ശബ്ദങ്ങൾ വേർതിരിക്കുന്നതിനായി Google ഡാറ്റയും മെഷീൻ ലേണിംഗ് മോഡലും പുറത്തിറക്കുന്നു

ഗൂഗിൾ പ്രസിദ്ധീകരിച്ചു മെഷീൻ ലേണിംഗ് സിസ്റ്റങ്ങളിൽ ഉപയോഗിക്കാവുന്ന റഫറൻസ് മിക്സഡ് ശബ്ദങ്ങളുടെ ഒരു വ്യാഖ്യാന ഡാറ്റാബേസ്, അനിയന്ത്രിതമായ മിക്സഡ് ശബ്ദങ്ങളെ അവയുടെ വ്യക്തിഗത ഘടകങ്ങളായി വേർതിരിക്കുന്നതിന് ഉപയോഗിക്കുന്നു. ശബ്ദങ്ങൾ വേർതിരിക്കാൻ ടെൻസർഫ്ലോയിൽ ഉപയോഗിക്കാവുന്ന ഒരു ജനറിക് ഡീപ് മെഷീൻ ലേണിംഗ് മോഡലും (TDCN++) പ്രസിദ്ധീകരിച്ചു. ശേഖരണത്തെ അടിസ്ഥാനമാക്കി തയ്യാറാക്കിയ ഡാറ്റ freesound.org и പ്രസിദ്ധീകരിച്ചു CC BY 4.0 പ്രകാരം ലൈസൻസ്.

അവതരിപ്പിച്ച പ്രോജക്റ്റ് FUSS (ഫ്രീ യൂണിവേഴ്സൽ സൗണ്ട് സെപ്പറേഷൻ) ഏതെങ്കിലും അനിയന്ത്രിതമായ ശബ്ദങ്ങളെ വേർതിരിക്കുന്ന പ്രശ്നം പരിഹരിക്കാൻ ലക്ഷ്യമിടുന്നു, അതിൻ്റെ സ്വഭാവം മുൻകൂട്ടി അറിയില്ല. മറ്റ് സമാന സംവിധാനങ്ങൾ സാധാരണയായി ചില ശബ്ദങ്ങൾ, ശബ്ദങ്ങൾ, അല്ലാത്തവ അല്ലെങ്കിൽ വ്യത്യസ്ത ആളുകൾ സംസാരിക്കുന്നത് എന്നിവയെ വേർതിരിച്ചറിയാനുള്ള ചുമതലയിൽ പരിമിതപ്പെടുത്തിയിരിക്കുന്നു.

ഡാറ്റാബേസിൽ ഏകദേശം 20 ആയിരം മിക്സിംഗുകൾ അടങ്ങിയിരിക്കുന്നു. മതിൽ പ്രതിഫലനം, ശബ്‌ദ ഉറവിട ലൊക്കേഷൻ, മൈക്രോഫോൺ ലൊക്കേഷൻ എന്നിവ കണക്കിലെടുത്ത് ഇഷ്‌ടാനുസൃതമായി നിർമ്മിച്ച റൂം സിമുലേറ്റർ ഉപയോഗിച്ച് മുൻകൂട്ടി കണക്കാക്കിയ റൂം ഇംപൾസ് പ്രതികരണങ്ങളും കിറ്റിൽ ഉൾപ്പെടുന്നു.

അവലംബം: opennet.ru