ٹرانسفارمرز کے ساتھ میوزک ٹیگنگ

It powers search, recommendation, and auto-organization across huge music catalogs.

میوزک آٹو ٹیگنگ ایک ملٹی لیبل کی درجہ بندی کا مسئلہ ہے: ایک ٹریک 'راک،' 'جوش بخش،' 'گٹار،' اور 'انسٹرومینٹل' ایک ساتھ ہوسکتا ہے۔ ٹرانسفارمرز آڈیو کو سپیکٹروگرام (ایک ٹائم فریکوئنسی امیج) میں تبدیل کرکے اور خود توجہ کی تہوں کے ذریعے اس کے پیچ کو فیڈ کرکے اس سے نمٹتے ہیں، بالکل اسی طرح جیسے ویژن ٹرانسفارمر تصویری پیچ کا علاج کرتا ہے۔ آڈیو سپیکٹروگرام ٹرانسفارمر (AST) اور MERT جیسے ماڈلز پورے ٹریک میں طویل فاصلے کے نمونے سیکھتے ہیں، اس بات کو پکڑتے ہیں کہ ایک کورس کا تعلق ایک آیت سے منٹوں کے فاصلے سے کیسے ہوتا ہے۔ بہت سے لوگوں کو لاکھوں بغیر لیبل والے کلپس پر پہلے سے تربیت دی گئی خود نگرانی کی جاتی ہے، پھر MagnaTagATune یا ملین سونگ ڈیٹاسیٹ جیسے ٹیگ کردہ ڈیٹا سیٹس پر ٹھیک ٹیون کیا جاتا ہے۔ چونکہ ٹیگز باہمی طور پر مخصوص نہیں ہوتے ہیں، اس لیے آخری پرت میں اوسط درستگی اور ROC-AUC جیسے بینچ مارکس کے خلاف اسکور کیے گئے سگمائڈ آؤٹ پٹس کا استعمال ہوتا ہے۔