Tiếp theoHướng dẫn tiếp theo
Thế hệ âm nhạc tượng trưng
AI âm thanh
HƯỚNG DẪN AI âm thanh
Phiên âm nhạc tự động
Phiên âm nhạc tự động (AMT) chuyển đổi bản ghi âm thô của nhạc thành ký hiệu tượng trưng như bản nhạc, MIDI hoặc cuộn piano.
Nghe hướng dẫn nàyAI thuật lại · ~2 min
Trên trang nàyĐọc trong 2 phút
Tổng quan
Nó giải quyết một trong những vấn đề khó khăn nhất trong AI âm thanh: gỡ rối nhiều nốt chồng chéo được phát cùng một lúc.
Lặn sâu
Hệ thống AMT lắng nghe dạng sóng âm thanh và xuất ra các nốt được phát, thời điểm bắt đầu, thời gian tồn tại và đôi khi là nhạc cụ nào phát chúng. Thử thách cốt lõi là tính đa âm: khi nhiều nốt phát ra đồng thời, các hài âm của chúng chồng lên nhau và mờ đi cùng nhau trong phổ tần số, do đó khó có thể tách riêng một nốt C và một nốt G khỏi một nốt lớn hơn. Các hệ thống hiện đại chuyển đổi âm thanh thành dạng biểu diễn tần số thời gian, chẳng hạn như biểu đồ mel-spectrogram hoặc Biến đổi Constant-Q, sau đó sử dụng mạng lưới thần kinh sâu để dự đoán phần khởi động, độ lệch và cao độ của nốt. Mô hình Onsets và Frames của Google là một bước ngoặt cho việc phiên âm đàn piano, trong khi các mẫu máy biến áp mới hơn như MT3 phiên âm nhiều nhạc cụ cùng một lúc.
Triển khai trong thế giới thực
AnthemScore và các ứng dụng tương tự chuyển đổi bản ghi MP3 thành bản nhạc có thể chỉnh sửa để các nhạc sĩ học bài hát bằng tai
Trích xuất MIDI từ bản ghi âm piano để nhà sản xuất có thể lồng tiếng lại hoặc định lượng phần trình diễn trong DAW
Công cụ giáo dục âm nhạc so sánh các nốt đã chơi của học sinh với bản nhạc để đánh dấu các nốt sai hoặc thiếu
Các nhà âm nhạc học ghi lại các bản ghi âm lịch sử hoặc ngẫu hứng (như độc tấu nhạc jazz) thành ký hiệu để phân tích
Tương lai của phiên âm nhạc tự động
AMT đang chuyển từ piano solo sang phiên âm nhiều nhạc cụ và toàn dải đáng tin cậy, bao gồm trống, giọng hát và các kỹ thuật biểu cảm như uốn cong và rung. Kiến trúc máy biến áp được đào tạo trên các bộ dữ liệu tổng hợp và căn chỉnh lớn đang thu hẹp khoảng cách. Mong đợi sự tích hợp chặt chẽ hơn với khả năng phân tách nguồn, chép lời theo thời gian thực cho buổi biểu diễn trực tiếp và các công cụ ghi lại động lực và thời gian vi mô chứ không chỉ ghi chú. Mục tiêu dài hạn là một hệ thống biến mọi bản ghi thành điểm có thể chỉnh sửa và con người có thể đọc được.
Đưa nó vào thực tế
Tại sao nó quan trọng
- Truy cập và tiếp cận. Nó cải thiện khả năng tiếp cận thông qua phiên âm, tường thuật và giao diện giọng nói.
- Chi phí và ngân sách. Các nhóm truyền thông có thể gửi âm thanh tinh tế nhanh hơn với ngân sách nhỏ hơn.
- Tốc độ và tỷ lệ. Các hệ thống hướng tới khách hàng có thể xử lý các tương tác bằng giọng nói ở quy mô lớn hơn.
coi chừng
- Rủi ro lạm dụng giọng nói và mạo danh sẽ tăng lên khi thiếu sự đồng ý.
- Độ chính xác có thể giảm đối với các giọng, phương ngữ hoặc môi trường ồn ào.
- Âm thanh tổng hợp có thể bị nhầm lẫn với lời nói đích thực nếu không có nhãn rõ ràng.
Các bước tiếp theo
- Nhận được sự đồng ý rõ ràng để thu âm, sao chép và tái sử dụng giọng nói.
- Kiểm tra chất lượng trên nhiều loa và điều kiện nền khác nhau.
- Xác định khi nào con người phải xem xét hoặc phê duyệt kết quả đầu ra.
- Dán nhãn âm thanh tổng hợp và lưu giữ hồ sơ xuất xứ để đảm bảo trách nhiệm giải trình.
Tiếp tục khám phá
Bản tin miễn phí
Nhận bản tóm tắt AI hàng ngày
Ba câu chuyện AI đã được xác minh vào mỗi buổi sáng các ngày trong tuần, được viết bằng tiếng Anh đơn giản. Miễn phí mãi mãi, không có quảng cáo.
Một email mỗi ngày trong tuần. Hủy đăng ký trong một cú nhấp chuột. Chúng tôi không bao giờ bán hoặc chia sẻ địa chỉ của bạn.
Tự kiểm tra
Take the Automatic Music Transcription quiz
Phản hồi tức thì về mọi câu trả lời và chứng chỉ có thể chia sẻ với ID có thể xác minh sau khi bạn vượt qua khóa học.
Hỗ trợ giáo dục AI miễn phí. AI Understanding là tổ chức phi lợi nhuận 501(c)(3) — không bao giờ có quảng cáo, không có tường phí. Hãy quyên góp
Câu hỏi thường gặp
Phiên âm nhạc tự động là gì?
Phiên âm nhạc tự động (AMT) chuyển đổi bản ghi âm thô của nhạc thành ký hiệu tượng trưng như bản nhạc, MIDI hoặc cuộn piano. Nó giải quyết một trong những vấn đề khó khăn nhất trong AI âm thanh: gỡ rối nhiều nốt chồng chéo được phát cùng một lúc.
Phiên âm nhạc tự động chủ yếu xuất ra cái gì?
AMT chuyển đổi bản ghi âm thành ký hiệu tượng trưng như MIDI, cuộn piano hoặc bản nhạc mô tả các nốt được chơi.
Tại sao nhạc đa âm lại đặc biệt khó phiên âm?
Khi nhiều nốt phát ra cùng một lúc, các hài âm của chúng chồng lên nhau, khiến việc phân biệt các cao độ riêng lẻ hiện diện trở nên khó khăn.
Điều gì đáng chú ý về mô hình Bộ khởi động và Khung hình của Google?
Bộ khởi động và Khung sử dụng một đầu để phát hiện các bộ ghi chú chính xác và một đầu khác để phát hiện các cao độ được duy trì, với các bộ khởi động kiểm soát đầu ra khung.
Tại sao Constant-Q Transform lại hữu ích cho âm nhạc?
Các cao độ âm nhạc được đặt cách nhau theo logarit (tần số gấp đôi quãng tám) và các khoảng cách bằng log của CQT căn chỉnh một cách tự nhiên với điều này.
'Khởi phát' đề cập đến điều gì trong phiên âm?
Sự khởi đầu là thời điểm sắc nét, tràn đầy năng lượng khi một nốt bắt đầu, dễ xác định chính xác hơn là duy trì nốt đó.
Tiếp tục học hỏi
Hướng dẫn liên quan
Đã chọn thêm hướng dẫn cho chủ đề này