Il prossimoProssima guida
Etichettatura automatica della musica
IA audio
GUIDA AI audio
Il Music Information Retrieval (MIR) è il campo che insegna ai computer ad analizzare, comprendere e cercare musica da segnali audio e spartiti.
Ascolta questa guidaNarrato dall'IA · ~2 min
It powers everything from Shazam-style song identification to Spotify's recommendations and automatic music tagging.
Il Music Information Retrieval si trova all'intersezione tra elaborazione del segnale, apprendimento automatico e musicologia. I ricercatori estraggono caratteristiche dall'audio come lo spettrogramma, i coefficienti cepstral della frequenza mel (MFCC), i vettori di crominanza e il tempo per catturare intonazione, timbro, ritmo e armonia. Da questi, i sistemi MIR eseguono attività come il tracciamento del ritmo, il rilevamento delle chiavi, la classificazione del genere, l'estrazione della melodia, l'identificazione della cover e la raccomandazione musicale. La conferenza annuale ISMIR e la campagna di valutazione MIREX hanno guidato i progressi dal 2000. Il MIR moderno utilizza sempre più l'apprendimento profondo, l'addestramento di reti convoluzionali e di trasformatori direttamente sugli spettrogrammi e incorporamenti audio autocontrollati, sostituendo molte funzionalità artigianali pur facendo affidamento su concetti di teoria musicale per etichettare e interpretare i risultati.
Shazam e app simili identificano una canzone da una registrazione telefonica rumorosa utilizzando le impronte digitali audio
Spotify e Apple Music generano consigli e playlist automatiche dalla somiglianza audio appresa
Etichettatura automatica di umore, genere e strumenti per enormi librerie di musica di produzione e audio di serie
Rilevamento di versioni di copertina e potenziali corrispondenze di copyright su piattaforme come Content ID di YouTube
MIR si sta spostando verso modelli audio di grandi dimensioni autocontrollati che apprendono rappresentazioni musicali generali da milioni di tracce senza etichetta, quindi le ottimizzano per compiti specifici con pochi dati etichettati. Aspettatevi una più stretta integrazione con i modelli di musica generativa, la ricerca musicale in linguaggio naturale ("trova una traccia jazz allegra con le spazzole") e una migliore gestione delle tradizioni non occidentali che i modelli di crominanza e chiave standard trascurano. I sistemi multimodali che combinano audio, testi, spartiti e metadati renderanno la raccomandazione e la scoperta molto più sfumate e personalizzate.
Newsletter gratuita
Tre storie verificate sull'IA ogni mattina nei giorni feriali, scritte in un inglese semplice. Gratuito per sempre, senza pubblicità.
Un'email ogni giorno feriale. Disiscriviti con un clic. Non vendiamo né condividiamo mai il tuo indirizzo.
Mettiti alla prova
Feedback immediato su ogni risposta e un certificato condivisibile con un ID verificabile una volta superato un corso.
Sostieni l'istruzione gratuita sull'IA. AI Understanding è un'organizzazione non profit 501(c)(3) — nessun annuncio, nessun paywall, mai. Fai una donazione
Il Music Information Retrieval (MIR) è il campo che insegna ai computer ad analizzare, comprendere e cercare musica da segnali audio e spartiti. Alimenta tutto, dall'identificazione dei brani in stile Shazam ai consigli di Spotify e al tagging automatico della musica.
Chroma presenta l'energia di piegatura di tutte le ottave in 12 classi di toni, rendendole adatte per l'analisi di armonia, accordi e tonalità.
La trasformata di Fourier a breve termine produce lo spettrogramma, la base per la maggior parte delle caratteristiche e dei modelli MIR.
Il fingerprinting crea hash compatti e resistenti al rumore dei picchi audio che vengono confrontati con un database indicizzato.
ISMIR, la conferenza della International Society for Music Information Retrieval, è la sede centrale del settore.
L'apprendimento auto-supervisionato estrae la struttura musicale generale dall'audio senza etichetta, riducendo la necessità di costosi set di dati etichettati manualmente.
Continua a imparare
Altre guide selezionate per questo argomento
Il prossimoProssima guida
Etichettatura automatica della musica
IA audio