DalšíDalší průvodce
Hudební značkování pomocí Transformers
Zvuková AI
Zvukový průvodce AI
Music auto-tagging predicts descriptive labels such as genre, mood, and instrumentation from audio.
Poslechněte si tento návodAI-vyprávěný · ~2 min
It can support catalog search, recommendation, and organization, but its predictions depend on the available labels and training data.
Automatické označování hudby považuje označování za problém klasifikace více značek: jedna skladba může být „rocková“, „energická“ a „kytarová“ najednou. Moderní systémy převádějí nezpracovaný zvuk na mel-spektrogram (časově-frekvenční obraz zvuku) a provádějí jej prostřednictvím konvoluční nebo transformátorové neuronové sítě trénované na datových sadách jako MagnaTagATune, The Million Song Dataset nebo MTG-Jamendo. Výstupem modelu je pravděpodobnost pro každý možný tag. Protože štítky aplikované člověkem jsou hlučné a neúplné, školení je náročné a štítky jsou nevyvážené. Stejná páteř stále více pochází z audio modelů s vlastním dohledem, takže jediná reprezentace slouží k označování, doporučení a podobnostnímu vyhledávání namísto vytváření samostatného modelu pro každý tag.
Spotify a podobné služby označují nová nahraná videa žánrem a náladou, aby podpořily doporučení ve stylu „Discover Weekly“
Produkční hudební knihovny, které umožňují editorům videa filtrovat miliony skladových skladeb tím, že „povznesou korporátní“ nebo „napjatý film“
DJ software automaticky detekuje BPM, klíč a energii, takže stopy lze automaticky třídit a porovnávat s rytmy
Platformy pro licencování hudby, které označují instrumentaci a náladu tak, aby odpovídaly skladbám k inzerátům
Audio-language models such as CLAP connect sound with text representations, allowing free-form retrieval alongside fixed-label tagging. Research also explores broader genre coverage, captioning, and more efficient models. These methods still need evaluation on the intended catalog: text-query matching is not proof of exhaustive or objective descriptions, especially for subjective moods and styles.
Newsletter zdarma
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
Okamžitá zpětná vazba ke každé odpovědi a sdílitelný certifikát s ověřitelným ID po absolvování kurzu.
Podpořte bezplatnou AI vzdělávání. AI Understanding je nezisková organizace 501(c)(3) — žádné reklamy, žádná platba za přístup, nikdy. Darujte
Music auto-tagging predicts descriptive labels such as genre, mood, and instrumentation from audio. It can support catalog search, recommendation, and organization, but its predictions depend on the available labels and training data.
A track can be both guitar-driven and energetic. Separate outputs permit multiple active labels without asserting that the attributes are statistically independent.
Zvuk se obvykle převádí na mel-spektrogram, časově-frekvenční obraz, který CNN dokáže zpracovat podobně jako fotografii.
Mel scale rozděluje frekvence tak, aby odpovídaly lidskému vnímání výšky tónu, čímž poskytuje vyšší rozlišení nižším frekvencím, na kterých naše uši nejvíce zajímají.
Crowd-source tagy jsou nekonzistentní a mnoho platných tagů jednoduše chybí a některé tagy se objevují mnohem častěji než jiné, což ztěžuje učení.
MagnaTagATune je spolu s Million Song Dataset a MTG-Jamendo standardním měřítkem pro značkování hudby. ImageNet je pro obrázky, SQuAD pro textovou QA a LibriSpeech pro řeč.
Učte se dál
Pro toto téma bylo vybráno více průvodců
DalšíDalší průvodce
Hudební značkování pomocí Transformers
Zvuková AI