A seguirPróximo guia
TTS FastPitch Pitch controlável
IA de áudio
GUIA de IA de áudio
Estimativa de pitch CREPE
CREPE is a convolutional neural network for estimating fundamental frequency in monophonic audio.
Ouça este guiaNarrado por IA · ~2 min
Nesta página2 minutos de leitura
Visão geral
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.
Mergulho 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.
Implementação no mundo real
Rastreando o tom de um cantor para obter feedback de ajuste em tempo real em aplicativos de treinamento vocal
Condução de ferramentas de ajuste automático e correção de pitch com curvas precisas de frequência fundamental
Transcrever melodias de instrumentos solo em MIDI ou partituras
Analisando entonação e vibrato na educação musical e na pesquisa performática
O futuro da estimativa de pitch 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.
Colocando em prática
Por que isso importa
- Acesso e alcance. Melhora a acessibilidade por meio de transcrição, narração e interfaces de voz.
- Custo e orçamento. As equipes de mídia podem enviar áudio sofisticado com mais rapidez e com orçamentos menores.
- Velocidade e escala. Os sistemas voltados para o cliente podem processar interações faladas em maior escala.
Cuidado com
- Os riscos de uso indevido de voz e falsificação de identidade aumentam quando falta consentimento.
- A precisão pode diminuir em sotaques, dialetos ou ambientes barulhentos.
- O áudio sintético pode ser confundido com fala autêntica sem uma rotulagem clara.
Próximas etapas
- Obtenha consentimento explícito para captura, clonagem e reutilização de voz.
- Teste a qualidade em diversos alto-falantes e condições de fundo.
- Defina quando um ser humano deve revisar ou aprovar os resultados.
- Rotule o áudio sintético e mantenha registros de procedência para fins de prestação de contas.
Continue explorando
Boletim informativo gratuito
Receba o resumo diário de IA
Três histórias verificadas de IA a cada manhã de dia útil, escritas em linguagem simples. Gratuito para sempre, sem anúncios.
Um e-mail a cada dia útil. Cancele a inscrição com um clique. Nunca vendemos ou compartilhamos seu endereço.
Teste você mesmo
Take the CREPE Pitch Estimation quiz
Feedback instantâneo sobre cada resposta e um certificado compartilhável com um ID verificável assim que você concluir um curso.
Apoie a educação gratuita em IA. O AI Understanding é uma organização sem fins lucrativos 501(c)(3) — sem anúncios, sem paywall, nunca. Faça uma doação
Perguntas frequentes
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.
O que o CREPE estima a partir de um sinal de áudio?
O CREPE prevê a frequência fundamental, ou seja, o tom percebido, do áudio monofônico.
CREPE foi projetado principalmente para que tipo de áudio?
O CREPE estima a afinação de sinais monofônicos, como uma única voz ou instrumento solo.
Como o CREPE enquadra internamente a tarefa de estimativa de pitch?
O CREPE gera uma distribuição de probabilidade em 360 caixas de pitch, tratando a estimativa como classificação.
O que o CREPE considera como contribuição direta?
Ao contrário dos métodos baseados em espectrograma, o CREPE opera em quadros de formas de onda brutas através de camadas convolucionais.
Aproximadamente a que distância estão as caixas de arremesso do CREPE?
CREPE usa 360 compartimentos espaçados de 20 centavos entre si, proporcionando resolução de subsemitom em cerca de seis oitavas.
Continue aprendendo
Guias relacionados
Mais guias escolhidos para este tópico