Orin Auto-Tagging
Ifi aami-laifọwọyi orin nlo ẹkọ ẹrọ lati tẹtisi orin kan ati ki o so awọn aami apejuwe laifọwọyi gẹgẹbi oriṣi, iṣesi, awọn ohun elo, ati tẹmpo.
Akopọ
It powers the search, recommendation, and organization features behind every major streaming service.
Jin Dive
Ifi aami-laifọwọyi orin ṣe itọju isamisi bi iṣoro isọdi aami-pupọ: orin kan le jẹ 'apata', 'agbara', ati 'iwakọ gita' ni ẹẹkan. Awọn ọna ṣiṣe ti ode oni ṣe iyipada ohun aise sinu mel-spectrogram (aworan igbohunsafẹfẹ-akoko ti ohun) ati ifunni nipasẹ iṣọn-ọrọ tabi nẹtiwọọki ti o da lori ẹrọ iyipada ti o kọ ẹkọ lori awọn iwe data bii MagnaTagaTune, Dataset Song Milionu, tabi MTG-Jamendo. Awoṣe naa ṣe agbejade iṣeeṣe fun tag kọọkan ti o ṣeeṣe. Nitoripe awọn aami ti eniyan ti n pariwo ati pe ko pe, ikẹkọ jẹ nija, ati pe awọn aami ko ni iwọntunwọnsi. Egungun ẹhin kanna n pọ si lati awọn awoṣe ohun afetigbọ ti ara ẹni, nitorinaa aṣoju kan n ṣe ifunni fifi aami si, iṣeduro, ati wiwa ibajọra dipo kikọ awoṣe lọtọ fun aami kọọkan.
Imọ-imọ-ẹrọ
Awọn iwe ohun ti wa ni pin si kukuru agbekọja awọn fireemu, yipada nipasẹ Kukuru-Time Fourier Yipada, ati ki o ya aworan pẹlẹpẹlẹ awọn mel asekale ti o fara wé eda eniyan ipolowo Iro. CNN kan ka spectrogram yii bi aworan, awọn asẹ ikẹkọ fun awọn ilana ibaramu, ilu, ati timbre. Layer ikẹhin nlo awọn iṣiṣẹ sigmoid (kii ṣe softmax) nitori awọn afi jẹ ominira ati ti kii ṣe iyasọtọ, ati pe o jẹ iṣapeye pẹlu alakomeji agbelebu-entropy kọja awọn ọgọọgọrun awọn aami ti o ṣeeṣe.
Ipa Ilana
Wiwọle ati arọwọto
O ṣe ilọsiwaju iraye si nipasẹ transcription, alaye, ati awọn atọkun ohun.
Iye owo ati isuna
Awọn ẹgbẹ Media le firanṣẹ ohun didan yiyara pẹlu awọn isuna-owo kekere.
Iyara ati iwọn
Awọn ọna ṣiṣe ti nkọju si alabara le ṣe ilana awọn ibaraẹnisọrọ sisọ ni iwọn nla.
Ojo iwaju ti Orin Auto-Tagging
Ifi aami-laifọwọyi n yipada si ọna ṣiṣi-ọrọ, awọn ọna ṣiṣe ibeere ọrọ ti a ṣe lori awọn awoṣe ede ohun bii CLAP, nibiti awọn olumulo ti n wa 'orin synth ala-ala fun ikẹkọ’ laisi awọn ami asọye tẹlẹ. Reti isọdọkan wiwọ pẹlu awọn irinṣẹ orin ti ipilẹṣẹ, mimu to dara julọ ti awọn oriṣi toje ati orin ti kii ṣe Iwọ-oorun, ati fifi aami si ẹrọ fun aṣiri. Awọn awoṣe ifọrọwewe ti o kọ awọn apejuwe ede-adada ni kikun ti orin kan, dipo awọn ami iyasọtọ, jẹ aala atẹle.
Real-World imuse
Spotify ati awọn iṣẹ ti o jọra fifi aami si awọn agbesoke titun pẹlu oriṣi ati iṣesi si agbara awọn iṣeduro ara 'Ṣawari Ọsẹ'
Awọn ile-ikawe iṣelọpọ-orin jẹ ki awọn olutọsọna fidio ṣe àlẹmọ awọn miliọnu awọn orin ọja nipa ‘igbega ile-iṣẹ’ tabi ‘cinematic tense’
Sọfitiwia DJ n ṣe awari BPM, bọtini, ati agbara ni aifọwọyi ki awọn orin le ṣe lẹsẹsẹ ati ki o lu ni adaṣe laifọwọyi
Awọn iru ẹrọ gbigba iwe-aṣẹ orin fifi aami si ohun elo ati iṣesi lati baramu awọn orin si awọn kukuru ipolowo
Awọn ewu & Awọn ọna iṣọ
ilokulo ohun ati awọn ewu afarawe ṣe pọ si nigbati igbanilaaye ba sonu.
Yiye le ju silẹ kọja awọn asẹnti, awọn ede-ede, tabi awọn agbegbe alariwo.
Ohun afetigbọ sintetiki le jẹ aṣiṣe fun ọrọ ododo laisi isamisi to yege.
Ilana Ilana imuse
Gba ifọkansi ti o fojuhan fun gbigba ohun, ti ẹda, ati ilotunlo.
Didara idanwo kọja awọn agbohunsoke oniruuru ati awọn ipo abẹlẹ.
Ṣetumo nigbati eniyan gbọdọ ṣe atunyẹwo tabi fọwọsi awọn abajade.
Aami ohun sintetiki ki o tọju awọn igbasilẹ provenance fun iṣiro.
Tesiwaju Ṣiṣawari
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 Auto-Tagging 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
Itọsọna atẹle
Ifi aami orin pẹlu Ayirapada
Awọn ibeere ti a beere nigbagbogbo
What is Music Auto-Tagging?
Ifi aami-laifọwọyi orin nlo ẹkọ ẹrọ lati tẹtisi orin kan ati ki o so awọn aami apejuwe laifọwọyi gẹgẹbi oriṣi, iṣesi, awọn ohun elo, ati tẹmpo. O ṣe agbara wiwa, iṣeduro, ati awọn ẹya agbari lẹhin gbogbo iṣẹ ṣiṣanwọle pataki.
Kini idi ti fifi aami-laifọwọyi orin ṣe lo awọn iṣẹ ṣiṣe sigmoid ninu ipele iṣelọpọ rẹ dipo softmax?
Ifi aami aifọwọyi jẹ aami-pupọ: orin kan le jẹ 'apata', 'agbara', ati 'guitar' nigbakanna, nitorinaa aami kọọkan nilo iṣeeṣe ominira tirẹ nipasẹ sigmoid.
Aṣoju igbewọle wo ni ọpọlọpọ awọn awoṣe fifi aami-ifọwọsi adaṣe jẹ ifunni sinu nẹtiwọọki nkankikan wọn?
Audio jẹ iyipada deede si mel-spectrogram, aworan igbohunsafẹfẹ-akoko ti CNN le ṣe ilana bii aworan kan.
Kini idi ti iwọn mel ti lo dipo iwọn igbohunsafẹfẹ laini itele?
Iwọn mel ni aaye awọn igbohunsafẹfẹ lati baamu akiyesi ipolowo eniyan, fifun ipinnu diẹ sii si awọn igbohunsafẹfẹ kekere ti eti wa ni abojuto pupọ julọ.
Kini ipenija nla nigbati ikẹkọ awọn awoṣe fifi aami-laifọwọyi lori awọn ipilẹ data-aye gidi?
Awọn afi ti awọn eniyan ti o ni orisun ko ni ibamu ati pe ọpọlọpọ awọn afi ti o wulo ti nsọnu, ati pe diẹ ninu awọn afi han ni igbagbogbo ju awọn miiran lọ, ṣiṣe ikẹkọ le.
Eto data wo ni a lo nigbagbogbo lati ṣe ikẹkọ ati ala-ilẹ orin awọn ọna ṣiṣe fifi aami si aifọwọyi?
MagnaTagATune, pẹlu Milionu Song Dataset ati MTG-Jamendo, jẹ aami ipilẹ fun fifi aami si orin. ImageNet jẹ fun awọn aworan, SQuAD fun ọrọ QA, ati LibriSpeech fun ọrọ sisọ.