Phân loại thể loại âm nhạc
Phân loại thể loại âm nhạc là nhiệm vụ dạy máy tính nghe một bài hát và dự đoán phong cách của nó - rock, jazz, hip-hop, cổ điển.
Tổng quan
It powers playlist curation, recommendation, and music library organization at massive scale.
Lặn sâu
Phân loại thể loại âm nhạc biến âm thanh thô thành nhãn thể loại. Các hệ thống ban đầu tạo ra các tính năng thủ công như hệ số cestral tần số Mel (MFCC), trọng tâm quang phổ, tốc độ xuyên 0 và nhịp độ, sau đó đưa chúng đến các bộ phân loại như máy vectơ hỗ trợ. Bộ dữ liệu GTZAN nổi tiếng (1.000 clip dài 30 giây thuộc 10 thể loại) đã trở thành tiêu chuẩn chuẩn, mặc dù hiện tại nó bị chỉ trích vì gắn nhãn sai cho các bản nhạc và sự lặp lại của nghệ sĩ. Các phương pháp học sâu hiện đại chuyển đổi âm thanh thành hình ảnh mel-spectrogram và huấn luyện mạng lưới thần kinh tích chập hoặc sử dụng mô hình biến áp và tái phát để đọc chuỗi khung âm thanh. Thách thức cốt lõi là thể loại này rất mờ nhạt và mang tính văn hóa — một bài hát duy nhất có thể là 'indie folk-rock' và ranh giới giữa các thể loại phụ mờ nhạt, khiến ngay cả con người cũng không thể có được độ chính xác hoàn hảo.
Hiểu biết kỹ thuật
Hầu hết các bộ phân loại hiện đại không hoạt động trực tiếp trên dạng sóng thô. Đầu tiên, họ tính toán biểu đồ mel - một hình ảnh tần số thời gian trong đó trục tung sử dụng thang đo mel cảm nhận phù hợp với độ nhạy cao độ của con người. Sau đó, CNN sẽ chiếu các bộ lọc đã học lên hình ảnh này, phát hiện các mẫu như tiếng gõ đột ngột của trống hoặc các chuỗi hòa âm của những cây đàn guitar bị méo. Mạng tổng hợp các tính năng này và lớp softmax đưa ra xác suất giữa các loại thể loại, chọn mức cao nhất.
Tác động chiến lược
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.
Tương lai của phân loại thể loại âm nhạc
Lĩnh vực này đang chuyển từ các nhãn cứng đơn lẻ sang gắn thẻ nhiều nhãn và dựa trên nhúng, trong đó bản nhạc có sự kết hợp nhẹ nhàng giữa các phong cách cùng với thẻ tâm trạng, nhạc cụ và thời đại. Các mô hình âm thanh tự giám sát được huấn luyện trước trên hàng triệu bài hát chưa được gắn nhãn (như nhúng văn bản-âm thanh theo kiểu CLAP) đang giảm nhu cầu về dữ liệu được gắn nhãn thủ công và cho phép truy vấn thể loại không cần ghi nhãn bằng văn bản thuần túy. Mong đợi sự tích hợp chặt chẽ hơn với các hệ thống khuyến nghị và các nguyên tắc phân loại nhận thức về mặt văn hóa tôn trọng các thể loại vi mô mới nổi và khu vực.
Triển khai trong thế giới thực
Các bản nhạc tự động gắn thẻ Spotify và Apple Music để xây dựng các đài phát thanh thể loại và đề xuất theo phong cách 'Khám phá hàng tuần'.
Thư viện cấp phép âm nhạc cho phép các nhà làm phim tìm kiếm kho nhạc theo thể loại, tâm trạng và nhịp độ cho quảng cáo và nhạc phim.
Phần mềm DJ tự động nhóm bộ sưu tập nhạc theo thể loại và BPM để đề xuất các bản nhạc tương thích để trộn.
Công cụ phân tích phát trực tuyến theo dõi mức độ phổ biến của thể loại thay đổi theo thời gian và giữa các khu vực đối với các hãng thu âm.
Rủi ro & lan can
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.
Lộ trình thực hiện
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
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 Genre Classification 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
Hướng dẫn tiếp theo
Truy xuất thông tin âm nhạc
Câu hỏi thường gặp
What is Music Genre Classification?
Phân loại thể loại âm nhạc là nhiệm vụ dạy máy tính nghe một bài hát và dự đoán phong cách của nó - rock, jazz, hip-hop, cổ điển. Nó hỗ trợ việc quản lý danh sách phát, đề xuất và tổ chức thư viện âm nhạc ở quy mô lớn.
Mel-Spectrogram thường được sử dụng làm đầu vào cho mạng lưới thần kinh phân loại thể loại là gì?
Biểu đồ mel thể hiện cách năng lượng ở các tần số khác nhau thay đổi theo thời gian, với trục tần số bị biến dạng theo thang mel phù hợp với nhận thức cao độ của con người.
Tập dữ liệu điểm chuẩn cổ điển nào chứa 1.000 clip dài 30 giây thuộc 10 thể loại?
GTZAN, do George Tzanetakis tập hợp, từ lâu đã trở thành chuẩn mực phân loại thể loại tiêu chuẩn, mặc dù hiện tại nó bị chỉ trích vì gắn nhãn sai và lặp lại nghệ sĩ.
Tại sao việc đạt được độ chính xác phân loại thể loại hoàn hảo về cơ bản lại khó khăn?
Thể loại là một khái niệm mờ nhạt, mang tính văn hóa; các bài hát hòa trộn các phong cách và bản thân con người cũng không đồng ý về nhãn hiệu, vì vậy thường không tồn tại một câu trả lời đúng duy nhất.
Đặc điểm thủ công nào được sử dụng rộng rãi trong hệ thống phân loại thể loại ban đầu?
MFCC ghi lại hình dạng quang phổ, âm sắc của âm thanh và là tính năng chính cho các bộ phân loại như SVM trước khi học sâu.
Lớp softmax ở cuối bộ phân loại thể loại tạo ra cái gì?
Softmax chuyển đổi điểm thô của mạng thành xác suất có tổng bằng một trên tất cả các loại thể loại và điểm cao nhất được chọn làm dự đoán.