The Spheres Dataset: Multitrack Orchestral Recordings for Music Source Separation and Information Retrieval
تقدم هذه الورقة مجموعة بيانات "The Spheres"، وهي مجموعة شاملة من التسجيلات الأوركسترالية متعددة المسارات التي تضم أكثر من ساعة من عروض فرقة "Colibrì Ensemble" التي تم التقاطها بواسطة 23 ميكروفوناً، والمصممة لتعزيز أبحاث تعلم الآلة في مجالات فصل المصادر الموسيقية، والتحديد الموضعي، والتقديم الغامر ضمن مجال الموسيقى الكلاسيكية.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل أنك في قاعة حفلات موسيقية مهيبة. الأوركسترا تعزف، والصوت عبارة عن مزيج رائع ومتماوج من الكمانات، والترومبيت، والطبول، والفلوت، كلها تمتزج معاً. الآن، تخيل أنك تريد أخذ هذا التسجيل الواحد المختلط واستخراج الكمانات فقط، أو الترومبيت فقط، وكأنها سُجلت في مسارات منفصلة خاصة بها. هذا هو تحدي "فصل المصادر الموسيقية" (Music Source Separation).
لعقود من الزمن، كان الباحثون يعلمون الحواسيب كيفية القيام بهذا "السحر الموسيقي"، لكنهم مارسوا ذلك غالباً على موسيقى البوب (مثل فصل المغني عن إيقاع الطبول). الموسيقى الكلاسيكية أصعب بكثير لأن هناك العديد من الآلات التي تعزف في وقت واحد، وكلها تبدو متشابهة نوعاً ما (مثل الكمان والفيولا).
تقدم هذه الورقة البحثية أداة جديدة تسمى "مجموعة بيانات السفيرز" (The Spheres Dataset) لمساعدة الباحثين في حل هذه المشكلة. إليك شرح بسيط لما فعلوه ولماذا يهم ذلك:
1. استوديو التسجيل "المثالي"
عادةً، عندما تسجل أوركسترا مقطوعة ما، يعزف الجميع معاً في غرفة واحدة. حتى لو وضعت ميكروفوناً بجانب كمان مباشرة، فإنه سيظل يسمع أصوات الترومبيت والطبول. يُسمى هذا "التسرب" (Bleeding). الأمر يشبه محاولة سماع صديق يتحدث في حفلة صاخبة؛ أنت تسمعه، ولكنك تسمع أيضاً بقية الناس من حوله.
لحل هذه المشكلة، ذهب الباحثون إلى استوديو تسجيل خاص يسمى "ذا سفيرز" (The Spheres). لم يقوموا بتسجيل الأوركسترا بأكملها دفعة واحدة فحسب، بل فعلوا شيئاً غير معتاد للغاية:
- جعلوا الأوركسترا تعزف آلة واحدة في كل مرة.
- بينما كانت الكمانات تعزف فقط، كانت آلات الترومبيت والطبول والفلوت تجلس صامتة في مقاعدها.
- قاموا بتسجيل هذا باستخدام 23 ميكروفوناً وُضعت في جميع أنحاء الغرفة (بعضها بعيد وبعضها قريب جداً من الآلات).
- ثم فعلوا الشيء نفسه للفلوت، ثم للطبول، وهكذا.
النتيجة: لقد صنعوا "مجموعة ليجو رقمية". نظرًا لأنهم سجلوا كل آلة بشكل منفصل ولكن مع جعل جميع الميكروفونات تستمع، يمكنهم الآن مزج ودمج الأصوات رياضياً. يمكنهم إنشاء مزيج أوركسترالي واقعي (مع كل "التسرب" الطبيعي وصدى الغرفة) ويمتلكون أيضاً المسارات "النقية" والمعزولة لكل آلة على حدة.
2. ماذا يوجد داخل الصندوق؟
تحتوي مجموعة البيانات على:
- تحفتين فنيتين شهيرتين: "روميو وجولييت" لتشايكوفسكي، و"السمفونية رقم 40" لموتزارت.
- تدريبات فردية: عزف كل موسيقي أيضاً "السلالم الموسيقية" (مثل التدريب المنفرد على الآلة) حتى يتمكن الباحثون من دراسة كيف يبدو صوت كل آلة محددة.
- خرائط الغرفة: قاموا بقياس كيفية ارتداد الصوت في الغرفة (ما يسمى باستجابة النبض للغرفة - Room Impulse Responses). فكر في هذا كـ "خريطة صوتية" تخبر الكمبيوتر بالضبط كيف تغير الغرفة الصوت، مما يساعد في جعل التسجيلات تبدو حقيقية.
3. اختبار السحر (التجارب)
لم يكتفِ الباحثون بنشر البيانات فحسب، بل اختبروها ليروا مدى صعوبة قيام الكمبيوتر بفصل هذه الأصوات. أجروا تجربتين رئيسيتين:
الاختبار (أ): التصنيف حسب العائلة
طلبوا من الكمبيوتر فصل الأوركسترا إلى أربع مجموعات كبيرة: الوتريات، آلات النفخ الخشبية، الآلات النحاسية، والآلات الإيقاعية.- النتيجة: أصبح الكمبيوتر أفضل في هذا مما كان عليه سابقاً، لكنه عانى. كان الأمر أشبه بطلب من طفل فرز كومة من قطع "الليجو" المختلطة في أربعة دلاء. لقد نجح الأمر بشكل مقبول، لكن الكمبيوتر وضع "ترومبيت" في دلو "النفخ الخشبية" عن طريق الخطأ أحياناً.
الاختبار (ب): تنظيف "التسرب"
طلبوا من الكمبيوتر أخذ تسجيل من ميكروفون قريب من الكمانات (والذي كان مليئاً بضجيج الترومبيت) وإزالة ضجيج الترومبيت، تاركاً الكمانات فقط.- النتيجة: كان هذا أصعب بكثير. تمكن الكمبيوتر من تنظيف الصوت بشكل ملحوظ، لكنه لم يكن مثالياً. أظهر ذلك أنه بينما يمكننا تقليل الضجيج، فإن عزل آلة واحدة تماماً في أوركسترا كاملة لا يزال لغزاً صعباً للغاية.
4. الدرس الكبير
النتيجة الأهم في الورقة البحثية تتعلق بـ التعلم من غرفة إلى أخرى.
- قام الباحثون بتدريب نماذج الكمبيوتر الخاصة بهم باستخدام مقطوعة تشايكوفسكي التي سُجلت في استوديوهم.
- عندما اختبروا النموذج على مقطوعة موتزارت (التي سُجلت في نفس الاستوديو)، عمل النموذج بشكل جيد معقول.
- ومع ذلك، عندما حاولوا استخدام نفس نموذج الكمبيوتر على تسجيل من استوديو مختلف (مجموعة بيانات "عملية بيتهوفن" - Operation Beethoven)، فشل النموذج فشلاً ذريعاً.
الخلاصة: من الأسهل تعليم الكمبيوتر التعرف على أغنية جديدة إذا كانت في نفس الغرفة، ولكن من الصعب جداً تعليم الكمبيوتر التعرف على أغنية إذا كانت الغرفة أو الميكروفونات أو الإعدادات مختلفة. تشير الورقة إلى أن مجموعات البيانات المستقبلية يجب أن تركز على التسجيل في أنواع مختلفة من الغرف بدلاً من مجرد التسجيل لفترة طويلة في غرفة واحدة مثالية.
ملخص
مجموعة بيانات "سفيرز" (The Spheres Dataset) هي مكتبة ضخمة وعالية الجودة من تسجيلات الموسيقى الكلاسيكية حيث تم تسجيل كل آلة بشكل منفصل ولكن مع الحفاظ على جميع أصوات الغرفة الطبيعية. إنها توفر للباحثين "الحقيقة المطلقة" (Ground Truth) لاختبار مدى قدرة الذكاء الاصطناعي على فصل الآلات. تُظهر الورقة أنه بينما يتحسن الذكاء الاصطناعي في هذا المجال، فإن "الغرفة" وإعدادات التسجيل تهم أكثر مما كنا نعتقد، ولا نزال أمام طريق طويل قبل أن تتمكن الحواسيب من فصل أوركسترا كاملة ببراعة مهندس بشري.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.