Transformers를 사용한 음악 태깅
음악 태깅은 변환기 모델을 사용하여 노래를 듣고 장르, 분위기, 악기 및 템포와 같은 설명 레이블을 예측합니다.
개요
It powers search, recommendation, and auto-organization across huge music catalogs.
심층 분석
음악 자동 태그 지정은 다중 레이블 분류 문제입니다. 하나의 트랙이 동시에 '록', '에너제틱', '기타' 및 '악기'일 수 있습니다. Transformer는 Vision Transformer가 이미지 패치를 처리하는 것처럼 오디오를 스펙트로그램(시간-주파수 이미지)으로 변환하고 self-attention 레이어를 통해 패치를 공급하여 이 문제를 해결합니다. AST(Audio Spectrogram Transformer) 및 MERT와 같은 모델은 전체 트랙에서 장거리 패턴을 학습하여 코러스가 몇 분 간격으로 구절과 어떻게 관련되는지 캡처합니다. 많은 사람들이 레이블이 지정되지 않은 수백만 개의 클립에 대해 사전 학습된 자체 감독을 받은 다음 MagnaTagATune 또는 Million Song 데이터 세트와 같은 태그가 지정된 데이터 세트에서 미세 조정됩니다. 태그는 상호 배타적이지 않기 때문에 최종 레이어는 평균 정밀도 및 ROC-AUC와 같은 벤치마크에 대해 점수가 매겨진 시그모이드 출력을 사용합니다.
기술적 통찰력
원시 오디오는 Log-Mel 스펙트로그램으로 변환되고, 겹치는 패치로 분할되며, 위치 인코딩으로 선형적으로 포함됩니다. Self Attention을 사용하면 모든 패치가 다른 패치에 가중치를 부여하므로 멀리 떨어진 음악 이벤트가 각 태그에 영향을 줍니다. 단일 레이블 이미지 분류기와 달리 음악 태깅은 레이블이 동시에 발생하므로 하나의 소프트맥스가 아닌 태그당 시그모이드를 적용합니다. 자체 감독 사전 훈련(마스킹된 오디오 토큰 예측)은 더 작은 레이블이 지정된 세트를 미세 조정하기 전에 강력한 표현을 제공합니다.
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.
Transformers를 사용한 음악 태깅의 미래
태깅은 자연어 이해와 융합되어 고정된 장르 버튼 대신 '공부용 비닐 크래클이 포함된 몽환적인 로파이'를 검색할 수 있습니다. CLAP과 같은 대조 오디오-텍스트 모델은 음악과 설명을 한 공간에 정렬하여 교육에서는 볼 수 없었던 제로샷 태그를 가능하게 합니다. 더 풍부하고 세분화된 라벨, 더 나은 퓨전 장르 처리, 개인정보 보호를 위한 기기 내 태그 지정 등을 기대하세요. 저작권이 있는 카탈로그에 대한 훈련에 관한 권리 및 귀속 논쟁은 이러한 모델이 사용할 수 있는 데이터를 결정합니다.
실제 구현
스트리밍 서비스에서 '집중' 또는 '운동' 재생 목록을 구축할 수 있도록 장르 및 분위기 태그 자동 생성
동기화 라이선스를 검색하는 비디오 편집자를 위해 음악 라이브러리에 '경쾌한 어쿠스틱 기타' 트랙 표시
사용자가 명시적으로 평가한 것 이상으로 음향적으로 유사한 노래를 찾는 추천 엔진 강화
감지된 악기, 키, 템포를 기준으로 프로듀서의 샘플 컬렉션을 자동으로 구성
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 Music Tagging with Transformers 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
음악 자동 태그 지정
자주 묻는 질문
What is Music Tagging with Transformers?
음악 태깅은 변환기 모델을 사용하여 노래를 듣고 장르, 분위기, 악기 및 템포와 같은 설명 레이블을 예측합니다. 대규모 음악 카탈로그 전반에 걸쳐 검색, 추천 및 자동 구성 기능을 제공합니다.
음악 태그 지정이 다중 레이블 문제로 처리되는 이유는 무엇입니까?
노래는 록, 에너제틱, 기타 중심의 노래를 동시에 들을 수 있으므로 하나의 트랙에 여러 태그가 적용됩니다.
변환기 태거는 일반적으로 어떤 입력 표현을 사용합니까?
오디오는 시간-주파수 스펙트로그램으로 변환된 다음 이미지 패치와 같은 self-attention을 통해 패치되고 공급됩니다.
음악 태깅 모델이 하나의 소프트맥스 대신 태그당 시그모이드 출력을 사용하는 이유는 무엇입니까?
Softmax는 확률을 1로 합산합니다(단일 선택). 시그모이드는 각 태그가 독립적으로 true가 되도록 합니다.
MERT와 같은 모델에 대한 자기 감독 사전 학습의 역할은 무엇입니까?
레이블이 지정되지 않은 대규모 말뭉치에 대한 마스크된 오디오 예측에 대한 사전 훈련은 나중에 태그가 지정된 데이터에 대해 미세 조정된 표현을 구축합니다.
음악 태거를 미세 조정하고 벤치마킹하는 데 일반적으로 사용되는 데이터 세트는 무엇입니까?
MagnaTagATune 및 Million Song Dataset은 표준 태그가 지정된 음악 벤치마크입니다. MNIST와 ImageNet은 이미지 세트입니다.