Kuweka Tagi kwa Muziki kwa kutumia Transfoma
Uwekaji lebo ya muziki hutumia miundo ya kibadilishaji sauti ili kusikiliza wimbo na kutabiri lebo za maelezo kama vile aina, hali, ala na tempo.
Muhtasari
It powers search, recommendation, and auto-organization across huge music catalogs.
Dive ya kina
Uwekaji lebo kiotomatiki wa muziki ni tatizo la uainishaji wa lebo nyingi: wimbo mmoja unaweza kuwa 'rock,' 'energetic,' 'guitar,' na 'instrumental' kwa wakati mmoja. Transfoma hukabiliana nayo kwa kugeuza sauti kuwa spectrogramu (picha ya masafa ya saa) na kulisha viraka kupitia tabaka za kujiangalia, kama vile Kibadilishaji Maono hushughulikia mabaka ya picha. Miundo kama vile Kibadilishaji Sauti cha Spectrogram (AST) na MERT hujifunza ruwaza za masafa marefu kwenye wimbo mzima, na kurekodi jinsi kwaya inavyohusiana na mstari kwa dakika. Nyingi zimejizoeza tayari kujisimamia kwenye mamilioni ya klipu zisizo na lebo, kisha kusawazishwa vyema kwenye seti za data zilizotambulishwa kama MagnaTagATune au Seti ya Data ya Nyimbo Milioni. Kwa sababu lebo hazitenganishwi, safu ya mwisho hutumia matokeo ya sigmoid yaliyowekwa alama dhidi ya alama kama vile wastani wa wastani wa usahihi na ROC-AUC.
Ufahamu wa Kiufundi
Sauti mbichi inabadilishwa kuwa spekrogramu ya log-Mel, kugawanywa katika viraka vinavyopishana, na kupachikwa kimstari kwa usimbaji wa nafasi. Kujizingatia huruhusu kila kiraka kupima kila kiraka kingine, kwa hivyo matukio ya mbali ya muziki huathiri kila lebo. Tofauti na viainishaji picha vya lebo moja, uwekaji tagi wa muziki hutumika sigmoid kwa kila lebo badala ya softmax moja, kwa kuwa lebo hutokea pamoja. Mazoezi ya awali ya kujisimamia (kutabiri tokeni za sauti zilizofichwa) hutoa uwakilishi thabiti kabla ya kurekebisha vyema seti ndogo zilizo na lebo.
Athari za kimkakati
Kufikia na kufikia
Huboresha ufikiaji kupitia manukuu, simulizi na violesura vya sauti.
Cost and budget
Timu za media zinaweza kusafirisha sauti iliyoboreshwa haraka na bajeti ndogo.
Kasi na kiwango
Mifumo inayowakabili wateja inaweza kuchakata mwingiliano wa mazungumzo kwa kiwango kikubwa.
Mustakabali wa Kuweka Tagi kwa Muziki na Transfoma
Kuweka tagi kunaunganishwa na uelewaji wa lugha asilia ili uweze kutafuta 'dreamy lo-fi na vinyl crackle kwa ajili ya kusoma' badala ya vitufe vya aina zisizobadilika. Miundo pinzani ya maandishi ya sauti kama vile CLAP pangilia muziki na maelezo katika nafasi moja, kuwezesha lebo za picha sifuri ambazo hazijawahi kuonekana kwenye mafunzo. Tarajia lebo tajiri zaidi, zenye punjepunje zaidi, utunzaji bora wa aina za mchanganyiko, na uwekaji lebo kwenye kifaa kwa faragha. Mijadala ya haki na maelezo kuhusu mafunzo kuhusu katalogi zilizo na hakimiliki itaunda data ambayo miundo hii inaweza kutumia.
Utekelezaji wa Ulimwengu Halisi
Aina na lebo za hisia zinazojitengeneza kiotomatiki ili huduma za utiririshaji ziweze kuunda orodha za kucheza za 'kuzingatia' au 'mazoezi'
Kuruhusu maktaba za muziki kuonyesha nyimbo za 'upbeat acoustic guitar' kwa wahariri wa video wanaotafuta leseni ya kusawazisha.
Injini za mapendekezo zinazotumia nguvu zinazopata nyimbo zinazofanana zaidi ya zile ambazo watumiaji walikadiria waziwazi
Kupanga mkusanyiko wa sampuli ya mtayarishaji kwa chombo kilichotambuliwa, ufunguo na tempo moja kwa moja
Hatari & Walinzi
Hatari za matumizi mabaya ya sauti na uigaji huongezeka wakati kibali kinakosekana.
Usahihi unaweza kushuka katika lafudhi, lahaja au mazingira yenye kelele.
Sauti ya syntetisk inaweza kudhaniwa kimakosa kuwa usemi halisi bila kuweka lebo wazi.
Ramani ya Utekelezaji
Pata idhini ya moja kwa moja ya kunasa sauti, kuunda na kutumia tena.
Jaribu ubora kwenye spika na hali mbalimbali za usuli.
Bainisha wakati ni lazima binadamu akague au aidhinishe matokeo.
Weka lebo sauti ya sintetiki na uhifadhi rekodi za asili kwa uwajibikaji.
Endelea Kuchunguza
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
Mwongozo unaofuata
Kuweka lebo Kiotomatiki kwa Muziki
Maswali yanayoulizwa mara kwa mara
What is Music Tagging with Transformers?
Uwekaji lebo ya muziki hutumia miundo ya kibadilishaji sauti ili kusikiliza wimbo na kutabiri lebo za maelezo kama vile aina, hali, ala na tempo. Huwezesha utafutaji, mapendekezo, na kupanga kiotomatiki katika katalogi kubwa za muziki.
Kwa nini uwekaji lebo wa muziki unachukuliwa kuwa tatizo la lebo nyingi?
Wimbo unaweza kuwa wa roki, wenye nguvu na unaoendeshwa kwa gita kwa wakati mmoja, kwa hivyo lebo nyingi hutumika kwenye wimbo mmoja.
Ni uwakilishi gani wa pembejeo ambao vitambulisho vya transfoma kawaida hutumia?
Sauti hubadilishwa kuwa spectrogramu ya masafa ya saa, kisha hutiwa viraka na kulishwa kupitia uangalizi wa kibinafsi kama viraka vya picha.
Kwa nini mifano ya kuweka lebo ya muziki hutumia pato la sigmoid kwa kila lebo badala ya laini moja?
Softmax inalazimisha uwezekano wa kujumlisha moja (chaguo moja); sigmoid huruhusu kila lebo kuwa kweli kwa kujitegemea.
Je, ni jukumu gani la mafunzo ya awali ya kujisimamia kwa wanamitindo kama MERT?
Kujizoeza mapema juu ya utabiri wa sauti iliyofichwa juu ya shirika kubwa lisilo na lebo hutengeneza viwakilishi vinavyorekebishwa baadaye kwenye data iliyotambulishwa.
Je, ni mkusanyiko gani wa data unaotumiwa kwa kawaida kusawazisha na kuweka alama za lebo za muziki?
MagnaTagATune na Seti ya Data ya Nyimbo Milioni ni alama za kawaida za muziki zilizowekwa lebo; MNIST na ImageNet ni seti za picha.