجاز) إلى تدوين للتحليل
مستقبل النسخ التلقائي للموسيقى
تنتقل AMT من البيانو المنفرد إلى النسخ الموثوق به متعدد الآلات وكامل النطاق، بما في ذلك الطبول والغناء والتقنيات التعبيرية مثل الانحناءات والاهتزاز. تعمل بنيات المحولات المدربة على مجموعات البيانات الاصطناعية والمحاذاة الكبيرة على سد الفجوة. توقع تكاملًا أكثر إحكامًا مع فصل المصدر، والنسخ في الوقت الفعلي للأداء المباشر، والأدوات التي تلتقط التوقيت الدقيق والديناميكيات، وليس فقط الملاحظات. الهدف طويل المدى هو نظام يحول أي تسجيل إلى نتيجة قابلة للتحرير والقراءة البشرية.
وضعها موضع التنفيذ
لماذا يهم
- الوصول والوصول. يعمل على تحسين إمكانية الوصول من خلال واجهات النسخ والسرد والصوت.
- التكلفة والميزانية. يمكن للفرق الإعلامية شحن الصوت المصقول بشكل أسرع بميزانيات أصغر.
- السرعة والحجم. يمكن للأنظمة التي تواجه العملاء معالجة التفاعلات المنطوقة على نطاق أوسع.
احترس من
- تزداد مخاطر إساءة استخدام الصوت وانتحال الشخصية عند فقدان الموافقة.
- يمكن أن تنخفض الدقة عبر اللهجات أو اللهجات أو البيئات الصاخبة.
- يمكن الخلط بين الصوت الاصطناعي والكلام الأصيل دون تصنيف واضح.
الخطوات التالية
- الحصول على موافقة صريحة لالتقاط الصوت واستنساخه وإعادة استخدامه.
- اختبار الجودة عبر مكبرات الصوت المتنوعة وظروف الخلفية.
- تحديد متى يجب على الإنسان مراجعة المخرجات أو الموافقة عليها.
- قم بتسمية الصوت الاصطناعي واحتفظ بسجلات المصدر للمساءلة.
استمر في الاستكشاف
رسالة إخبارية مجانية
احصل على الإحاطة اليومية لمنظمة العفو الدولية
ثلاث قصص تم التحقق منها بواسطة الذكاء الاصطناعي كل صباح من أيام الأسبوع، مكتوبة باللغة الإنجليزية البسيطة. مجاني للأبد، بدون إعلانات.
بريد إلكتروني واحد كل يوم من أيام الأسبوع. إلغاء الاشتراك بنقرة واحدة. نحن لا نبيع أو نشارك عنوانك أبدًا.
اختبر نفسك
Take the Automatic Music Transcription quiz
تعليقات فورية على كل إجابة، وشهادة قابلة للمشاركة مع معرف يمكن التحقق منه بمجرد اجتياز الدورة التدريبية.
دعم تعليم الذكاء الاصطناعي المجاني. AI Understanding هي منظمة 501(c)(3) غير ربحية - لا إعلانات ولا نظام حظر الاشتراك غير المدفوع على الإطلاق. قم بالتبرع
الأسئلة المتداولة
ما هو النسخ التلقائي للموسيقى؟
يقوم النسخ التلقائي للموسيقى (AMT) بتحويل التسجيل الصوتي الخام للموسيقى إلى تدوين رمزي مثل النوتة الموسيقية أو MIDI أو لفافة البيانو. إنه يعالج إحدى أصعب المشكلات في الذكاء الاصطناعي الصوتي: فك تشابك العديد من النغمات المتداخلة التي يتم تشغيلها مرة واحدة.
ما الذي يخرجه النسخ التلقائي للموسيقى في المقام الأول؟
يقوم AMT بتحويل التسجيل الصوتي إلى تدوين رمزي مثل MIDI أو لفة البيانو أو النوتة الموسيقية التي تصف النوتات الموسيقية التي تم تشغيلها.
لماذا يصعب نسخ الموسيقى متعددة الألحان بشكل خاص؟
عندما تُصدر نغمات متعددة في وقت واحد، تتداخل توافقياتها، مما يجعل من الصعب فصل النغمات الفردية الموجودة.
ما الذي كان ملحوظًا في نموذج البداية والإطارات الخاص بـ Google؟
تستخدم البداية والإطارات رأسًا واحدًا لاكتشاف بدايات النغمات الدقيقة ورأسًا آخر للنغمات المستمرة، مع بداية تنطلق من إخراج الإطار.
لماذا يعد تحويل Constant-Q مفيدًا للموسيقى؟
يتم تباعد النغمات الموسيقية لوغاريتميًا (يتضاعف تردد الأوكتافات)، وتتوافق صناديق CQT ذات التباعد اللوغاريتمي بشكل طبيعي مع هذا.
ما الذي تشير إليه "البداية" في النسخ؟
البداية هي اللحظة الحادة والحيوية التي تبدأ فيها النغمة، والتي يكون تحديد موقعها بدقة أسهل من استدامتها.
استمر في التعلم
أدلة ذات صلة
تم اختيار المزيد من الأدلة لهذا الموضوع