Zvukový průvodce AI

CREPE Odhad výšky tónu

CREPE is a convolutional neural network for estimating fundamental frequency in monophonic audio.

Poslechněte si tento návodAI-vyprávěný · ~2 min

Na této stránce2 minuty čtení
  1. Přehled
  2. Hluboký ponor
  3. Real-World Implementace
  4. Budoucnost CREPE Pitch Estimation
  5. Uvedení do praxe
  6. Pokračujte v objevování
  7. Často kladené otázky

Přehled

It operates directly on waveform frames and was evaluated against established pitch trackers, including tests of noise robustness. Its pitch estimates are model outputs and can still be wrong, especially when the input falls outside the task or conditions studied.

Hluboký ponor

CREPE (Convolutional Representation for Pitch Estimation), introduced by Kim, Salamon, Li, and Bello in 2018, estimates the fundamental frequency of monophonic sound such as a solo voice or instrument. The model applies a deep convolutional network directly to time-domain waveform frames instead of first computing a spectrogram. It frames pitch estimation as classification over 360 bins spanning roughly six octaves, spaced 20 cents apart; a local weighted average around the peak can refine the frequency estimate. The authors compared it with pYIN and evaluated generalization under noise, reporting performance that was equal or better in their tested settings. Those findings do not imply that CREPE is more accurate for every recording or task.

Real-World Implementace

Sledování tónu zpěváka pro zpětnou vazbu ladění v reálném čase v aplikacích pro trénink vokálů

Řízení nástrojů pro automatické ladění a korekci výšky tónu s přesnými křivkami základní frekvence

Přepis melodií sólového nástroje do MIDI nebo not

Analýza intonace a vibrata v hudební výchově a výzkumu výkonu

Budoucnost CREPE Pitch Estimation

Pitch tracking research explores polyphonic inputs, model latency, and compact inference on devices. CREPE’s waveform-first design remains a useful comparison point, while newer systems may combine learned representations with explicit signal-processing methods. Downstream tools should treat pitch and confidence outputs as estimates that may need smoothing or review.

Uvedení do praxe

Proč na tom záleží

  • Přístup a dosah. Zlepšuje dostupnost prostřednictvím přepisu, vyprávění a hlasových rozhraní.
  • Cena a rozpočet. Mediální týmy mohou dodávat vylepšený zvuk rychleji s menšími rozpočty.
  • Rychlost a měřítko. Systémy orientované na zákazníky mohou zpracovávat mluvené interakce ve větším měřítku.

Pozor na

  • Pokud chybí souhlas, zvyšuje se riziko zneužití hlasu a předstírání jiné identity.
  • Přesnost může klesat v přízvuku, dialektech nebo hlučném prostředí.
  • Syntetický zvuk lze bez jasného označení zaměnit za autentickou řeč.

Další kroky

  1. Získejte výslovný souhlas se zachycením hlasu, klonováním a opětovným použitím.
  2. Otestujte kvalitu napříč různými reproduktory a podmínkami pozadí.
  3. Definujte, kdy musí člověk zkontrolovat nebo schválit výstupy.
  4. Označte syntetický zvuk a veďte záznamy o původu pro zajištění odpovědnosti.

Pokračujte v objevování

Newsletter zdarma

Získejte denní přehled o AI

Tři ověřené příběhy ze světa AI každý všední den ráno, psané srozumitelnou angličtinou. Navždy zdarma, bez reklam.

Jeden e-mail každý všední den. Odhlásit se můžete jedním kliknutím. Vaši adresu nikdy neprodáváme ani nesdílíme.

Otestujte se

Take the CREPE Pitch Estimation quiz

Okamžitá zpětná vazba ke každé odpovědi a sdílitelný certifikát s ověřitelným ID po absolvování kurzu.

Spustit kvíz

Podpořte bezplatnou AI vzdělávání. AI Understanding je nezisková organizace 501(c)(3) — žádné reklamy, žádná platba za přístup, nikdy. Darujte

Často kladené otázky

What is CREPE Pitch Estimation?

CREPE is a convolutional neural network for estimating fundamental frequency in monophonic audio. It operates directly on waveform frames and was evaluated against established pitch trackers, including tests of noise robustness. Its pitch estimates are model outputs and can still be wrong, especially when the input falls outside the task or conditions studied.

Co CREPE odhaduje ze zvukového signálu?

CREPE předpovídá základní frekvenci, tj. vnímanou výšku, monofonního zvuku.

CREPE je určen především pro jaký druh audia?

CREPE odhaduje výšku tónu pro monofonní signály, jako je jeden hlas nebo sólový nástroj.

Jak CREPE interně rámuje úlohu odhadu výšky tónu?

CREPE poskytuje distribuci pravděpodobnosti přes 360 přihrádek, přičemž odhad považuje za klasifikaci.

Co CREPE bere jako svůj přímý vstup?

Na rozdíl od metod založených na spektrogramech pracuje CREPE na surových rámech tvaru vlny přes konvoluční vrstvy.

Jak daleko jsou přibližně od sebe přihrádky CREPE?

CREPE používá 360 přihrádek rozmístěných 20 centů od sebe, což dává sub-půltónové rozlišení přes asi šest oktáv.