Musikklassifikation mit eigenen Modellen

Um für die nächste Party-Diskussion über das Genre eines Liedes gewappnet zu sein, lässt sich ein ML-Modell bauen, das beim Erkennen der Musik hilft. Mit ML-Pipelines in Kubeflow, Hugging Face und weiteren Tools gelingt das auch mit Open Source.

Von Dr. Sebastian Lehrig

iX-tract

Der MLOps-Ansatz hilft, beim Entwickeln von Modellen schnell den Gesamtprozess zu durchlaufen. Es gilt dabei, bestehende Ressourcen zu nutzen und nur an den nötigen Schrauben zu drehen.
Für Zwecke wie Musikklassifikation bieten sich menschliche Fähigkeiten als Benchmark: Das Modell soll die Leistung eines Menschen schlagen können.
Audiodaten lassen sich mit Open-Source-Werkzeugen am PC zu Mel-Spektrogrammen umwandeln, die ein Maß für die wahrgenommene Tonhöhe bieten und menschliches Hören damit auf die Modelle übertragen.
ML-Pipelines ermöglichen die vollständige Automation von Machine-Learning-Workflows; damit lassen sich auch bereits bekannte Komponenten für verschiedene Aufgaben wiederverwenden und auf neue Modelle anwenden.

Menschen müssen nur wenige Sekunden eines Liedes hören, um mit einer Genauigkeit von rund 70 Prozent das Musikgenre zu bestimmen. Ein solches Bestimmen von Musikgenres können Data Scientists über Machine Learning automatisieren und dabei eine übermenschliche Genauigkeit deutlich jenseits der 80 Prozent erreichen. Im Machine Learning erstellte Modelle zur Musikklassifikation können Data Scientists schließlich auf die eigene Musiksammlung anwenden oder im professionellen Kontext in Musikstreamingdienste integrieren. Spotify nutzt solche Modelle, um Musik zu sortieren und als eine von vielen Zutaten, um Nutzern Musikvorschläge zu unterbreiten.

Außerhalb des Musikgeschäfts nutzen Firmen die gleichen Techniken, um Audiodaten zu analysieren. Auch produzierende Unternehmen nutzen Audiodaten, etwa zur akustischen Qualitätskontrolle und für akustische Predictive Maintenance. Für das Erzeugen von Geräuschen fährt man beispielsweise Autos über Rüttelstrecken, versetzt Flaschendeckel in Abfüllanlagen in Schwingung und schickt Waschmaschinen und elektrisches Werkzeug stundenlang in den Testbetrieb. Im Betrieb sind Autos, elektrische Geräte und Schiffsmotoren permanent mit Mikrofonen ausgestattet, wodurch sich Daten kontinuierlich analysieren lassen.