A continuaciónSiguiente guía
TTS con control de tono FastPitch
IA de audio
GUÍA de IA en audio
Estimación del tono CREPE
CREPE is a convolutional neural network for estimating fundamental frequency in monophonic audio.
Escuche esta guíaNarrado por IA · ~2 min
En esta pagina2 minutos de lectura
Descripción general
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.
Buceo profundo
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.
Implementación en el mundo real
Seguimiento del tono de un cantante para obtener comentarios de afinación en tiempo real en aplicaciones de entrenamiento vocal
Manejo de herramientas de corrección de tono y sintonización automática con curvas de frecuencia fundamental precisas
Transcribir melodías de instrumentos solistas a MIDI o partituras
Análisis de la entonación y el vibrato en la educación musical y la investigación escénica.
El futuro de la estimación del tono CREPE
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.
Poniéndolo en práctica
Por qué es importante
- Acceso y alcance. Mejora la accesibilidad a través de transcripción, narración e interfaces de voz.
- Costo y presupuesto. Los equipos de medios pueden enviar audio pulido más rápido con presupuestos más pequeños.
- Velocidad y escala. Los sistemas de cara al cliente pueden procesar interacciones habladas a mayor escala.
cuidado con
- Los riesgos de uso indebido de voz y suplantación de identidad aumentan cuando falta el consentimiento.
- La precisión puede disminuir según los acentos, los dialectos o los entornos ruidosos.
- El audio sintético puede confundirse con el habla auténtica sin un etiquetado claro.
Próximos pasos
- Obtenga consentimiento explícito para la captura, clonación y reutilización de voz.
- Pruebe la calidad en diversos oradores y condiciones de fondo.
- Defina cuándo un humano debe revisar o aprobar los resultados.
- Etiquete el audio sintético y mantenga registros de procedencia para la rendición de cuentas.
Sigue explorando
Boletín gratuito
Recibe el resumen diario de IA
Tres noticias verificadas sobre IA cada mañana de lunes a viernes, explicadas con claridad. Gratis para siempre y sin anuncios.
Un correo cada día laborable. Date de baja con un clic. Nunca vendemos ni compartimos tu dirección.
Ponte a prueba
Take the CREPE Pitch Estimation quiz
Corrección inmediata en cada respuesta y un certificado para compartir, con un ID verificable, cuando apruebas un curso.
Apoya la educación gratuita sobre IA. AI Understanding es una organización sin fines de lucro 501(c)(3): sin anuncios ni muros de pago, nunca. Hacer una donación
Preguntas frecuentes
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.
¿Qué estima CREPE a partir de una señal de audio?
CREPE predice la frecuencia fundamental, es decir, el tono percibido, del audio monofónico.
¿CREPE está diseñado principalmente para qué tipo de audio?
CREPE estima el tono de señales monofónicas, como una sola voz o un instrumento solista.
¿Cómo encuadra CREPE internamente la tarea de estimación del tono?
CREPE genera una distribución de probabilidad en 360 contenedores de tono, tratando la estimación como clasificación.
¿Qué toma CREPE como insumo directo?
A diferencia de los métodos basados en espectrogramas, CREPE opera en marcos de formas de onda sin procesar a través de capas convolucionales.
¿Aproximadamente a qué distancia están los contenedores de brea de CREPE?
CREPE utiliza 360 contenedores espaciados 20 centavos, lo que proporciona una resolución de subsemitono en aproximadamente seis octavas.
sigue aprendiendo
Guías relacionadas
Más guías seleccionadas para este tema.