音频分类
文章平均质量分 79
Erice
这个作者很懒,什么都没留下…
展开
-
关于音频情感分类的随笔(6)
随着标记数据的数量不断增长,以及机器学习算法变得更加复杂,音乐情感识别很可能会成为一项越来越准确可靠的技术。原创 2023-06-25 10:37:19 · 146 阅读 · 0 评论 -
关于音频情感分类的随笔(5)
书接上一篇,通过对少量音频的事后抽查。发现其用的预测算法有误,然后修改了算法,再次对FMA的7997首音频测试。结果没有了Annoying这类分类,应该是训练数据集中的对于这类数据相对较少。对于Nervous分类的,依旧沿用人工检查方式,进行复检。出现153条数据,将准确的数据用不同颜色标识。数据如下: 000615 Nervous 焦虑的 000890 Nervous 焦虑的原创 2022-12-27 15:47:21 · 461 阅读 · 6 评论 -
关于音频情感分类的随笔(4)
连续做了一些小数据量的测试。对于大数据量的测试一直苦于找不到合适数据集而迟迟没有进行。近期利用FMA(音乐分析数据集)最小的数据集(small)其中的4256首30秒的音频从转换到模型建立到最后的预测分析进行了测试。生成了文件,总共耗时3小时完成。其中模型特征提取最为耗时。...原创 2021-09-07 16:36:17 · 449 阅读 · 2 评论 -
关于音频情感分类的随笔(3)
音频情绪分析,音频与共情,回忆性的标注无法准确得到共情当时的情绪原创 2021-06-23 11:15:38 · 580 阅读 · 0 评论 -
关于音频情感分类的随笔(2)
在关于音频情感分类的随笔(1)中有提到,没有人工标注信息下,采用了无监督学习的分类,作为学习的基础。这样由于缺少黄金标准,导致后续产出的数据,在分析过程中无法甄别出具体的所属情感。那么是不是可以利用人为首先去标注音乐以及音乐片段的情感呢?我个人以为或许不然。其有三个大的方面。 其一音乐是文娱的产物,截止今天,流传的音乐数量很多。如果需要人工标注,需要消耗大量的人力和金钱去投入。对于体量不大的公司以及势单力薄的个人无疑是天方夜谭;其二音乐其实建立在时间的基础上的。音乐的递进...原创 2020-12-04 11:38:00 · 385 阅读 · 0 评论 -
关于音频情感分类的随笔(1)
整理一下思绪,记录下近期学习和处理的一些信息。算是作为2020年的半年总结。 要快速的吸引或者打动用户,必须实时的唤起用户的情绪共情或者认知共情。个人以为,在短视频上的不知不觉的耗费的时间,是视觉和听觉的双重感官的配合下,唤起观看者的共情,推动停留时间的延长。(个人意见,不喜勿喷,可以讨论)。在不合适的时间选择了不合适的唤起共情的方式,可能会带来倍数增加的反感。例如,2011-6月,*哆哩在成都大面积投放了一组广告。【夕阳西下,恋人送别。一身白裙、头戴草帽的美女与昏黄的色调...原创 2020-07-08 16:18:29 · 1729 阅读 · 2 评论 -
盲识音频分类,非监督和监督联合使用
到了现在提笔忘字的年龄,将东西写下来也算是留下了点痕迹。别想着这个是个浪花,它涟漪都算不上。 之前一个人在折腾着音频信息隐藏的想法。在处理完原始信息压缩后,希望将这些混合有其他信息的音频剥离出来,寻找一下之间的相同之处。由于本人并无乐理知识,耳朵也是一个木耳。对歌曲,音频的也只能听个响,所以根本不能从音频中区别不同的分类。目前对于音频市场的头部公司,从发布到订阅都...原创 2019-10-16 11:23:16 · 369 阅读 · 0 评论