BPM & キーファインダー

BPM検出には、1 BPMの精度を持つニューラルネットワークのアンサンブルが使用されています。キー検出には、50,000曲以上で学習されたカスタム畳み込みニューラルネットワークが使用されています。どちらもデバイス上でローカルに実行され、サーバーでの推論は行われません。

DJやプロデューサーにとっては、この2つがほぼ常に必要となります。キーがわからない状態でテンポを把握したり（あるいはその逆）、ファイルを別のツールに読み込む必要があります。このページでは、1回のアップロードで両方の分析を並行して実行するため、50曲のセットを2回ではなく1回の処理で準備できます。

いいえ。どちらのニューラルネットワークも、すべてお使いのデバイス上で実行されます。ファイルがお使いの端末から外部に送信されることは一切ありません。分析のための一時的な送信でさえありません。

両方の検出器は1つのデコード済みオーディオバッファを共有しており、Brizmは2つのニューラルネットワークを用いてテンポとキーの分析を並行して実行します。この統合処理の速度は、いずれかのツールを単独で使用した場合とほぼ同じです。1つの結果として、BPM、キー（長調または短調）、およびキャメロットコードが得られます。

BPMを合わせるだけでは、トラック同士が音楽的に調和するとは限りません。128 BPMで、キーが合わない2つのトラックを長くブレンドすると、音程がぶつかってしまいます。BPMとキャメロット・キーを組み合わせることで、セットを組む前に和声的な相性を基に事前に絞り込むことができます。相性のルールについては、「キャメロット・ホイール」を参照してください。

内部では同じニューラルネットワークが使用されています。このページでは、1回のアップロードで両方の処理が並行して実行されますが、BPM FinderとKey Finderはそれぞれ一度に1つの信号のみを処理します。 1つの値のみが必要な場合や、別の検出器との結果を比較したい場合は、単機能ツールをご利用ください。すべてのトラックで両方の値が必要なDJセットの準備には、この統合ツールをご利用ください。

MP3、WAV、FLAC、OGG、M4A、およびその他の一般的なオーディオ形式のほとんどに対応しており、1ファイルあたり最大30MBまで処理可能です。これは、DJ向けのフルレングスのミックスやアルバム収録曲にも十分な余裕があります。 大容量のファイルは、拒否されることなく、チャンク単位でデコードされます。非常に長いミックスの場合は、セッション全体ではなく、個々のトラックを分析することを検討してください。

ビートマッチングは必要だが、それだけでは不十分だ

同じBPMの2曲をミックスすれば、キックのパターンは合いますが、テンポが同じだからといって、その2曲が同じ音楽の世界観に属しているかどうかはわかりません。 あるトラックがFマイナーで、次のトラックがBメジャーである場合、両者の和声的な距離——キャメロット・ホイール上の6音程——は、あり得る最大値となる。 持続音のあるシンセ、ベースライン、ボーカルフレーズがブレンド中に真っ向から衝突し、不協和音の渦を生み出し、スムーズなトランジションをまるで交通事故のような状態に変えてしまう。熟練したDJは、カットを素早く入れたりエフェクトを走らせたりしてこれを回避するが、それらは本来回避可能な問題に対する応急処置に過ぎない。 解決策は、両方の値を事前に把握しておくことです。BPMはトラックがミックス可能かどうかを示し、キャメロット・コードはそれらがミックスすべきかどうかを示します。

複合読み出しを中核としたワークフロー

木箱ごとキューに投入し、統合検出器にすべてのファイルにタグ付けさせます。 ライブラリをまずキャメロット・コード順に並べ替え、各コードグループ内でBPM順に並べ替えると、自然なセット順がほぼ自動的に決まります。近接したキャメロット・コード（8A → 8B → 9A）は滑らかに融合し、各グループ内の隣接するBPM範囲は、テンポの急激な変化によって生じる聴覚的なピッチシフトを回避します。 BPMファインダー そして キーファインダー 1つの値だけが必要な場合でも、個別に実行されるのと同じニューラルネットワークを提供します。このページが存在するのは、DJのワークフローにおいて、一度に1つの値だけが必要になることがほとんどないからです。

1回のデコード、2つのニューラルネットワーク、並列推論

オーディオファイルの分析においてコストがかかるのは、検出そのものではなく、ファイルを実用的な信号としてメモリに取り込む工程です。コンテナの読み込み、非可逆コーデックのデコード、モデルレートへのリサンプリング、そしてスペクトログラム表現への変換に、実処理時間の大部分が費やされます。 Brizmは一度デコードを行い、その結果得られたバッファを2つの並列ニューラルネットワークに供給します。1つはビートの位置とそれに対応するBPMを推定するテンポ追跡モデル、もう1つはピッチクラスのプロファイルを構築し、24の調（12のメジャーと12のマイナー）のいずれかに分類するキー検出モデルです。 デコード済みのバッファを共有することで、出力は2倍になるにもかかわらず、この組み合わせ処理は、いずれかのモデルを単独で実行する場合と比べて、ほとんど遅くなりません。

キャメロット表記の平易な解説

この検出器は、標準的な調名（「F#マイナー」、「Cメジャー」）とキャメロットコード（DJが使用する形式：11A、8Bなど）の両方を表示します。数字の1～12は時計回りに循環し、文字のAはマイナー、Bはメジャーを表します。 和声的に調和する移動：同じコード、隣接するコード（時計回りまたは反時計回りに1つ）、および数字は同じで文字が反転したもの（8A → 8B）。不自然に聞こえる移動：時計回りで2つ以上離れている場合、または反転と移動が組み合わさっている場合。 Camelot Wheel リファレンス では、あらゆる関係性を一目で把握できます。ライブラリにタグ付けが完了すれば、セットを構築するのは、テンポの似たトラック間でホイール上を短距離移動させるだけの簡単な作業となります。

DJの準備だけでなく、この表示は、サンプルを選ぶプロデューサーや、アカペラを合わせるリミキサーにとっても役立ちます。 ピッチシフターは、テンポを維持したままサンプルを半音単位で移動させることができるため、サンプルのキーとプロジェクトのキーが分かれば、その差分を転調するのはスライダーを1つ動かすだけで済みます。