وضع العلامات التلقائي على الموسيقى

يتنبأ وضع العلامات التلقائي للموسيقى بتسميات وصفية مثل النوع، المزاج، والآلات من الصوت. يمكنه دعم البحث في الكتالوج، التوصية، والتنظيم، لكن توقعاته تعتمد على التسميات المتاحة وبيانات التدريب.

يمكن للمسار أن يكون موجهًا للجيتار ومفعمًا بالطاقة في آنٍ واحد. تسمح المخرجات المنفصلة بوجود عدة تسميات نشطة دون الادعاء بأن الخصائص مستقلة إحصائيًا.

عادةً ما يتم تحويل الصوت إلى مخطط طيفي ميل، وهو صورة ذات تردد زمني يمكن لشبكة CNN معالجتها مثل الصورة الفوتوغرافية.

يباعد مقياس ميل الترددات لتتناسب مع إدراك طبقة الصوت البشرية، مما يعطي دقة أكبر للترددات المنخفضة التي تهتم بها آذاننا كثيرًا.

العلامات التي يتم الحصول عليها من الحشود غير متسقة والعديد من العلامات الصالحة مفقودة ببساطة، وتظهر بعض العلامات في كثير من الأحيان أكثر من غيرها، مما يجعل التعلم أكثر صعوبة.

يعد MagnaTagATune، جنبًا إلى جنب مع Million Song Dataset وMTG-Jamendo، معيارًا قياسيًا لوضع علامات على الموسيقى. ImageNet مخصص للصور، وSQuAD مخصص للنص QA، وLibriSpeech مخصص للكلام.