Google ले डेटा र मेसिन लर्निङ मोडेललाई अलग्गै ध्वनिहरू जारी गर्छ

गूगल प्रकाशित सन्दर्भ मिश्रित ध्वनिहरूको एनोटेटेड डाटाबेस जुन मेसिन लर्निङ प्रणालीहरूमा प्रयोग गर्न सकिन्छ जुन स्वैच्छिक मिश्रित ध्वनिहरूलाई तिनीहरूको व्यक्तिगत घटकहरूमा छुट्याउन प्रयोग गरिन्छ। एक जेनेरिक गहिरो मेसिन लर्निङ मोडेल (TDCN++) पनि प्रकाशित गरिएको छ जसलाई Tensorflow मा आवाजहरू अलग गर्न प्रयोग गर्न सकिन्छ। संकलनको आधारमा तथ्याङ्क तयार गरिएको छ freesound.org и प्रकाशित भयो CC BY 4.0 अन्तर्गत इजाजतपत्र प्राप्त।

प्रस्तुत परियोजना FUSS (नि: शुल्क सार्वभौमिक ध्वनि विभाजन) को उद्देश्य कुनै पनि स्वेच्छाचारी आवाज अलग गर्ने समस्या समाधान गर्न को लागी हो, जसको प्रकृति पहिले नै थाहा छैन। अन्य समान प्रणालीहरू सामान्यतया केही आवाजहरू, जस्तै आवाजहरू र गैर-आवाजहरू, वा फरक व्यक्तिहरू बोल्नेहरू बीचको भिन्नताको कार्यमा सीमित छन्।

डाटाबेसमा लगभग 20 हजार मिश्रणहरू छन्। किटले पूर्व-गणना गरिएको कोठा आवेग प्रतिक्रियाहरू पनि समावेश गर्दछ जुन अनुकूलन-निर्मित कोठा सिम्युलेटर प्रयोग गरेर भित्ता प्रतिबिम्ब, ध्वनि स्रोत स्थान, र माइक्रोफोन स्थान लिन्छ।

स्रोत: opennet.ru