玩音樂,敲架子鼓,一個被“耽誤了”的機器學習高手

NO IMAGE

多數伏在案前敲擊鍵盤的程式設計師或許都曾憧憬:黑框眼鏡、格子襯衫、腳踩涼拖背後的另一番模樣的自己。

640?wx_fmt=gif

 

對於來自紐約的 Peter Sobot 而言,他的本職工作是通過機器學習系統為 Spotify 平臺上的使用者推薦音樂。但朝九晚五的工作之餘,他還是一名鼓手兼音樂人,這也就意味著他需要經常創作各類電子音樂,當然,包括架子鼓等打擊樂器在內。

 

近日,Peter Sobot 在其部落格中寫道:“他利用機器學習構建了一款應用程式,無論音訊樣本是底鼓、軍鼓還是其他鼓,其識別準確率高達 87%。”

 

萬萬沒想到,在工程師的手中,我們可以用機器學習搭建自己的音樂夢想!

 

需要了解的是,在現代電子音樂製作中,一般都會使用鼓聲樣片而不是真實的鼓手現場錄音的旋律,而這些樣片通常以商業性質出售,或者由音樂人免費在網上共享出來。不過,這樣的樣片卻往往很難利用,問題就出在它們的標籤和分類方式很難盡如人意。

 

640?wx_fmt=png

 

“每家公司都試圖通過建立自己的樣片夾專有格式,如 Native Instrument 的 Battery 或 Kontakt 格式。兩者都使用後設資料,並允許使用者通過各種標籤瀏覽樣片。但這些軟體包非常昂貴,且需要學習其任務流程。” Peter 寫道。

 

於是,這位被音樂耽誤了的工程師決定利用機器學習來嘗試解決這一問題。

 

例如,以下給出的一段音訊該如何判斷究竟是是底鼓、軍鼓、踩鑔,還是別的音樂樣本?

 

 

 

如果是人類,可以毫不費力地區分出這兩種聲音,但計算機卻需要大量的訓練。在機器學習中,這通常被稱為分類問題,即機器需要注入資料並對其進行分類。在這其中,通常會涉及特徵提取階段。

 

Peter 指出,人類識別不同的鼓音會從以下幾個特徵判別:

 

一是整體檔案長度。因為小鼓的聲音要比踢鼓的聲音持續時間更長,所以比較容易測量。

 

二是整體響度。實際上,由於電子音樂的大多數樣本都是標準化的,這意味著不同樣片中的鼓聲響度會被調整統一。相反,可以使用“最大”、“中等”、“最小”三種響度以更好地瞭解響度是如何隨時間變化的。

 

三是頻率。如底鼓樣片的低頻音段會有很多,因其直徑長,造成鼓聲小而低沉。為了讓機器學習演算法學會這一點,需要將不同頻率範圍內的聲音響度特徵分類。

 

四是音高。儘管鼓是一款打擊樂器,但仍可以調到各種音高。為了量化這種調整,可以採用樣本的基頻來幫助演算法區分低音和高音。

 

接下來,就開始訓練資料了。

 

據瞭解,Peter 從數萬個樣本中選取了大概每種樂器 20~30 個樣本量,基本分為以下三種型別:一是每種樂器的不同型別的樣本,如聲學鼓、電子鼓;二是不同來源的音樂樣本;三是非鼓聲的音樂樣本。

 

然後,他列出了 100 個樣本夾,將大概 50 兆位元組的樣本資料歸置於 5 個單獨資料夾中,分別是:底鼓、小鼓、軍鼓、踩鑔、以及其他。

 

1、執行特徵提取

 

據瞭解,這個 Python 庫是由音訊分析師 Brain McFee 等人建立的 librosa 。

(附上GitHub上的程式碼連結:https://github.com/psobot/machine-learning-for-drummers)

 

640?wx_fmt=png

 

2、將提取特徵儲存在JSON資料夾中

 

3、將特徵提供給決策樹進行訓練

 

以決策樹為例,這是一種常見的機器學習演算法,並不涉及“神經網路”、“深度學習”的範疇。簡言之,決策樹是一種以遞迴方式學習每個特徵的閾值並將資料分類的系統。

 

640?wx_fmt=png

 

Peter 建立了一個決策樹模型 classifier.py,其權重由匯入的資料通過統計決定。以下為視覺化模型:

 

640?wx_fmt=png

 

每個新樣本都傳遞到該決策樹中,並對提供的特徵進行由上到下的評估。例如,如果新樣本為 average_eq_2_10 ≤ -56.77 (如圖中的頂部塊所示),則決策樹將向左移動,然後檢查其 fundamental_5 特徵。

 

如果執行 classifier.py ,會呈現兩個列表:一是訓練準確率(模型預測訓練期間出現過的樣本的準確率),二是測試準確率(模型預測訓練期間未出現過的樣本的準確率)。

 

640?wx_fmt=png

 

據瞭解,Peter 分別獲得了 100% 和 87% 的準確率。

 

在他看來,13% 的錯誤率可能是過度擬合導致,因此,為了避免出現這種可能性,他採取了以下三種方式:

 

  1. 調整演算法引數以使其不會太具體。

     

  2. 改變特徵計算以便給演算法注入更多資料,這部分資料或許對人類來說並不敏感,但在數學上有助於解決分類問題。

     

  3. 新增更多多樣化的資料,以便決策樹演算法可以建立一種更通用的樹,前提是現有資料並不完整。

 

最後,附上這位小哥哥個人照,

 

640?wx_fmt=jpeg

 

以及部落格連結:http://blog.petersobot.com/

 

——【完】——

 

640?wx_fmt=jpeg