- \n
- Por Manuel
\nMoussallam<\/span><\/span><\/i><\/li>\n- Post Original y en Ingl\u00e9s: <\/span><\/i>https:\/\/deezer.io\/releasing-spleeter-deezer-r-d-source-separation-engine-2b88985e797e<\/span><\/i><\/b><\/a><\/span><\/li>\n<\/ul>\n
<\/p>\n
\n<\/div>\n\n<\/div>\n\nEn
\nResumen\n<\/div>\n\nHemos investigado un poco sobre c\u00f3mo
\ndetectar autom\u00e1ticamente contenido expl\u00edcito en canciones utilizando solo la
\nm\u00fasica en s\u00ed y sin metadatos adicionales. Dado que es un tema sensible y
\nsubjetivo, no quer\u00edamos usar un modelo de caja negra, sino construir un sistema
\nmodular cuyas decisiones se remontan a algunas palabras clave que se detectan
\nen la canci\u00f3n. Nuestro sistema ofrece resultados prometedores, pero NO lo
\nconsideramos adecuado para etiquetar canciones como expl\u00edcitas de manera
\ntotalmente automatizada. El documento completo ha sido aceptado para su publicaci\u00f3n
\nen la <\/span>conferencia ICASSP 2020<\/span><\/a><\/span>.\n<\/div>\n\nSeamos
\nexpl\u00edcitos\n<\/div>\n\nCuando se trata de averiguar qu\u00e9
\nletras son expl\u00edcitas, no hay un consenso general. Obviamente es un problema
\ncultural, con muchas consideraciones sobre la audiencia prevista y el contexto
\nde escucha. Como es el caso con las pel\u00edculas, el objetivo principal de
\netiquetar una pieza como \u00abexpl\u00edcita\u00bb es proporcionar orientaci\u00f3n para
\ndeterminar qu\u00e9 tan adecuado es para un p\u00fablico objetivo. Esto a menudo se
\nconoce como \u00abasesor\u00eda parental\u00bb porque la audiencia en mente es
\nprincipalmente ni\u00f1os. Si est\u00e1 interesado, se han realizado <\/span>estudios cient\u00edficos<\/span><\/a><\/span> sobre el impacto del
\ncontenido expl\u00edcito en los ni\u00f1os, pero de eso no se trata nuestra
\ninvestigaci\u00f3n.\n<\/div>\n\nHay un muy buen <\/span>art\u00edculo de Wikipedia<\/span><\/a><\/span> sobre la creaci\u00f3n de la
\netiqueta de asesoramiento parental para la m\u00fasica. A pesar de su definici\u00f3n
\nimprecisa, generalmente se admite que un lenguaje fuerte (palabras usadas para
\nmaldecir y t\u00e9rminos sexuales), representaciones de violencia y discurso
\ndiscriminatorio caen dentro del alcance de lo que no es adecuado para que los
\nni\u00f1os escuchen en una canci\u00f3n y, por lo tanto, deben marcarse como contenidos
\nexpl\u00edcitos. Por supuesto, esta definici\u00f3n est\u00e1 abierta a varias
\ninterpretaciones.\n<\/div>\n\nActualmente, solo los humanos toman
\ndecisiones sobre si una canci\u00f3n debe etiquetarse como expl\u00edcita o no. La
\npersona a cargo de esto suele ser alguien que trabaja en un sello musical y
\nsigue las pautas internas establecidas por la empresa. Cuando las canciones se
\nentregan a servicios de streaming como el nuestro, a veces van acompa\u00f1adas de
\nla etiqueta \u00abexpl\u00edcita\u00bb, y otras no.\n<\/div>\n\nCuando no se proporciona una
\netiqueta, puede significar que la canci\u00f3n es adecuada para todos los p\u00fablicos,
\npero tambi\u00e9n puede significar que no se tom\u00f3 ninguna decisi\u00f3n por parte de la
\netiqueta con respecto a su car\u00e1cter expl\u00edcito. Hay una parte sustancialmente
\ngrande de nuestro cat\u00e1logo que pertenece a esta categor\u00eda.\n<\/div>\n\nAntes de preguntarnos si podr\u00edamos
\nconstruir un sistema que pudiera hacer esto autom\u00e1ticamente, analizando la
\nm\u00fasica, estudiamos el problema desde un punto de vista humano. Tener que
\ndecidir qu\u00e9 canci\u00f3n debe etiquetarse como expl\u00edcita y cu\u00e1l no debe ser una
\ntarea compleja, requiere una comprensi\u00f3n de alto nivel de las expectativas
\nculturales e implica mucha subjetividad.\n<\/div>\n\nDetecci\u00f3n
\nexpl\u00edcita de contenido como un problema cient\u00edfico\n<\/div>\n\nDejemos de lado las consideraciones
\nanteriores y ahora supongamos que existe un m\u00e9todo determinista para decidir si
\nuna canci\u00f3n debe etiquetarse como expl\u00edcita o no. El prop\u00f3sito de nuestra
\ninvestigaci\u00f3n es tratar de descubrir este m\u00e9todo.\n<\/div>\n\nEl problema se puede enmarcar como
\nuna clasificaci\u00f3n binaria: dada una canci\u00f3n X, \u00bfpodemos encontrar una funci\u00f3n f
\nque produzca 1 si la canci\u00f3n es expl\u00edcita o 0 si no lo es? Por ejemplo, si X es
\n\u201cAll Eyez On Me\u201d de 2Pac, esperamos f (X) = 1 mientras que si X es esta
\ncanci\u00f3n, entonces f (X) = 0.\n<\/div>\n\n
<\/span><\/div>\n\n![](\"https:\/\/entrepalabrasmxdigital.com\/wp-content\/uploads\/2020\/06\/d1.png\")
<\/a><\/div>\n\nUna funci\u00f3n matem\u00e1tica ideal
\ngenerar\u00eda 1 o 0 dependiendo de si la canci\u00f3n tiene contenido expl\u00edcito o no\n<\/div>\n\n
<\/span><\/span><\/div>\n\nComo la mayor\u00eda de las tareas de
\nclasificaci\u00f3n en la actualidad, puede ser una buena idea utilizar t\u00e9cnicas
\nsupervisadas de aprendizaje autom\u00e1tico (ML).\n<\/div>\n\nUn enfoque
\nmodular y explicable.\n<\/div>\n\nSi le pidieran que etiquetara las
\ncanciones como expl\u00edcitas o no, \u00bfc\u00f3mo proceder\u00eda? Una respuesta natural es
\nmirar las palabras pronunciadas por los cantantes; Si aparecen \u00abpalabras
\nexpl\u00edcitas\u00bb en la letra, se debe aplicar la etiqueta expl\u00edcita. Esa es una
\nrespuesta simple, pero podr\u00eda decirse que es la mejor, seg\u00fan una <\/span>investigaci\u00f3n reciente<\/span><\/a><\/span> que la compara con enfoques
\nde aprendizaje autom\u00e1tico m\u00e1s complejos.\n<\/div>\n\nAhora, \u00bfqu\u00e9 pasa si no tienes acceso
\nal texto de la letra? Eso es bastante com\u00fan cuando se trata de millones de
\ncanciones. Si eres un aficionado al aprendizaje autom\u00e1tico, podr\u00edas decir:
\nconstruyamos un gran conjunto de datos anotados y entrenemos un clasificador
\nsupervisado para hacerlo desde audio. Este enfoque se llama ML de extremo a
\nextremo o, a veces, de caja negra<\/i>.
\nUna familia de tales modelos son las redes neuronales profundas. Se han
\nutilizado con gran \u00e9xito en tareas de clasificaci\u00f3n de im\u00e1genes, oraciones,
\nvideos y, por supuesto, m\u00fasica.\n<\/div>\n\nSin embargo, un inconveniente com\u00fan
\nes su falta de interpretabilidad<\/i>. De
\nhecho, una vez que se entrena el sistema (por ejemplo, haci\u00e9ndolo aprender de
\nun conjunto de ejemplos anotados), no es f\u00e1cil explicar c\u00f3mo toma sus
\ndecisiones sobre nuevas muestras que no se han visto durante el entrenamiento.\n<\/div>\n\n![](\"https:\/\/entrepalabrasmxdigital.com\/wp-content\/uploads\/2020\/06\/d2.png\")
<\/a><\/div>\n\nUn modelo de caja negra ML
\ngeneralmente implementa una funci\u00f3n de procesamiento altamente compleja que
\npuede ser dif\u00edcil de interpretar.<\/span><\/div>\n\n<\/div>\n\nSi bien podemos evaluar el
\nrendimiento del modelo en el conjunto de ejemplos conocidos, no se puede
\nasociar f\u00e1cilmente su salida a elementos tangibles de la entrada, como
\ncaracter\u00edsticas musicales o letras cantadas. No obstante, probamos este enfoque
\nde caja negra<\/i> de ML, pero tambi\u00e9n
\nquer\u00edamos probar otro sistema m\u00e1s confiable, cuyas decisiones podr\u00edan
\njustificarse f\u00e1cilmente. Tal sistema generalmente se llama <\/span>ML explicable<\/span><\/a><\/span>.\n<\/div>\n\nAfortunadamente, en nuestro equipo,
\ntenemos una estudiante de doctorado, Andrea Vaglio, que est\u00e1 trabajando en
\nextraer informaci\u00f3n l\u00edrica de la m\u00fasica. Una forma de detectar el contenido
\nexpl\u00edcito es primero obtener una transcripci\u00f3n de las letras cantadas, y luego
\nsimplemente usar la presencia o ausencia de palabras de un conjunto de
\n\u00ablenguaje expl\u00edcito\u00bb para decidir si etiquetar la canci\u00f3n como
\nexpl\u00edcita o no.\nObtener una transcripci\u00f3n exacta de
\nuna voz cantada mezclada con m\u00fasica es una tarea muy dif\u00edcil. Ya es mucho m\u00e1s
\nf\u00e1cil si solo puedes extraer la parte vocal de la canci\u00f3n. En Deezer,
\ndesarrollamos una herramienta llamada <\/span>Spleeter<\/span><\/a><\/span>. Est\u00e1 disponible
\ngratuitamente para que todos lo usen y hace un buen trabajo al extraer voces de
\nlas canciones.\n<\/div>\n\nA\u00fan as\u00ed, la detecci\u00f3n de palabras
\nclave pronunciadas a partir de voces que cantan, incluso cuando est\u00e1n aisladas,
\nes un problema complejo, y gran parte de nuestra contribuci\u00f3n aqu\u00ed es proponer
\nun sistema para hacer precisamente eso. Se llama Sistema de detecci\u00f3n de
\npalabras clave y es la principal contribuci\u00f3n de este trabajo. - Post Original y en Ingl\u00e9s: <\/span><\/i>https:\/\/deezer.io\/releasing-spleeter-deezer-r-d-source-separation-engine-2b88985e797e<\/span><\/i><\/b><\/a><\/span><\/li>\n<\/ul>\n
![](\"https:\/\/entrepalabrasmxdigital.com\/wp-content\/uploads\/2020\/06\/d3.png\")
<\/a><\/div>\n![](\"https:\/\/entrepalabrasmxdigital.com\/wp-content\/uploads\/2020\/06\/d4.png\")
<\/span><\/a><\/div>\n