Ifi aami orin pẹlu Ayirapada
Ifiṣamisi orin nlo awọn awoṣe oluyipada lati tẹtisi orin kan ati asọtẹlẹ awọn aami ijuwe bii oriṣi, iṣesi, awọn ohun elo, ati tẹmpo.
Akopọ
O ṣe agbara wiwa, iṣeduro, ati agbari aifọwọyi kọja awọn katalogi orin nla.
Jin Dive
Ifi aami-laifọwọyi orin jẹ iṣoro isọdi aami-pupọ: orin kan le jẹ 'apata,' 'agbara,' 'guitar,' ati 'ohun elo' gbogbo ni ẹẹkan. Awọn Ayirapada koju rẹ nipa titan ohun ohun sinu spectrogram (aworan igbohunsafẹfẹ-akoko kan) ati fifun awọn abulẹ rẹ nipasẹ awọn ipele ifarabalẹ ti ara ẹni, bii Amunawa Iran kan ṣe itọju awọn abulẹ aworan. Awọn awoṣe bii Audio Spectrogram Transformer (AST) ati MERT kọ ẹkọ awọn ilana gigun ni gbogbo orin kan, yiyaworan bawo ni akorin ṣe ni ibatan si awọn iṣẹju ẹsẹ kan yato si. Pupọ jẹ abojuto ti ara ẹni ti a ti kọkọ tẹlẹ lori awọn miliọnu awọn agekuru ti ko ni aami, lẹhinna ni aifwy daradara lori awọn ami data ti a samisi bi MagnaTagaTune tabi Dataset Song Song. Nitoripe awọn afi ko jẹ iyasọtọ ti ara ẹni, ipele ikẹhin nlo awọn abajade sigmoid ti a gba wọle si awọn ami-ami bii iwọn deede ati ROC-AUC.
Imọ-imọ-ẹrọ
Ohun afetigbọ aise jẹ iyipada si log-Mel spectrogram, pin si awọn abulẹ agbekọja, ati ifibọ laini pẹlu awọn koodu ipo. Ifarabalẹ ara ẹni jẹ ki gbogbo alemo ṣe iwọn gbogbo alemo miiran, nitorinaa awọn iṣẹlẹ orin ti o jinna ni ipa lori aami kọọkan. Ko dabi awọn kilasika aworan aami-ẹyọkan, fifi aami si orin kan sigmoid fun tag kuku ju softmax kan lọ, niwọn igba ti awọn akole ti waye. Ikẹkọ iṣaju ti ara ẹni (sọtẹlẹ awọn ami ohun afetigbọ ti o boju) funni ni awọn aṣoju ti o lagbara ṣaaju iṣatunṣe itanran lori awọn eto aami kekere.
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 Tagging pẹlu Ayirapada
Ifi aami jẹ idapọ pẹlu oye ede-adayeba ki o le wa 'lo-fi ala pẹlu vinyl crackle fun kikọ' dipo awọn bọtini oriṣi ti o wa titi. Awọn awoṣe ọrọ ohun afetigbọ bi CLAP aligning orin ati awọn apejuwe ni aaye kan, ti n mu awọn ami-iṣabọ odo ti ko rii ni ikẹkọ. Reti ni oro sii, awọn aami granular diẹ sii, mimu mimu dara julọ ti awọn iru idapọ, ati fifi aami si ẹrọ fun aṣiri. Awọn ẹtọ ati awọn ariyanjiyan ifaramọ ni ayika ikẹkọ lori awọn iwe aṣẹ aladakọ yoo ṣe apẹrẹ kini data ti awọn awoṣe wọnyi le lo.
Real-World imuse
Ẹya ti n ṣe ipilẹṣẹ laifọwọyi ati awọn ami iṣesi nitorina awọn iṣẹ ṣiṣanwọle le kọ awọn akojọ orin 'idojukọ' tabi ' adaṣe'
Jẹ ki awọn ile-ikawe orin dada awọn orin 'gita akositiki upbeat' fun awọn olootu fidio ti n wa iwe-aṣẹ amuṣiṣẹpọ
Awọn ẹrọ iṣojuuṣe agbara ti o rii awọn orin ti o jọra ti ohun ti o kọja ohun ti awọn olumulo ṣe idiyele ni gbangba
Ṣiṣeto akojọpọ apẹẹrẹ olupilẹṣẹ nipasẹ ohun elo ti a rii, bọtini, ati tẹmpo laifọwọyi
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 Tagging with Transformers 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
Orin Auto-Tagging
Awọn ibeere ti a beere nigbagbogbo
Kini Music Tagging pẹlu Transformers?
Ifiṣamisi orin nlo awọn awoṣe oluyipada lati tẹtisi orin kan ati asọtẹlẹ awọn aami ijuwe bii oriṣi, iṣesi, awọn ohun elo, ati tẹmpo. O ṣe agbara wiwa, iṣeduro, ati iṣeto-laifọwọyi kọja awọn katalogi orin nla.
Kini idi ti fifi aami si orin ṣe itọju bi iṣoro aami-pupọ?
Orin kan le jẹ apata, agbara, ati gita-ṣiṣẹ nigbakanna, nitorinaa awọn ami-ami pupọ lo si orin kan.
Aṣoju igbewọle wo ni awọn taagi transformer maa n lo?
Ohùn jẹ iyipada si iwoye-igbohunsafẹfẹ akoko, lẹhinna patched ati jẹun nipasẹ akiyesi ara ẹni bii awọn abulẹ aworan.
Kini idi ti awọn awoṣe fifi aami si orin lo iṣelọpọ sigmoid fun tag dipo softmax kan?
Softmax ipa awọn iṣeeṣe lati apao si ọkan (iyan kan); sigmoid jẹ ki tag kọọkan jẹ otitọ ominira.
Kini ipa ti ikẹkọ iṣaju ti ara ẹni fun awọn awoṣe bii MERT?
Ikẹkọ iṣaaju lori asọtẹlẹ ohun afetigbọ ti o boju-boju lori ajọbi ti ko ni aami nla n ṣe agbero awọn aṣoju nigbamii-aifwy daradara lori data ti samisi.
Iru data wo ni a lo nigbagbogbo lati tune-fifẹ ati awọn ami ami orin ala?
MagnaTagaTune ati Milionu Song Dataset jẹ awọn ami-ami orin ti a fi aami si; MNIST ati ImageNet jẹ awọn eto aworan.