자동 음악 전사
AMT(자동 음악 전사)는 음악의 원시 오디오 녹음을 악보, MIDI 또는 피아노 롤과 같은 기호 표기법으로 변환합니다.
개요
It tackles one of the hardest problems in audio AI: untangling many overlapping notes played at once.
심층 분석
AMT 시스템은 연주되는 음표, 연주 시작 시기, 지속 시간, 때로는 연주되는 악기의 오디오 파형 및 출력을 듣습니다. 핵심 과제는 다성음악입니다. 여러 음이 동시에 들리면 주파수 스펙트럼에서 고조파가 겹치고 흐릿해지기 때문에 단일 C와 G를 더 큰 단일 음에서 분리하기 어려울 수 있습니다. 최신 시스템은 오디오를 mel-spectrogram 또는 Constant-Q Transform과 같은 시간-주파수 표현으로 변환한 다음 심층 신경망을 사용하여 음표 시작, 오프셋 및 피치를 예측합니다. Google의 Onsets and Frames 모델은 피아노 전사의 랜드마크였으며 MT3와 같은 최신 트랜스포머 모델은 여러 악기를 한 번에 전사합니다.
기술적 통찰력
핵심 통찰력은 시작 감지를 프레임 수준 피치 감지와 분리하는 것입니다. Onsets 및 Frames와 같은 모델은 하나의 네트워크 헤드를 사용하여 음표가 시작되는 정확한 순간(날카롭고 에너지 넘치는 이벤트)을 찾아내고 다른 하나는 각 프레임에서 어떤 음조가 들리는지 추적합니다. 그런 다음 시작 예측은 프레임 출력을 게이트화하여 가짜 노트를 대폭 줄입니다. Constant-Q 변환은 주파수 빈의 간격을 대수적으로 지정하여 음악 피치가 한 옥타브 간격으로 배치되는 방식과 일치하므로 도움이 됩니다.
전략적 영향
접근 및 도달
전사, 내레이션, 음성 인터페이스를 통해 접근성을 향상시킵니다.
비용 및 예산
미디어 팀은 더 적은 예산으로 세련된 오디오를 더 빠르게 출시할 수 있습니다.
속도와 규모
고객 대면 시스템은 음성 상호 작용을 더 큰 규모로 처리할 수 있습니다.
자동 음악 편곡의 미래
AMT는 솔로 피아노에서 드럼, 보컬, 벤드 및 비브라토와 같은 표현 기술을 포함하여 안정적인 다중 악기 및 전체 밴드 전사로 전환하고 있습니다. 대규모 합성 및 정렬 데이터 세트에 대해 훈련된 Transformer 아키텍처가 격차를 줄이고 있습니다. 소스 분리, 라이브 공연을 위한 실시간 녹음, 메모뿐만 아니라 마이크로 타이밍과 다이내믹을 캡처하는 도구와의 더욱 긴밀한 통합을 기대하세요. 장기적인 목표는 모든 녹음을 편집 가능하고 사람이 읽을 수 있는 악보로 바꾸는 시스템입니다.
실제 구현
음악가가 노래를 귀로 학습할 수 있도록 MP3 녹음을 편집 가능한 악보로 변환하는 AnthemScore 및 유사 앱
프로듀서가 DAW에서 연주를 다시 음성화하거나 퀀타이즈할 수 있도록 피아노 녹음에서 MIDI 추출
학생이 연주한 음표를 점수와 비교하여 잘못되었거나 누락된 음표를 표시하는 음악 교육 도구
분석을 위해 역사적인 녹음이나 즉석 녹음(예: 재즈 솔로)을 표기법으로 옮기는 음악학자
위험 및 가드레일
동의가 없으면 음성 오용 및 명의 도용 위험이 높아집니다.
악센트, 방언 또는 시끄러운 환경에서는 정확도가 떨어질 수 있습니다.
합성 오디오는 명확한 라벨링이 없으면 실제 음성으로 오인될 수 있습니다.
구현 로드맵
음성 캡처, 복제 및 재사용에 대한 명시적인 동의를 얻습니다.
다양한 화자와 배경 조건에서 품질을 테스트합니다.
사람이 출력을 검토하거나 승인해야 하는 시기를 정의합니다.
합성 오디오에 라벨을 붙이고 책임을 묻기 위해 출처 기록을 보관하세요.
계속 탐색하세요
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Automatic Music Transcription quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
다음 가이드
상징적 음악 세대
자주 묻는 질문
What is Automatic Music Transcription?
AMT(자동 음악 전사)는 음악의 원시 오디오 녹음을 악보, MIDI 또는 피아노 롤과 같은 기호 표기법으로 변환합니다. 오디오 AI의 가장 어려운 문제 중 하나를 해결합니다. 즉, 한 번에 재생되는 여러 개의 겹치는 음표를 풀어내는 것입니다.
자동 음악 녹음은 주로 무엇을 출력합니까?
AMT는 오디오 녹음을 MIDI, 피아노 롤 또는 연주된 음표를 설명하는 악보와 같은 기호 표기법으로 변환합니다.
다성 음악이 특히 전사하기 어려운 이유는 무엇입니까?
여러 개의 음이 동시에 들리면 화음이 겹쳐서 어떤 개별 음조가 존재하는지 분리하기가 어렵습니다.
Google의 Onsets 및 Frames 모델에서 주목할만한 점은 무엇입니까?
Onsets 및 Frames는 하나의 헤드를 사용하여 정확한 음표 시작을 감지하고 다른 헤드를 사용하여 지속적인 피치를 감지했으며 시작은 프레임 출력을 제어합니다.
Constant-Q Transform이 음악에 유용한 이유는 무엇입니까?
음악적 음높이는 대수적으로(주파수가 옥타브 두 배) 간격을 두고 있으며, CQT의 로그 간격 빈은 이에 맞춰 자연스럽게 정렬됩니다.
전사에서 '시작'은 무엇을 의미하나요?
시작은 음표가 시작되는 날카롭고 활력이 넘치는 순간으로, 지속보다 정확하게 위치를 파악하기가 더 쉽습니다.