LegközelebbKövetkező útmutató
Zene automatikus címkézése
Hangalapú AI
Audio AI ÚTMUTATÓ
A Music Information Retrieval (MIR) az a terület, amely arra tanítja a számítógépeket, hogy elemezzenek, megértsék és keressenek zenét audiojelekből és kottákból.
Hallgassa meg ezt az útmutatótAI-narrált · ~2 min
A Shazam-stílusú dal azonosítástól a Spotify ajánlásaiig és az automatikus zenecímkézésig mindent megtesz.
A zenei információkeresés a jelfeldolgozás, a gépi tanulás és a zenetan metszéspontjában található. A kutatók olyan jellemzőket vonnak ki a hangból, mint a spektrogram, a mel-frekvencia cepstralis együtthatók (MFCC), a színvektorok és a tempó, hogy rögzítsék a hangmagasságot, hangszínt, ritmust és harmóniát. Ezek közül a MIR-rendszerek olyan feladatokat hajtanak végre, mint a ritmuskövetés, a kulcsfelismerés, a műfaji besorolás, a dallamkivonás, a feldolgozás-dal azonosítás és a zeneajánlás. Az éves ISMIR konferencia és a MIREX értékelő kampánya 2000 óta előrehaladást jelent. A modern MIR egyre gyakrabban alkalmaz mély tanulást, konvolúciós és transzformátor hálózatokat közvetlenül a spektrogramokon, és önfelügyelt hangbeágyazásokat, sok kézzel készített funkciót helyettesítve, miközben továbbra is zeneelméleti koncepciókra hagyatkozik az eredmények címkézéséhez és értelmezéséhez.
Shazam és hasonló alkalmazások, amelyek hang-ujjlenyomatok segítségével azonosítanak egy dalt egy zajos telefonról
A Spotify és az Apple Music ajánlásokat és automatikus lejátszási listákat generál a tanult hanghasonlóságból
Hangulat, műfaj és hangszerek automatikus címkézése hatalmas produkciós zenei és állományi hangkönyvtárak számára
Borítóverziók és lehetséges szerzői jogi egyezések észlelése olyan platformokon, mint a YouTube Content ID
A MIR a nagy, önfelügyelt hangmodellek felé mozdul el, amelyek általános zenei reprezentációkat tanulnak meg több millió címkézetlen sávból, majd kevés címkézett adattal finomhangolják a konkrét feladatokat. Szorosabb integrációra számíthat a generatív zenei modellekkel, a természetes nyelvű zenekereséssel ("találj egy lendületes jazzes számot ecsettel"), valamint a nem nyugati hagyományok jobb kezelését, amelyeket a szabványos szín- és kulcsmodellek figyelmen kívül hagynak. A hangot, dalszövegeket, partitúrákat és metaadatokat kombináló multimodális rendszerek sokkal árnyaltabbá és személyre szabottabbá teszik az ajánlást és a felfedezést.
Ingyenes hírlevél
Minden hétköznap reggel három ellenőrzött AI történet, egyszerű angol nyelven. Örökké ingyen, hirdetések nélkül.
Minden hétköznap egy e-mail. Egy kattintással lemondhat. Soha nem értékesítjük vagy osztjuk meg az Ön címét.
Teszteld magad
Azonnali visszajelzés minden válaszra, és megosztható tanúsítvány egy ellenőrizhető azonosítóval, miután sikeresen teljesít egy kurzust.
Támogassa az ingyenes AI oktatást. AI Understanding egy 501(c)(3) nonprofit – nincs hirdetés, nincs fizetőfal, soha. Tegyen adományt
A Music Information Retrieval (MIR) az a terület, amely arra tanítja a számítógépeket, hogy elemezzenek, megértsék és keressenek zenét audiojelekből és kottákból. A Shazam-stílusú dal azonosítástól a Spotify ajánlásaiig és az automatikus zenecímkézésig mindent megtesz.
A Chroma minden oktávból 12 hangmagasság-osztályba hajtja a hajtogatási energiát, így kiválóan alkalmasak harmónia-, akkord- és kulcselemzésre.
A rövid idejű Fourier-transzformáció hozza létre a spektrogramot, amely a legtöbb MIR jellemző és modell alapja.
Az ujjlenyomat-kezelés kompakt, zajmentes kivonatokat hoz létre a hangcsúcsokból, amelyeket egy indexelt adatbázissal egyeztet.
Az ISMIR, az International Society for Music Information Retrieval konferencia a terület központi helyszíne.
Az önfelügyelt tanulás általános zenei struktúrát von ki a címkézetlen hangból, csökkentve a költséges, kézzel címkézett adatkészletek szükségességét.
Tanulj tovább
További útmutatók készültek ehhez a témához
LegközelebbKövetkező útmutató
Zene automatikus címkézése
Hangalapú AI