ตัวค้นหาคีย์

การตรวจจับคีย์เพลงสรุปได้ด้วยคำถามเดียว: คีย์ใดใน 24 คีย์ที่เป็นไปได้ — 12 เมเจอร์และ 12 ไมเนอร์ — ที่ตรงกับเนื้อหาโทนเสียงของแทร็กมากที่สุด? โครงข่ายประสาทเทียม (Neural network) แก้ปัญหานี้โดยเริ่มจากการสร้าง pitch class profile (หรือที่เรียกว่า chromagram): ลายนิ้วมือที่ยุบรวมทุกโน้ตในเสียงลงใน 12 ระดับเสียงโครมาติกโดยไม่คำนึงถึงอ็อกเทฟ โมเดลนี้ได้รับการฝึกฝนด้วยแทร็กที่มีการติดป้ายกำกับหลายหมื่นแทร็กในหลากหลายแนวเพลง เพื่อเรียนรู้การกระจายตัวที่ละเอียดอ่อนซึ่งแยกแยะโทนิกที่แท้จริงออกจากคอร์ดผ่าน คู่ที่ยากที่สุดคือ คีย์ขนานและคีย์สัมพัทธ์ (parallel and relative keys) — C เมเจอร์และ A ไมเนอร์ใช้โน้ตเจ็ดตัวเดียวกัน ดังนั้นการตรวจจับบางครั้งอาจส่งคืนคีย์ไมเนอร์สัมพัทธ์เมื่อคีย์จริงคือเมเจอร์สัมพัทธ์ (หรือในทางกลับกัน) ความคลุมเครือนั้นเป็นธรรมชาติของเสียงเอง ไม่ใช่ข้อบกพร่องของอัลกอริทึม ผลลัพธ์จะแสดงทั้งสัญกรณ์มาตรฐาน (เช่น G ไมเนอร์) และ สัญกรณ์ Camelot (เช่น 6A) — รูปแบบที่เป็นมิตรกับดีเจ ดู วงล้อ Camelot สำหรับกฎความเข้ากันได้แบบเต็ม

เพื่อการตรวจจับที่แม่นยำยิ่งขึ้น ควรให้สัญญาณที่ชัดเจนแก่โมเดล เนื้อหาที่แยกสเต็ม (Stem-separated material) จะทำงานได้ดีที่สุด — สเต็มฮาร์มอนิกที่แยกออกมาจะตัดเสียงกลองและหางเสียงสะท้อน (reverb) ที่ทำให้ chromagram ขุ่นมัวออกไป หลีกเลี่ยงการบันทึกเสียงสดที่มีเสียงรบกวน มาสเตอร์ที่ถูกคลิปอย่างหนัก หรือส่วนที่ไม่มีคีย์ (atonal) อัลกอริทึมต้องการ เนื้อหาโทนเสียงที่ต่อเนื่องประมาณ 30 วินาที เพื่อประมวลผล; คลิปที่สั้นมากหรืออินโทรที่มีแต่เสียงเพอร์คัสชันอาจทำให้ระบบสับสนได้ หากแหล่งที่มาของคุณเป็นมิกซ์เต็มรูปแบบและการตรวจจับดูไม่แน่นอน ให้รันผ่าน Stem Splitter ก่อน แล้วจึงป้อนสเต็มของเครื่องดนตรีหรือเสียงร้องกลับเข้าไปใหม่

ขั้นตอนการทำงานของดีเจนั้นเรียบง่าย: ลากแต่ละแทร็กลงใน Key Finder, จับ รหัส Camelot และแท็กคลังเพลงของคุณเพื่อให้สามารถจัดเรียงตามคีย์ได้ เมื่อแท็กแทร็กแล้ว การมิกซ์แบบฮาร์มอนิกจะลดลงเหลือเพียงสามท่าที่ปลอดภัยบนวงล้อ รหัสเดียวกัน (8A → 8A) คือการจับคู่ที่สมบูรณ์แบบ — เมโลดี้จะผสานกันโดยไม่มีเสียงกระด้าง ขึ้นหรือลงหนึ่งขั้น (8A → 7A หรือ 9A) จะเปลี่ยนพลังงานทีละคู่ห้า (fifth) และให้ความรู้สึกเหมือนการเปลี่ยนเกียร์ที่เป็นธรรมชาติ สลับตัวอักษร (8A → 8B) จะรักษาโทนิกไว้แต่สลับระหว่างไมเนอร์และเมเจอร์ เหมาะสำหรับการยกระดับอารมณ์ก่อนถึงท่อนดรอป จับคู่สิ่งนี้กับ ตัวค้นหา BPM สำหรับจังหวะ (tempo) หรือใช้ BPM and Key Finder แบบรวม เพื่อเตรียมเซ็ตทั้งหมดในครั้งเดียว — จังหวะบวกคีย์คือรายการตรวจสอบการเตรียมพร้อมที่สมบูรณ์แบบสำหรับการมิกซ์ที่กลมกลืนทางฮาร์มอนิก

โปรดิวเซอร์และนักรีมิกซ์ใช้ขั้นตอนการทำงานเดียวกันในทางกลับกัน การตรวจจับคีย์ของแซมเพิลจะบอกคุณว่ามันจะเข้ากับโทนิกของโปรเจกต์คุณหรือขัดแย้งกัน เมื่อจับคู่ลูปจากแหล่งที่มาที่แตกต่างกัน การรู้ทั้งสองคีย์จะช่วยให้คุณตัดสินใจได้ว่าจะทรานสโพสลูปหรือปรับแต่งทางเดินคอร์ดของคุณใหม่ สำหรับการจับคู่ระดับเสียงข้ามแทร็กที่มีคีย์ต่างกัน Pitch Shifter จะช่วยให้คุณทรานสโพสทีละเซมิโทนในขณะที่ยังคงจังหวะเดิมไว้ — มีประโยชน์เมื่อคุณต้องการจัดตำแหน่งเสียงร้องอะแคปเปลลาในคีย์ F# ไมเนอร์ให้เข้ากับเสียงดนตรีในคีย์ G ไมเนอร์ หรือดึงแซมเพิลเข้าสู่คีย์ของโปรเจกต์คุณโดยไม่ทำลายจังหวะเวลาของมัน

โครงข่ายประสาทเทียมแบบคอนโวลูชัน (CNN) ที่ผ่านการฝึกสอนด้วยเพลงกว่า 50,000 เพลง จะวิเคราะห์เสียงโดยใช้ Constant-Q Transform (CQT) ซึ่งจับเนื้อหาฮาร์มอนิกตลอดย่านความถี่ทั้งหมด โมเดลจะแสดงผลลัพธ์เป็นความน่าจะเป็นสำหรับคีย์เมเจอร์และไมเนอร์ทั้ง 24 คีย์

แม่นยำกว่า 90% สำหรับเครื่องดนตรีเดี่ยวและเพลงที่มีโทนเสียงชัดเจน ความแม่นยำจะลดลงในเนื้อหาที่ไม่มีคีย์ (atonal) กีตาร์ที่มีเสียงแตก (distortion) มากๆ หรือเพลงที่มีการเปลี่ยนคีย์บ่อยครั้ง ตัวบ่งชี้ความมั่นใจจะแสดงให้เห็นว่าการตรวจจับนั้นมีความแน่นอนเพียงใด

ใช่ ผลลัพธ์จะแสดงทั้งระบบสัญลักษณ์มาตรฐาน (เช่น A minor) และระบบสัญลักษณ์ Camelot wheel (เช่น 8A) สำหรับการมิกซ์เสียงแบบฮาร์มอนิกของดีเจ ที่เกี่ยวข้อง: ใช้เครื่องมือ Camelot Wheel เพื่อค้นหาคีย์ที่เข้ากันได้

เครื่องมือนี้จะรายงานคีย์หลักของทั้งเพลง สำหรับเพลงที่มีการเปลี่ยนคีย์ (modulation) ผลลัพธ์จะสะท้อนถึงคีย์ที่เด่นชัดที่สุด สำหรับการวิเคราะห์การเปลี่ยนคีย์อย่างละเอียด ลองใช้ Song Analyzer ซึ่งจะให้ผลลัพธ์พร้อมการประทับเวลา

CNN จะแยกแยะระหว่างคู่คีย์เมเจอร์/ไมเนอร์ที่สัมพันธ์กัน (เช่น C major กับ A minor) ซึ่งใช้โน้ตเดียวกันแต่มีศูนย์กลางโทนเสียงต่างกัน นี่เป็นหนึ่งในปัญหาที่ยากที่สุดในการค้นคืนข้อมูลดนตรี โมเดลนี้ใช้รูปแบบโครงร่างทำนองเพลง ไม่ใช่แค่การกระจายตัวของกลุ่มระดับเสียงเท่านั้น

ไม่ โมเดล CNN (ขนาด 1.8MB) ทำงานบนอุปกรณ์ของคุณทั้งหมด ไฟล์เสียงจะถูกประมวลผลในเครื่องและไม่มีการส่งออกจากเครื่องของคุณ