BPM i Key Finder

Do wykrywania BPM wykorzystywany jest zespół sieci neuronowych o dokładności rzędu 1 BPM. Do wykrywania tonacji wykorzystywana jest niestandardowa konwolucyjna sieć neuronowa, wytrenowana na ponad 50 000 utworów. Oba procesy przebiegają lokalnie na urządzeniu — bez konieczności przeprowadzania inferencji na serwerze.

DJ-e i producenci prawie zawsze potrzebują obu tych informacji — znajomość tempa bez tonacji (lub odwrotnie) oznacza konieczność załadowania pliku do drugiego narzędzia. Ta strona przeprowadza obie analizy równolegle po jednym przesłaniu pliku, dzięki czemu zestaw 50 utworów można przygotować za jednym razem, a nie w dwóch etapach.

Nie. Obie sieci neuronowe działają wyłącznie na Twoim urządzeniu. Twoje pliki nigdy nie opuszczają Twojego urządzenia — nawet tymczasowo w celu przeprowadzenia analizy.

Oba detektory korzystają z jednego bufora zdekodowanego dźwięku — Brizm przeprowadza analizę tempa i tonacji równolegle, wykorzystując dwie sieci neuronowe. Łączna prędkość przetwarzania jest mniej więcej taka sama jak w przypadku każdego z tych narzędzi osobno. W jednym wyniku otrzymujesz wartość BPM, tonację (durową lub molową) oraz kod Camelot.

Samo dopasowanie tempa (BPM) nie gwarantuje, że utwory będą brzmiały razem muzycznie. Dwa utwory o tempie 128 BPM w niekompatybilnych tonacjach będą ze sobą kolidować podczas długich przejść. Połączenie tempa (BPM) i tonacji Camelot pozwala na wstępną selekcję pod kątem zgodności harmonicznej przed stworzeniem setu. Zasady zgodności znajdziesz w „Camelot Wheel”.

W tle działają te same sieci neuronowe — ta strona przetwarza oba sygnały równolegle po jednym przesłaniu, podczas gdy narzędzia BPM Finder i Key Finder skupiają się na jednym sygnale naraz. Skorzystaj z narzędzi jednofunkcyjnych, gdy potrzebujesz tylko jednej wartości lub gdy chcesz porównać wyniki z innym detektorem. Użyj tego połączonego narzędzia do przygotowania setu DJ-skiego, gdzie każdy utwór wymaga obu wartości.

MP3, WAV, FLAC, OGG, M4A oraz większość innych popularnych formatów audio o rozmiarze do 30 MB na plik — wystarczająco dużo miejsca na pełnometrażowe miksy przyjazne dla DJ-ów oraz utwory z albumów. Pliki o większym rozmiarze są dekodowane fragmentami, a nie odrzucane. W przypadku bardzo długich miksów warto rozważyć analizę poszczególnych ścieżek zamiast całej sesji.

Dopasowanie rytmu jest konieczne, ale nie wystarczające

Miksowanie dwóch utworów o tej samej wartości BPM pozwala zachować zsynchronizowane wzory uderzeń basowych, ale identyczne tempo nie mówi nic o tym, czy utwory te należą do tego samego świata muzycznego. Jeśli jeden utwór jest w tonacji F-moll, a następny w B-dur, odległość harmoniczna między nimi — sześć stopni na kołku Camelota — jest maksymalna z możliwych. Długotrwałe brzmienia syntezatorów, linie basu i frazy wokalne zderzają się czołowo podczas miksowania, tworząc dysonansowe zamieszanie, które zamienia płynne przejście w katastrofę. Doświadczeni DJ-e radzą sobie z tym, stosując szybkie cięcia lub efekty, ale są to jedynie środki zaradcze w przypadku problemu, którego można uniknąć. Rozwiązaniem jest znajomość obu wartości z góry: BPM wskazuje, czy utwory można zmiksować, a kod Camelota wskazuje, czy należy to zrobić.

Proces oparty na połączonym odczycie

Wrzuć całą skrzynkę do kolejki i pozwól, by detektor zbiorczy oznaczył każdy plik. Posortuj bibliotekę najpierw według kodów Camelot, a następnie według BPM w obrębie każdej grupy kodów, a naturalna kolejność ułoży się niemal sama: pobliskie kody Camelot (8A → 8B → 9A) płynnie się ze sobą łączą, a sąsiednie zakresy BPM w obrębie każdej grupy pozwalają uniknąć słyszalnych zmian wysokości dźwięku, które powodują duże skoki tempa. Wyszukiwarka BPM oraz Wyszukiwarka tonacji nie zapewni to takich samych sieci neuronowych działających osobno, jeśli potrzebujesz tylko jednej wartości; ta strona powstała, ponieważ w procesie pracy DJ-a prawie nigdy nie ma potrzeby uzyskiwania tylko jednej wartości na raz.

Jedno dekodowanie, dwie sieci neuronowe, równoległe wnioskowanie

Najbardziej czasochłonnym etapem analizy pliku audio nie jest samo wykrywanie — chodzi o załadowanie pliku do pamięci w postaci sygnału nadającego się do wykorzystania. Odczytanie kontenera, dekodowanie kodeka stratnego, przeliczenie próbkowania do częstotliwości docelowej oraz konwersja do postaci spektrogramu pochłaniają większość czasu rzeczywistego. Brizm dekoduje plik tylko raz, a wynikowy bufor przekazuje do dwóch równoległych sieci neuronowych: modelu śledzącego tempo, który szacuje pozycje uderzeń i odpowiadające im BPM, oraz modelu wykrywającego tonację, który tworzy profil klasy wysokości dźwięku i klasyfikuje go do jednej z 24 tonacji (12 durowych i 12 molowych). Współdzielenie zdekodowanego bufora oznacza, że połączone przetwarzanie jest zaledwie nieznacznie wolniejsze niż uruchomienie każdego z modeli osobno, mimo że generuje dwukrotnie większą ilość danych wyjściowych.

Notacja Camelot w prostym języku

Detektor wyświetla zarówno standardową nazwę tonacji („F#-moll”, „C-dur”), jak i kod Camelot (format używany przez DJ-ów: 11A, 8B itp.). Liczby od 1 do 12 tworzą pełny cykl; litera A oznacza tonację molową, a B – durową. Przejścia, które brzmią harmonijnie: ten sam kod, sąsiedni kod (o jeden krok w prawo lub w lewo) oraz ta sama liczba z odwróconą literą (8A → 8B). Przejścia, które brzmią nieharmonijnie: dwa lub więcej kroków dalej na kole lub odwrócenie litery w połączeniu z przesunięciem. Schemat koła Camelot pozwala na jednoczesną wizualizację wszystkich powiązań. Po oznaczeniu biblioteki utworów tworzenie zestawu sprowadza się do przemieszczania się na niewielkie odległości po kole między utworami o podobnym tempie.

Oprócz przygotowań do występów DJ-skich ten sam odczyt przydaje się również producentom wybierającym sample oraz remiksującym utwory z wykorzystaniem ścieżek wokalnych. Pitch Shifter pozwala przesuwać samplę o półtony przy zachowaniu jej tempa, więc gdy znasz już tonację sampli i tonację projektu, transpozycja różnicy odbywa się za pomocą jednego suwaka.