ДаліНаступний посібник
FastPitch Pitch-Controlled TTS
Аудіо AI
Аудіо AI GUIDE
Оцінка кроку КРЕП
CREPE is a convolutional neural network for estimating fundamental frequency in monophonic audio.
Послухайте цей посібникШІ-розказаний · ~2 min
На цій сторінці2 хвилини читання
Огляд
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.
Глибоке занурення
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.
Реалізація в реальному світі
Відстеження висоти співака для зворотного зв’язку в режимі реального часу в програмах для навчання вокалу
Керування інструментами автонастроювання та корекції висоти тону з точними кривими основної частоти
Транскрибування мелодій сольних інструментів у MIDI або ноти
Аналіз інтонації та вібрато в музичній освіті та виконавських дослідженнях
Майбутнє оцінки кроку 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.
Застосування на практиці
Чому це важливо
- Доступ і охоплення. Це покращує доступність завдяки транскрипції, дикторському тексту та голосовому інтерфейсу.
- Вартість і бюджет. Медіа-команди можуть доставляти якісний аудіо швидше за менші бюджети.
- Швидкість і масштаб. Системи, орієнтовані на клієнта, можуть обробляти голосову взаємодію у більшому масштабі.
Зверніть увагу на
- Ризик неправильного використання голосу та видавання себе за іншу особу зростає, якщо згоди немає.
- Точність може впасти через акценти, діалекти чи шумне середовище.
- Синтетичне аудіо можна прийняти за автентичне мовлення без чіткого маркування.
Наступні кроки
- Отримайте чітку згоду на захоплення голосу, клонування та повторне використання.
- Перевірте якість на різних динаміках і фонових умовах.
- Визначте, коли людина повинна переглядати або затверджувати результати.
- Позначайте синтетичне аудіо та зберігайте записи про походження для підзвітності.
Продовжуйте досліджувати
Безплатний розсилок
Отримуйте щоденне зведення новин про ШІ
Три перевірені історії про ШІ щоробочого ранку, написані простою мовою. Безплатно назавжди, без реклами.
Один лист щотижня з понеділка по п'ятницю. Відписатися в один клік. Ми ніколи не продаємо та не передаємо вашу адресу.
Перевір себе
Take the CREPE Pitch Estimation quiz
Миттєва зворотна связь на кожну відповідь та сертифікат із перевіреним ідентифікатором, яким можна поділитися, після проходження курсу.
Підтримайте безплатну освіту у сфері ШІ. AI Understanding — це некомерційна організація 501(c)(3) — без реклами, без платних стін, назавжди. Зробіть пожертву
Часті запитання
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.
Що оцінює CREPE за аудіосигналом?
CREPE передбачає основну частоту, тобто висоту звуку, що сприймається, монофонічного звуку.
Для якого типу аудіо в першу чергу призначений CREPE?
CREPE оцінює висоту для монофонічних сигналів, таких як один голос або сольний інструмент.
Як CREPE створює внутрішнє завдання оцінки висоти?
CREPE виводить розподіл ймовірностей на 360 ділянок кроку, розглядаючи оцінку як класифікацію.
Що CREPE приймає як безпосередній внесок?
На відміну від методів на основі спектрограм, CREPE працює з необробленими кадрами сигналу через згорткові шари.
На якій приблизній відстані один від одного знаходяться бункери CREPE?
CREPE використовує 360 бункерів, розташованих на відстані 20 центів один від одного, що забезпечує роздільну здатність до півтону приблизно на шість октав.
Продовжуйте вчитися
Пов'язані посібники
Інші посібники, вибрані для цієї теми