संगीत खोज कैसे काम करती है? यैंडेक्स में व्याख्यान

आमतौर पर, संगीत खोज को संगीत के लिए पाठ अनुरोधों का जवाब देने की क्षमता के रूप में समझा जाता है। एक खोज को समझना चाहिए, उदाहरण के लिए, कि "शुक्रवार" हमेशा सप्ताह का दिन नहीं होता है, या "मीठे संतरे चाहते हैं" शब्दों से एक गीत ढूंढते हैं। लेकिन संगीत खोज के कार्य इस तक सीमित नहीं हैं। ऐसा होता है कि आपको उस गाने को पहचानना होगा जो उपयोगकर्ता ने गाया है, या वह जो कैफे में खेलता है। और आप उपयोगकर्ता को उसके स्वाद के लिए संगीत की सिफारिश करने के लिए रचनाओं में भी आम पा सकते हैं। ऐलेना कोर्निलिना और येवगेनी क्रॉफ्टो ने बताया कि यह कैसे किया जाता है और यह छोटे शैड के छात्रों के लिए क्या मुश्किलें हैं।

पाठ संगीत खोज कैसे काम करती है?

कुछ रिपोर्टों के अनुसार, आज दुनिया में लगभग तीस मिलियन विभिन्न संगीत ट्रैक जमा हुए हैं। ये डेटा विभिन्न डेटाबेस से लिए गए हैं जहाँ ये ट्रैक सूचीबद्ध और सूचीबद्ध हैं। संगीत खोज के साथ काम करते समय, आप परिचित वस्तुओं के साथ बातचीत करेंगे: कलाकार, एल्बम और ट्रैक। आरंभ करने के लिए, हम यह पता लगाएंगे कि किसी खोज में गैर-संगीत से संगीत संबंधी प्रश्नों को कैसे अलग किया जाए। अनुरोध में कीवर्ड द्वारा सबसे पहले, निश्चित रूप से। संगीतात्मकता के मार्कर या तो ऐसे शब्द हो सकते हैं जो स्पष्ट रूप से इंगित करते हैं कि वे संगीत की तलाश में हैं, उदाहरण के लिए, "सुनो" या "जो एक गीत गाता है", या अधिक धुंधली: "डाउनलोड", "ऑनलाइन"। इस मामले में, एक बहुत ही सरल मामले में, जब अनुरोध में ट्रैक, कलाकार या एल्बम का नाम शामिल होता है, तो अस्पष्टता से संबंधित समस्याएं पैदा हो सकती हैं।



उदाहरण के लिए, आइए पाँच घरेलू कलाकारों के नाम लेते हैं:

• शुक्रवार
• पिज़्ज़ा
• चलचित्र
• 30.02
• मछलीघर

यदि उपयोगकर्ता इस तरह का अनुरोध करता है, तो यह समझना आसान नहीं है कि वह वास्तव में क्या खोजना चाहता है। इसलिए, इस या उस उपयोगकर्ता के इरादे की संभावनाओं का मूल्यांकन किया जाता है, और कई ऊर्ध्वाधर खोजों के परिणाम मुद्दे के पृष्ठ पर प्रदर्शित किए जाते हैं।



दूसरी ओर, कलाकार अपने शीर्षक, ट्रैक और एल्बम नामों में शब्दों को विकृत करने के बहुत शौकीन हैं। इस वजह से, खोज में उपयोग किए गए कई भाषाई एक्सटेंशन बस विफल हो जाते हैं। उदाहरण के लिए:

• TI NAKAYA ODNA00 (डोर्न)
• Sk8 (Nerves)
• DopolzliDapodday (Dorgat)
• N1nt3nd0
• ओक्स्ज्स्मीरन
• डोम! नहीं
• पी! एनके
• Sk8ter बोई (Avril Lavign)

इसके अलावा, समान या समान नाम वाले कई कलाकार भी हैं। मान लीजिए कि एक खोज [aguilera] में आई। पहली नज़र में, सब कुछ स्पष्ट है, उपयोगकर्ता क्रिस्टीना एगुइलेरा की तलाश कर रहा है। लेकिन फिर भी कुछ संभावना है कि उपयोगकर्ता को एक पूरी तरह से अलग कलाकार की जरूरत है - पैको अगुइलेरा।







दो या दो से अधिक कलाकारों के संयुक्त प्रदर्शन के साथ स्थिति बहुत सामान्य है। उदाहरण के लिए, गीत याद नहीं कर सकता भूल जाओ तुम एक साथ दो कलाकारों के लिए जिम्मेदार ठहराया जा सकता है: शकीरा और रिहाना। तदनुसार, डेटाबेस को संयुक्त कलाकारों को जोड़ने की संभावना के लिए प्रदान करना चाहिए।



एक और विशेषता क्षेत्रीयता है। विभिन्न क्षेत्रों में, समान नाम वाले कलाकार हो सकते हैं। इसलिए, इस क्षेत्र में सबसे लोकप्रिय कलाकार के खोज परिणामों में किस क्षेत्र से अनुरोध आया था, इस पर विचार करना आवश्यक है। उदाहरण के लिए, रूस और तुर्की दोनों में ज़ारा नाम के कलाकार हैं। उसी समय, उनके दर्शक व्यावहारिक रूप से ओवरलैप नहीं करते हैं।



पटरियों के नाम के साथ भी, सब कुछ इतना सरल है। जब एक कलाकार दूसरे कलाकार के ट्रैक की अपनी व्याख्या रिकॉर्ड करता है तो कवर संस्करण बहुत आम हैं। इसी समय, कवर संस्करण मूल से भी अधिक लोकप्रिय हो सकता है। उदाहरण के लिए, ज्यादातर मामलों में, अनुरोध पर [रात को देखा गया], Zdob si Zdub समूह का संस्करण किनो समूह के मूल ट्रैक की तुलना में अधिक प्रासंगिक होगा। रीमिक्स के साथ स्थिति समान है।



पाठ से उद्धरण द्वारा ट्रैक खोजने में सक्षम होना बहुत महत्वपूर्ण है। अक्सर उपयोगकर्ता को ट्रैक का नाम याद नहीं हो सकता है या नहीं पता है, और न ही कलाकार का नाम, लेकिन गीत से केवल कुछ रेखा। हालांकि, यह ध्यान में रखा जाना चाहिए कि कुछ सामान्य वाक्यांश कई पटरियों में तुरंत हो सकते हैं।



इस समस्या को हल करने के लिए, एक बार में कई तरीकों का उपयोग किया जाता है। सबसे पहले, उपयोगकर्ता के क्वेरी इतिहास को ध्यान में रखा जाता है, जिसमें उसे किस विधा और प्रदर्शन के आदी हैं। दूसरे, ट्रैक की लोकप्रियता और कलाकार की महत्वपूर्ण भूमिका होती है: वे खोज में किसी विशेष लिंक पर कितनी बार क्लिक करते हैं, वे ट्रैक को कितनी देर तक सुनते हैं।

अनुवाद की कठिनाइयाँ

बहुत बार अलग-अलग देशों में कलाकारों और संगीतकारों के नामों की विभिन्न वर्तनी तय होती है। इसलिए, यह ध्यान में रखा जाना चाहिए कि उपयोगकर्ता इनमें से किसी भी विकल्प की खोज कर सकता है, और डेटाबेस में अलग-अलग वर्तनी मिल सकती है। Pyotr Ilyich Tchaikovsky के नाम में लगभग 140 वर्तनी हैं। यहाँ उनमें से कुछ हैं:

• प्योत्र इलिच चाकोवस्की
• पीटर इलिच त्चिकोवस्की
• प्योत्र इलिच त्चिकोवस्की
• प्योत्र इलियक सियाकोवस्की
• पीआई त्चिकोवस्की
• प्योत्र इलिच टचकोवस्की
• पिओटर आई। त्चिकोवस्की
• प्योत्र otlyiç kovaykovski
• पीटर इल्जित्श त्चैकोव्स्की
• पजोट्र इलिजित्श त्चिकोव्स्की

वैसे, जब हमने उन मुख्य वस्तुओं के बारे में बात की, जिनके साथ हमें संगीत खोज में काम करना है, तो हमने संगीतकार का उल्लेख नहीं किया। ज्यादातर मामलों में, यह वस्तु वास्तव में एक महत्वपूर्ण भूमिका नहीं निभाती है, लेकिन शास्त्रीय संगीत के मामले में नहीं। यहां स्थिति लगभग विपरीत है, और काम के लेखक पर भरोसा करना आवश्यक है, और कलाकार एक माध्यमिक वस्तु है, हालांकि इस ऑब्जेक्ट को अनदेखा करना भी असंभव है। एल्बम और ट्रैक्स के नाम की अपनी ख़ासियत भी है।

ऑडियो विश्लेषण

संगीत खोज में ट्रैक और गीत के मेटाडेटा के अलावा, आप सीधे ऑडियो सिग्नल का विश्लेषण करके प्राप्त आंकड़ों का उपयोग कर सकते हैं। यह आपको एक साथ कई समस्याओं को हल करने की अनुमति देता है:

• एक माइक्रोफोन पर रिकॉर्ड किए गए टुकड़े द्वारा संगीत की मान्यता;
• गुनगुनाकर पहचान;
• फजी डुप्लिकेट के लिए खोज;
• कवर संस्करण और रीमिक्स की खोज करें;
• एक पॉलीफोनिक सिग्नल से एक राग को हाइलाइट करना;
• संगीत का वर्गीकरण;
• ऑटो टैगिंग;
• संबंधित / सिफारिशों के लिए खोजें

एक डिजिटल ऑडियो सिग्नल को ध्वनि तरंग की छवि के रूप में दर्शाया जा सकता है:







यदि हम इस छवि का विस्तार बढ़ाएंगे, अर्थात एक समय के पैमाने पर खिंचाव, फिर जल्दी या बाद में हम समान अंतराल पर बिंदुओं को देखेंगे। ये बिंदु उन क्षणों का प्रतिनिधित्व करते हैं जिन पर ध्वनि तरंग का आयाम मापा जाता है:







बिंदुओं के बीच के अंतराल को संकरा करें, सिग्नल की सैंपलिंग आवृत्ति जितनी अधिक हो, और व्यापक आवृत्ति रेंज जो इस तरह से एन्कोड की जा सकती है।



हम देखते हैं कि दोलनों का आयाम समय पर निर्भर करता है और ध्वनि की मात्रा के साथ संबंधित है। और दोलन आवृत्ति सीधे ध्वनि की पिच से संबंधित है। हम दोलन आवृत्ति के बारे में जानकारी कैसे प्राप्त करें: एक अस्थायी डोमेन से एक आवृत्ति डोमेन के लिए एक संकेत परिवर्तित करें? यहाँ फूरियर रूपांतरण हमारी सहायता के लिए आता है। यह आपको विभिन्न आवृत्तियों के साथ हार्मोनिक की अवधि में एक आवधिक कार्य को विघटित करने की अनुमति देता है। शर्तों में गुणांक हमें उन आवृत्तियों को देगा जो हम प्राप्त करना चाहते थे। हालांकि, हम इसके समय घटक को खोए बिना अपने सिग्नल का स्पेक्ट्रम प्राप्त करना चाहते हैं। इसके लिए, विंडो फूरियर रूपांतरण का उपयोग किया जाता है । वास्तव में, हम अपने ऑडियो सिग्नल को छोटे खंडों - फ्रेमों में विभाजित करते हैं - और एकल स्पेक्ट्रम के बजाय हमें प्रत्येक फ्रेम में अलग से स्पेक्ट्रा का एक सेट मिलता है। उन्हें एक साथ रखने से हमें कुछ ऐसा मिलता है:







समय क्षैतिज अक्ष पर प्रदर्शित होता है, और ऊर्ध्वाधर अक्ष पर आवृत्ति प्रदर्शित होती है। आयाम को रंग में हाइलाइट किया गया है, अर्थात। किसी विशेष समय और किसी विशेष आवृत्ति परत में कितनी सिग्नल शक्ति है।

संकेतों का वर्गीकरण

ऐसे स्पेक्ट्रोग्राम का उपयोग संगीत खोज में उपयोग की जाने वाली अधिकांश विश्लेषण विधियों द्वारा किया जाता है। और आगे बढ़ने से पहले, हमें यह समझना चाहिए कि स्पेक्ट्रोग्राम के कौन से संकेत हमारे लिए उपयोगी हो सकते हैं। लक्षणों को वर्गीकृत करने के दो तरीके हैं। पहले, समय के पैमाने पर:

• फ़्रेम-स्तर - मैट्रिक्स के एक कॉलम से संबंधित विशेषताएँ।
• खंड-स्तर - विशेषताएँ जो कई फ़्रेमों को जोड़ती हैं।
• वैश्विक-स्तर - पूरे ट्रैक का वर्णन करने वाले संकेत।

दूसरे, सुविधाओं को प्रस्तुति स्तर द्वारा वर्गीकृत किया जा सकता है, अर्थात। इन विशेषताओं का वर्णन उच्च-स्तरीय अमूर्तता और अवधारणाएं कैसे करती हैं।

• निम्न स्तर के:
  
  
  • जीरो क्रॉसिंग रेट - आपको संगीत और भाषण के बीच अंतर करने की अनुमति देता है;
  • कम समय की ऊर्जा - समय के साथ ऊर्जा में परिवर्तन को दर्शाता है;
  • स्पेक्ट्रल सेंट्रोइड - स्पेक्ट्रम के द्रव्यमान का केंद्र;
  • स्पेक्ट्रल बैंडविड्थ - द्रव्यमान के केंद्र के सापेक्ष बिखराव;
  • स्पेक्ट्रल फ्लैटनेस माप - स्पेक्ट्रम की "चिकनाई" की विशेषता है। यह एक स्पष्ट टन के साथ संकेतों से शोर के समान संकेत को भेद करने में मदद करता है।
• मध्य-स्तर:
  
  
  • बीट ट्रैकर;
  • पिच हिस्टोग्राम;
  • ताल पैटर्न।
• उच्च स्तर:
  
  
  • संगीत शैलियों;
  • मनोदशा: हंसमुख, उदास, आक्रामक, शांत;
  • स्वर / वाद्य;
  • संगीत की गति की गति (धीमी, तेज, मध्यम);
  • पॉल गायक

व्याख्यान को अंत तक देखने के बाद, आपको पता चलेगा कि ये संकेत संगीत की खोज की समस्याओं को हल करने में कैसे मदद करते हैं, साथ ही साथ कंप्यूटर की दृष्टि और मशीन सीखने का इसके साथ क्या करना है।