Поиск трека по звуку онлайн: Как найти песню по звуку онлайн (кто исполнитель)

Создавайте миксы с помощью мощных плагинов

Получите классические звуки легендарного аналогового оборудования — от компрессоров и эквалайзеров до уникальных эффектов — с более чем 120 плагинами для точной настройки треков. Кроме того, ежемесячно получайте Sonic Drop с новым контентом и дополнительными плагинами, звуками и многим другим на сумму более 2500 долларов США с Inner Circle.

Смешайте музыку Dolby Atmos®

Подарите своим поклонникам совершенно новый способ прослушивания музыки. Получите возможность микшировать объемный и иммерсивный звук, включая Dolby Atmos, с помощью Pro Tools Studio и Ultimate. Посмотрите, что вы можете сделать >

Непревзойденная автоматизация смешивания

Pro Tools предлагает самую передовую и точную автоматизацию среди всех DAW. Автоматизируйте все — от громкости дорожек и панорамирования до настроек плагинов и посылов — для достижения наилучших возможных миксов.

Получите практический контроль над своим миксом

Только панели управления Avid — от бесплатного приложения Avid Control до модульного S6 — обеспечивают беспрецедентную интеграцию DAW, необходимую для доступа к дорожкам, плагинам, посылам и многому другому с поверхности, ускорение редактирования и микширования.

РАСПРОСТРАНЯЙТЕ СВОЮ МУЗЫКУ

Будьте услышаны по всему миру

Транслируйте свою музыку на Apple Music, Spotify, TIDAL, Deezer, TikTok, Amazon Music и многих других ведущих стриминговых сервисах. AvidPlay поддерживает звук высочайшего качества (24 бита/192 кГц), включая музыку Dolby Atmos, что делает распространение музыки простым и доступным. Расширяйте свою фан-базу и сохраняйте 100% своих прав и доходов. Кроме того, распространение вашего первого музыкального сингла бесплатно, за нас! Узнайте, как >

Распознавание музыки нового поколения от Google — блог Google AI

Автор: Джеймс Лайон, Google AI, Цюрих

В 2017 году мы запустили Now Playing на Pixel 2, используя глубокие нейронные сети, чтобы обеспечить постоянное распознавание музыки с низким энергопотреблением на мобильных устройствах. При разработке Now Playing наша цель состояла в том, чтобы создать небольшой эффективный распознаватель музыки, для которого требуется очень маленький отпечаток пальца для каждой дорожки в базе данных, что позволяет полностью выполнять распознавание музыки на устройстве без подключения к Интернету. Как оказалось, Now Playing была не только полезна для распознавания музыки на устройстве, но и значительно превосходила по точности и эффективности нашу тогдашнюю серверную систему Sound Search, которая была создана до широкого использования глубоких нейронных сетей.

Недавно мы представили новую версию Sound Search, основанную на той же технологии, что и Now Playing. Вы можете использовать его через приложение Google Search или Google Assistant на любом телефоне Android. Просто запустите голосовой запрос, и если рядом с вами играет музыка, появится сообщение « Что это за песня?» »появится предложение, которое вы можете нажать. В противном случае вы можете просто спросить: « Эй, Google, что это за песня? » С этой последней версией Sound Search вы получите более быстрые и точные результаты, чем когда-либо прежде!

Воспроизведение в сравнении со звуковым поиском

Теперь воспроизводит миниатюрную технологию распознавания музыки, которая была достаточно компактной и эффективной для непрерывной работы на мобильном устройстве без заметной нагрузки на батарею. Для этого мы разработали совершенно новую систему, использующую сверточные нейронные сети для превращения нескольких секунд звука в уникальный «отпечаток пальца». Затем этот отпечаток сравнивается с базой данных на устройстве, содержащей десятки тысяч песен, которая регулярно обновляется, добавляя недавно выпущенные треки и удаляя те, которые больше не популярны. Напротив, система Sound Search на стороне сервера сильно отличается: она должна соответствовать примерно в 1000 раз большему количеству песен, чем Now Playing. Сделать поиск звука быстрее и точнее с помощью значительно большей музыкальной библиотеки было несколько уникальных задач. Но прежде чем мы углубимся в это, несколько подробностей о том, как работает Now Playing.

Основной процесс сопоставления Now Playing

Now Playing создает музыкальный «отпечаток пальца», проецируя музыкальные особенности восьмисекундной части аудио в последовательность низкоразмерных пространств встраивания, состоящую из семи двухсекундных клипов с интервалом в 1 секунду, давая такую ​​сегментацию:

Затем Now Playing ищет похожие встраивающие последовательности в базе данных песен на устройстве, которая была создана путем обработки популярной музыки с помощью той же нейронной сети. Поиск в базе данных использует двухэтапный алгоритм для определения совпадающих песен, где на первом этапе используется быстрый, но неточный алгоритм, который просматривает всю базу данных песен, чтобы найти несколько вероятных кандидатов, а на втором этапе выполняется подробный анализ каждого кандидата для разработки. какая песня, если таковая имеется, является правильной.

• Сопоставление, фаза 1: Поиск подходящих кандидатов: для каждого встраивания Now Playing выполняет поиск ближайшего соседа в базе данных песен на устройстве для поиска похожих вложений. База данных использует гибрид пространственного разбиения и векторного квантования для эффективного поиска среди миллионов вложенных векторов. Поскольку звуковой буфер зашумлен, этот поиск является приблизительным, и не каждое встраивание найдет ближайшее совпадение в базе данных для правильной песни. Однако по всему клипу шансы найти несколько близких вложений для нужной песни очень высоки, поэтому поиск сужается до небольшого набора песен, получивших несколько хитов.
• Сопоставление, фаза 2: Окончательное сопоставление: Поскольку поиск в базе данных, использованный выше, является приблизительным, функция Now Playing может не найти вложения песен, которые находятся рядом с некоторыми вложениями в нашем запросе. Поэтому, чтобы рассчитать точную оценку сходства, Now Playing извлекает все вложения для каждой песни в базе данных, которые могут иметь отношение к заполнению «пробелов». Затем, учитывая последовательность вложений из аудиобуфера и другую последовательность вложений из песни в базе данных на устройстве, Now Playing оценивает их попарное сходство и суммирует оценки, чтобы получить окончательную оценку соответствия.

Для точности Now Playing очень важно использовать последовательность вложений, а не одно вложение. Нейронная сеть для снятия отпечатков недостаточно точна, чтобы позволить идентифицировать песню только по одному встраиванию — каждое встраивание будет генерировать много ложноположительных результатов. Однако объединение результатов нескольких внедрений позволяет легко удалить ложные срабатывания, поскольку правильная песня будет соответствовать каждому внедрению, в то время как ложноположительные совпадения будут близки только к одному или двум внедрениям из входного аудио.

Масштабирование Now Playing для сервера Sound Search

До сих пор мы подробно рассмотрели, как Now Playing сопоставляет песни с базой данных на устройстве. Самая большая проблема при переходе от Now Playing с десятками тысяч песен к Sound Search с десятками миллионов заключается в том, что количество песен в тысячу раз больше, что может дать ложноположительный результат. Чтобы компенсировать это без каких-либо других изменений, нам пришлось бы увеличить порог распознавания, что означало бы необходимость большего количества аудио для получения подтвержденного совпадения. Однако цель нового сервера Sound Search заключалась в том, чтобы иметь возможность находить совпадения быстрее, а не медленнее, чем «Сейчас исполняется», поэтому мы не хотели, чтобы люди ждали результата более 10 секунд.

Поскольку Sound Search — это система на стороне сервера, она не ограничена ограничениями по обработке и хранению, в отличие от Now Playing. Поэтому мы внесли два основных изменения в то, как мы делаем отпечатки пальцев, оба из которых повысили точность за счет ресурсов сервера:

• Мы в четыре раза увеличили размер используемой нейронной сети и увеличили каждое встраивание с 96 до 128 измерений, что уменьшает объем работы, которую должна выполнять нейронная сеть, чтобы упаковать многомерный входной звук в низкоразмерное встраивание. Это имеет решающее значение для улучшения качества второй фазы, которая очень зависит от точности необработанных выходных данных нейронной сети.
• Мы удвоили плотность наших внедрений — оказалось, что отпечатки звука каждые 0,5 секунды, а не каждую 1 секунду, не сильно снижают качество отдельных внедрений и дают нам огромный прирост, удваивая количество внедрений, которые мы можем использовать. на матч.

Мы также решили взвешивать наш индекс на основе популярности песен — по сути, для популярных песен мы снижаем порог совпадения и повышаем его для малоизвестных песен.