Google ध्वनियों को अलग करने के लिए डेटा और मशीन लर्निंग मॉडल जारी करता है

गूगल प्रकाशित संदर्भ मिश्रित ध्वनियों का एक एनोटेटेड डेटाबेस जिसका उपयोग मशीन लर्निंग सिस्टम में किया जा सकता है, जिसका उपयोग मनमानी मिश्रित ध्वनियों को उनके व्यक्तिगत घटकों में अलग करने के लिए किया जाता है। एक सामान्य डीप मशीन लर्निंग मॉडल (TDCN++) भी प्रकाशित किया गया है जिसका उपयोग Tensorflow में ध्वनियों को अलग करने के लिए किया जा सकता है। संग्रह के आधार पर डेटा तैयार किया गया freesound.org и प्रकाशित CC BY 4.0 के अंतर्गत लाइसेंस प्राप्त।

प्रस्तुत परियोजना FUSS (फ्री यूनिवर्सल साउंड सेपरेशन) का उद्देश्य किसी भी संख्या में मनमानी ध्वनियों को अलग करने की समस्या को हल करना है, जिनकी प्रकृति पहले से ज्ञात नहीं है। अन्य समान प्रणालियाँ आम तौर पर कुछ ध्वनियों, जैसे आवाज़ें और गैर-आवाज़ें, या अलग-अलग लोगों के बोलने के बीच अंतर करने के कार्य तक सीमित होती हैं।

डेटाबेस में लगभग 20 हजार मिश्रण शामिल हैं। किट में कस्टम-निर्मित रूम सिम्युलेटर का उपयोग करके पूर्व-गणना की गई रूम आवेग प्रतिक्रियाएं भी शामिल हैं जो दीवार प्रतिबिंब, ध्वनि स्रोत स्थान और माइक्रोफ़ोन स्थान को ध्यान में रखती हैं।

स्रोत: opennet.ru