VentureBeat称，Deezer研究员已经研发出了能够将某些歌曲与情绪和强度联系在一起的AI系统，其发布在Arxiv.org新出版的一篇名为《基于深度神经网的音频歌词音乐情绪检测》的论文里。
为了判断一首歌的情绪，该团队考虑了音频信号和歌词。一开始，他们把音频信号投入一种带有重建语言语境模型的神经网络。然后，通过使用一种存储超过100万首当代歌曲的元数据集——音乐推荐数据集( Million Song Dataset MSD)，来教它怎样判断一首歌的情绪。再用Last.fm数据集，这个数据集可以分配标识给来自50多万个独一无二标签的轨迹。许多标签都是和情绪相关的，从这些标签中，超过1万4000多个英文单词被赋予两个刻度等级，和一个词是多么的积极、消极、安静、活跃联系在一起，来训练这个AI系统。
MSD只是包含歌曲元数据，而不是歌曲本身，所以该团队用些像歌名、艺术家、专辑名一样的身份标识，将所有信息给Deezer的目录罗列出来。约有60%的结果数据集(18,644条轨迹)用来训练AI，剩下的则用来验证和进一步测试该系统。
人们认为这种系统可以进一步观察音乐、歌词和情绪如何联系。
最后，研究员称，AI相比于更传统的方式，能够更好地检测出歌曲是多么平静和活跃，但当检测歌曲有多么积极或消极时，却和传统方式表现无异。“似乎这次的收获就是我们的模型，尤其在预测“价”时，能够揭晓利用音频和歌词之间的中间联系。”研究员在论文中写道。
论文中也提到过，为了真的借助这个产品，一个带有同步歌词和音频的数据库将会大有帮助。如果这样的数据库存在，那么该团队认为他们可以更精确的判断模糊不定的音轨情绪，因为“某些情况，听众之间会有很大的波动。”(比如人们不会总是觉得一首歌是积极的还是消极的)。最后，研究员认为，这种系统可以进一步研究音乐、歌词和情绪是如何联系的，还有可能区分和发现高音量时未贴标签的数据的深度学习模型。
这与Deezer之前第一次试图用AI区分歌曲来看，相去甚远。去年，Deezer用在Sónar festival的一项挑战回答了这个问题：“用户在家时，我们怎样检测他们是在听歌还是恰好在推荐歌曲呢？”。理论上，在未来学习中，Deezer能够使用这类机器自动地区分和归类歌曲——不仅仅是用艺术家的名字或音乐种类这种基础的元数据，而是一些更细致入微的东西，比如情绪。
本文译自theverge，由译者 Ayeshanyoga 基于创作共用协议(BY-NC)发布。
（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
