ক্রেপ পিচ অনুমান

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

2018 সালে কিম, সালামন, লি এবং বেলো দ্বারা প্রবর্তিত CREPE (পিচ অনুমানের জন্য কনভোল্যুশনাল রিপ্রেজেন্টেশন), একটি গাওয়া ভয়েস বা একক যন্ত্রের মতো একক-নোট (মনোফোনিক) অডিওর পিচের পূর্বাভাস দেয়। YIN বা pYIN-এর মতো ক্লাসিক অ্যালগরিদমগুলির বিপরীতে যা সিগন্যালের স্বতঃসম্পর্কের উপর নির্ভর করে, CREPE হল একটি গভীর কনভোলিউশনাল নিউরাল নেটওয়ার্ক যা সরাসরি সময়-ডোমেন অডিও ফ্রেমে প্রশিক্ষিত। এটি একটি শ্রেণীবিন্যাস সমস্যা হিসাবে পিচ অনুমানকে ফ্রেম করে: এটি 360টি পিচ বিনের উপর একটি সম্ভাব্যতা বন্টন করে যা প্রায় ছয়টি অক্টেভ বিস্তৃত, প্রতিটি 20 সেন্টের ব্যবধানে। সর্বোচ্চ অ্যাক্টিভেশন সহ বিন, স্থানীয় ওজনযুক্ত গড় দিয়ে পরিমার্জিত, আনুমানিক ফ্রিকোয়েন্সি এবং একটি আত্মবিশ্বাসের স্কোর দেয়। CREPE সিগন্যাল-প্রসেসিং পদ্ধতির তুলনায় লক্ষণীয়ভাবে আরও শক্তিশালী প্রমাণিত হয়েছে, বিশেষ করে শব্দের অধীনে, এবং এখন অনেক সঙ্গীত এবং বক্তৃতা বিশ্লেষণ পাইপলাইনে একটি আদর্শ উপাদান।