Przypisywanie nagraniu jednej lub wielu etykiet opisujących jego zawartość, np. rodzaju dźwięku, gatunku muzyki, komendy głosowej lub języka. Modele często analizują spektrogram albo wyuczoną reprezentację audio; wspólne przestrzenie dźwięk–tekst umożliwiają również klasyfikację zero-shot.
Assigning one or more labels that describe a recording, such as sound type, music genre, spoken command or language. Models often analyse a spectrogram or a learned audio representation; shared audio-text spaces also enable zero-shot classification.
In one sentence
To rozpoznawanie, co słychać na nagraniu: tłuczone szkło, płacz dziecka, gatunek muzyki albo komendę głosową.
This recognises what can be heard in a recording: breaking glass, a crying baby, a music genre or a voice command.
Problem it solves
Nikt nie odsłucha tysięcy godzin nagrań z kamer, mikrofonów czy archiwów, żeby znaleźć kilka ważnych dźwięków.
No one can listen through thousands of hours from cameras, microphones or archives to find a few important sounds.
What it does
Rozpoznaje charakterystyczne wzory w obrazie częstotliwości, tak jak ornitolog rozpoznaje ptaka po głosie.
It spots telltale patterns in a picture of the frequencies, the way a birdwatcher recognises a bird by its song.
Everyday example
Aplikacja w telefonie słucha śpiewu za oknem i mówi, że to kos, a nie drozd.
A phone app listens to birdsong outside your window and tells you it is a blackbird, not a thrush.
This concerns you if you…
porządkujesz archiwum nagrań lub efektów
chcesz, by urządzenie reagowało na konkretne dźwięki
uruchamiasz sprzęt wypowiadanym słowem
organise an archive of recordings or sound effects