இசை AI வழக்கு ஆய்வு
பாடும் குரல் தரவு சேகரிப்பு
ஈக்யூ & கம்ப்ரஷன் அல்காரிதம் பயிற்சிக்கான குரல் அடிப்படையிலான பாடும் ஆடியோ சேகரிப்பு: மொழியியல் மற்றும் இசை பன்முகத்தன்மையைக் கைப்பற்றுதல்
திட்ட கண்ணோட்டம்
சீனம், அரபு, ஸ்பானிஷ் மற்றும் ரஷியன் ஆகிய நான்கு முன்னுரிமை பெற்ற மொழிகளில் பல்வேறு பாடல் ஆடியோ பதிவுகளை சேகரிக்க, ஷைப் ஒரு முன்னணி தொழில்நுட்ப நிறுவனத்துடன் கூட்டு சேர்ந்தார். தானியங்கு ஆடியோ செயலாக்கத்தை மேம்படுத்துவதற்கு அவசியமான AI-அடிப்படையிலான EQ மற்றும் கம்ப்ரஷன் அல்காரிதம்களைப் பயிற்றுவிப்பதற்கான உயர்தர தரவை வழங்குவதே இந்தத் திட்டம் நோக்கமாக உள்ளது.
சேகரிப்பில் பல்வேறு வகைகளில் இருந்து 40 பங்கேற்பாளர்கள் (ஒரு மொழிக்கு 10 பேர்) இருந்தனர், பல்வேறு ஒலிவாங்கிகள் மற்றும் சூழல்களைப் பயன்படுத்தி ஸ்டுடியோ-தரமான பதிவுகளில் கவனம் செலுத்தப்பட்டது.
முக்கிய புள்ளிவிவரங்கள்
4 மொழிகள்: சீனம், அரபு, ஸ்பானிஷ், ரஷ்யன்
10 பாடகர்கள் ஐந்து
மொழி (மொத்தம் 40)
20 மணி of
பாடும் ஆடியோ
ஒலி வடிவம்: 48 kHz PCM, மோனோ, WAV
தாய்மொழிகளில் ஒலிப் படியெடுத்தல்
திட்ட காலம்:
18 வாரங்கள்
திட்ட நோக்கம்
தரவு சேகரிப்பு
பல இசை வகைகளில் உண்மையான கலைஞர்களால் பதிவுசெய்யப்பட்ட நான்கு இலக்கு மொழிகளில் பாடும் ஆடியோவின் தொகுப்பை உள்ளடக்கியது. AI மாதிரிகளைப் பயிற்றுவிப்பதற்கு ஏற்ற உயர்தரப் பதிவுகளை உறுதிசெய்ய ஸ்டுடியோ சூழல் பயன்படுத்தப்பட்டது.
முக்கிய தேவைகள்
- பங்கேற்பாளர்கள்: ஒரு மொழிக்கு 10 பாடகர்கள், சமச்சீர் பாலின விநியோகத்துடன் (50% ஆண், 50% பெண்).
- வகைகள்: கலைஞரால் சுயமாக அடையாளம் காணப்பட்ட பல்வேறு வகைகள், நிலைத்தன்மைக்காக சரிபார்க்கப்பட்டது.
- பதிவு செய்யும் சூழல்: ஸ்டுடியோ-தரம், பல மைக்ரோஃபோன் அமைப்புகளுடன் (டைனமிக், மின்தேக்கி).
- ஆடியோ வடிவம்: 48 kHz PCM, மோனோ, WAV கோப்புகள், எந்த செயலாக்கமும் இல்லை (எ.கா., சுருக்கம் இல்லை, EQ, reverb).
- தமிழாக்கம்: இருமொழிப் பாடல்களுக்கான சிறப்பு விதிகளுடன், அவர்கள் பாடும் மொழியில் உரையெழுத வேண்டிய பாடல்கள்.
- மொழிகள்: சீனம், அரபு, ஸ்பானிஷ், ரஷ்யன்
- பெயர்த்தெழுதுதல்
- டிரான்ஸ்கிரிப்ஷன்கள் பதிவின் மொழியில் வழங்கப்பட வேண்டும் (எ.கா., தேவநாகரியில் ஹிந்தி வரிகள், அதைத் தொடர்ந்து ஆங்கிலம்).
- தெளிவு மற்றும் துல்லியத்திற்காக ஒவ்வொரு பகுதியும் 15 வினாடிகளுக்கு மேல் இல்லை என்பதை உறுதிப்படுத்தவும்.
- ஆடியோ பதிவு தேவைகள்
- ஒரு ரெக்கார்டிங் அமர்வுக்கு குறைந்தபட்சம் 3 மைக்ரோஃபோன் அமைப்புகள்.
- ஒரு பாடலுக்கு 3 நிமிடங்கள், ஒரு பாடலுக்கு 3 டேக்குகள், ஒவ்வொரு பங்கேற்பாளருக்கும் மாறுபட்ட மைக்ரோஃபோன் பதிவுகளை உறுதி செய்யும்.
- பின்னணி இரைச்சல் இல்லாத ஸ்டுடியோ-தரமான ஒலி சூழல்.
சவால்கள்
பங்கேற்பாளர் பன்முகத்தன்மை
பாலினம், குரல் தொனி/சுருதி மற்றும் இசை வகை ஆகியவற்றின் அடிப்படையில் பாடகர்களின் சீரான விநியோகத்தை உறுதி செய்வது ஒரு சிக்கலான சவாலாக இருந்தது.
தரவு நிலைத்தன்மை
பல மொழிகளில் பலதரப்பட்ட குரல் நிகழ்ச்சிகளைக் கைப்பற்றும் போது நிலையான மைக்ரோஃபோன் அமைப்புகளையும் சூழலையும் பராமரித்தல்.
ஆடியோ தரக் கட்டுப்பாடு
வெளிப்புற சத்தம் இல்லாமல் ஸ்டுடியோ-தரமான ஆடியோ மற்றும் பல மொழிகளில் துல்லியமான டிரான்ஸ்கிரிப்ஷனை உறுதி செய்தல்.
தீர்வு
திட்டத்தின் தேவைகளைப் பூர்த்தி செய்ய ஷைப் ஒரு விரிவான தீர்வை வழங்கியது:
- நான்கு மொழிகளில் 40 பாடகர்களை நியமித்தல் மற்றும் பாலினம், சுருதி மற்றும் இசை பாணியில் மாறுபட்ட பிரதிநிதித்துவத்தை உறுதி செய்தல்.
- பல்வேறு ஒலிவாங்கி வகைகளுடன் (டைனமிக், கன்டென்சர்) ஸ்டுடியோ-தரமான பதிவுகளை நடத்துதல்.
- இருமொழிப் பாடல்களுக்கான குறிப்பிட்ட விதிகளைப் பின்பற்றி, பயன்படுத்தப்படும் மொழிகளில் பதிவுகளைத் துல்லியமாகப் படியெடுத்தல்.
- ஒப்புதல்: பதிவு செய்வதற்கு முன் அனைத்து பங்கேற்பாளர்களிடமிருந்தும் ஒப்புதல் படிவங்கள் சேகரிக்கப்படும்.
முடிவு
சேகரிக்கப்பட்ட பல்வேறு பாடும் ஆடியோ தரவுகள், தானியங்கு EQ மற்றும் சுருக்க அல்காரிதம்களுக்கான வலுவான பயிற்சி தொகுப்பை உருவாக்க வாடிக்கையாளர் அனுமதித்தது, இது ஆடியோ செயலாக்கத்தின் தரத்தை மேம்படுத்துகிறது. உயர்தர பதிவுகள் மற்றும் விரிவான மெட்டாடேட்டா AI மாதிரிகள் பல்வேறு இசை வகைகளையும் மொழியியல் சிக்கல்களையும் கையாள முடியும் என்பதை உறுதி செய்தது. முக்கிய முடிவுகள்:
- AI அமைப்புகளைப் பயிற்றுவிப்பதற்கான உயர்தர, மாறுபட்ட ஆடியோ தரவு.
- பகுப்பாய்வுக்கான துல்லியமான டிரான்ஸ்கிரிப்ஷன் மற்றும் மெட்டாடேட்டா.
- AI- அடிப்படையிலான ஆடியோ செயலாக்க கருவிகளுக்கான வலுவான அடித்தளம்.
அளிப்புகள்
- 20 மணிநேர ஸ்டுடியோ-தரமான ஆடியோ பதிவுகள் (48 kHz PCM, மோனோ WAV கோப்புகள்).
- பதிவின் மொழியில் டிரான்ஸ்கிரிப்ஷன்கள்.
- மெட்டாடேட்டா: மைக்ரோஃபோன் தயாரிப்பு/மாடல், DAC/ஆடியோ இடைமுகம், பாடகர் சுயவிவரம், வகைத் தகவல்.
- மெட்டாடேட்டாவுடன் டிரான்ஸ்கிரிப்ஷனுக்கான JSON வடிவம்.
இசைத் திறமையின் பன்முகத்தன்மையையும் மொழி வளத்தையும் உள்வாங்கும் ஷாயிப்பின் திறன், எங்களின் EQ மற்றும் கம்ப்ரஷன் அல்காரிதம்களின் வளர்ச்சிக்கு விலைமதிப்பற்றதாக இருந்துள்ளது. கலைஞர்களைத் தேர்ந்தெடுப்பது முதல் ஒலிப்பதிவின் தரம் வரை ஒவ்வொரு அம்சமும் துல்லியமாகக் கையாளப்படுவதை அவர்களின் குழு உறுதிசெய்தது. இது எங்களின் தானியங்கி ஆடியோ செயலாக்க அமைப்புகளைச் செம்மைப்படுத்துவதில் ஒரு முக்கியப் படியாக அமைந்தது. இந்தச் செயல்முறை முழுவதும் ஷாயிப் காட்டிய நம்பிக்கைக்கும் ஒத்துழைப்பிற்கும் நாங்கள் உண்மையிலேயே நன்றியுள்ளவர்களாக இருக்கிறோம். எங்களின் கடுமையான மற்றும் சவாலான தொழில்நுட்பத் தேவைகள் இருந்தபோதிலும், அவர்களின் அர்ப்பணிப்பு, கடின உழைப்பு மற்றும் நுணுக்கமான கவனம் ஆகியவை மிகச் சிறப்பாக இருந்தன. சிறப்பான சேவையை வழங்குவதில் இவ்வளவு அர்ப்பணிப்புடன் இருக்கும் ஒரு குழுவுடன் பணியாற்றியது மகிழ்ச்சி அளிக்கிறது.
