التاليالدليل التالي
وضع العلامات التلقائي على الموسيقى
الذكاء الاصطناعي الصوتي
دليل الصوت AI
وضع العلامات على الموسيقى مع المحولات
يُعين تصنيف الموسيقى علامة أو أكثر وصفية لجزء صوتي.
استمع إلى هذا الدليلرواه الذكاء الاصطناعي · ~2 min
في هذه الصفحةقراءة لمدة دقيقتين
نظرة عامة
تختلف أنظمة البحث في تمثيل الإدخال، والإشراف، والعلامات، ومهام التقييم.
الغوص العميق
تصنيف الموسيقى هو مهمة تصنيف متعددة العلامات لأن علامات متعددة قد تنطبق على مقطع واحد. يستخدم ورقة AST سبيكتروغرامات لوج-ميل مقسمة إلى أجزاء لتصنيف صوتي قائم على الانتباه بدون تلافيف. يستخدم MERT أهداف تدريب مسبق على نمط نمذجة اللغة المموهة المقدمة من المعلم ويبلغ عن التقييم عبر 14 مهمة لفهم الموسيقى. يقطع تدريبها المسبق الصوت عشوائيًا إلى مقاطع 5 ثوانٍ، لذا لا تظهر نتائجها نمذجة مباشرة لجزء الكورس والبيت على بعد دقائق. MagnaTagATune هو مجموعة بيانات واحدة تُستخدم في أبحاث تصنيف الموسيقى. CLAP هو نموذج صوت-نص تنافسي منفصل يُقيَّم على عدة مهام لاحقة؛ تعتمد نتائج الصفر-شوت على العلامات وإعداد التقييم.
التنفيذ في العالم الحقيقي
قارن نماذج التصنيف القائمة على السبيكتروغرام مع النماذج القائمة على الموجة على نفس مجموعة البيانات الموسومة.
قيم التنبؤات متعددة العلامات باستخدام مقياس تصنيف مثل متوسط الدقة المتوسطة.
افصل بين التدريب المسبق ذاتيًا والتعديل الدقيق لاحقًا عند توثيق النموذج.
تحقق من مدة وبروتوكول أخذ العينات المستخدمين في كل نموذج.
مستقبل وضع العلامات على الموسيقى مع المحولات
تشمل اتجاهات البحث المحتملة اختبار تمثيلات موسيقية ذات سياق أطول وتقييم النقل عبر العلامات، ومجموعات البيانات، والأنواع. هذه أسئلة تقييم مفتوحة بدلاً من ادعاءات حول التبني أو الأداء الحالي.
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
اختبر اختبار تصنيف الموسيقى مع المحولات
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 تصنيف الموسيقى مع المحولات؟
يُعين تصنيف الموسيقى علامة أو أكثر وصفية لجزء صوتي. تختلف أنظمة البحث في تمثيل الإدخال، والإشراف، والعلامات، ومهام التقييم.
لماذا يتم التعامل مع وضع علامات الموسيقى على أنها مشكلة متعددة العلامات؟
يمكن أن تكون الأغنية عبارة عن موسيقى روك وحيوية ومدفوعة بالجيتار في الوقت نفسه، لذلك تنطبق علامات متعددة على مسار واحد.
في ورقة Audio Spectrogram Transformer، ما هو تمثيل الصوت الذي يُقسَّم إلى أجزاء؟
يعمل AST على أجزاء السبيكتروغرام؛ بالتحديد، يستخدم سبيكتروغرام لوج-ميل كتمثيل إدخاله. هذا السؤال يقتصر على طريقة AST المذكورة، وليس على جميع المصنّفات المحورية.
لماذا تستخدم نماذج وضع علامات الموسيقى مخرجًا سينيًا لكل علامة بدلاً من softmax واحد؟
يفرض Softmax مجموع الاحتمالات على واحد (اختيار واحد)؛ يتيح sigmoid أن تكون كل علامة صحيحة بشكل مستقل.
ما هو دور التدريب المسبق الخاضع للإشراف الذاتي لنماذج مثل MERT؟
يؤدي التدريب المسبق على التنبؤ الصوتي المقنع على مجموعات كبيرة غير مُسماة إلى إنشاء تمثيلات تم ضبطها لاحقًا على البيانات الموسومة.
ما هي مجموعة البيانات المستخدمة بشكل شائع لضبط علامات تمييز الموسيقى وقياسها؟
تعد MagnaTagATune وMillion Song Dataset بمثابة معايير قياسية للموسيقى؛ MNIST وImageNet عبارة عن مجموعات صور.
استمر في التعلم
أدلة ذات صلة
تم اختيار المزيد من الأدلة لهذا الموضوع