সঙ্গীত তথ্য পুনরুদ্ধার

সঙ্গীত তথ্য পুনরুদ্ধার (MIR) হল এমন একটি ক্ষেত্র যা কম্পিউটারকে অডিও সংকেত এবং স্কোর থেকে সঙ্গীত বিশ্লেষণ, বুঝতে এবং অনুসন্ধান করতে শেখায়। এটি Shazam-শৈলী গান শনাক্তকরণ থেকে Spotify-এর সুপারিশ এবং স্বয়ংক্রিয় সঙ্গীত ট্যাগিং পর্যন্ত সবকিছুকে শক্তি দেয়।

ক্রোমা বৈশিষ্ট্যগুলি সমস্ত অক্টেভ থেকে শক্তিকে 12টি পিচ শ্রেণীতে ভাঁজ করে, যা তাদের সামঞ্জস্য, জ্যা এবং মূল বিশ্লেষণের জন্য উপযুক্ত করে তোলে।

শর্ট-টাইম ফুরিয়ার ট্রান্সফর্ম স্পেকট্রোগ্রাম তৈরি করে, যা বেশিরভাগ MIR বৈশিষ্ট্য এবং মডেলের ভিত্তি।

ফিঙ্গারপ্রিন্টিং অডিও পিকগুলির কম্প্যাক্ট, শব্দ-শক্তিশালী হ্যাশ তৈরি করে যা একটি সূচীকৃত ডাটাবেসের সাথে মিলে যায়।

আইএসএমআইআর, ইন্টারন্যাশনাল সোসাইটি ফর মিউজিক ইনফরমেশন রিট্রিভাল কনফারেন্স হল এই মাঠের কেন্দ্রীয় স্থান।

স্ব-তত্ত্বাবধানে শেখা লেবেলবিহীন অডিও থেকে সাধারণ বাদ্যযন্ত্রের কাঠামো বের করে, ব্যয়বহুল হ্যান্ড-লেবেলযুক্ত ডেটাসেটের প্রয়োজনীয়তা হ্রাস করে।