人的耳朵能夠輕松分辨出歌曲的各種情緒，未來，機(jī)器也能如此。為了讓機(jī)器人也能聽懂人類創(chuàng)作的歌曲，法國在線音樂網(wǎng)站Deezer的研究人員開發(fā)了一種人工智能系統(tǒng)，可以將某些音軌與情緒聯(lián)系起來。

Deezer的研究人員在Arxiv.org網(wǎng)站上發(fā)表了一篇新論文《基于音頻歌詞與深度神經(jīng)網(wǎng)絡(luò)的音樂情緒檢測》，在論文中，他們描述了這項(xiàng)工作的細(xì)節(jié)。研究人員表示，智能音樂情緒檢測在過去二十年里一直是一個(gè)活躍的研究領(lǐng)域，它包括自動確定聽音樂時(shí)感受到的情緒。在這項(xiàng)工作中，他們將專注于基于音頻信號和音軌、歌詞的多模態(tài)情緒檢測。

該團(tuán)隊(duì)引用心理學(xué)研究結(jié)果，表示在分析音樂所表達(dá)的情緒時(shí)，歌詞是密不可分的考慮因素，所以他們設(shè)計(jì)了一個(gè)神經(jīng)網(wǎng)絡(luò)，分別提供音頻信號和word2vec（一種用于生成單詞嵌入的相關(guān)模型）嵌入訓(xùn)練160萬首歌詞。為了教它確定歌曲的情感，形成共鳴，他們選擇了一組超過100萬主流歌曲元數(shù)據(jù)的Million Song Dataset (MSD)，這個(gè)數(shù)據(jù)庫和Last.fm（在線音樂服務(wù)商）的標(biāo)簽相關(guān)聯(lián)，它們大多和描述情緒有關(guān)，形成標(biāo)簽推薦的數(shù)據(jù)集，同時(shí)還用人工智能對標(biāo)簽中的14000個(gè)英語單詞進(jìn)行標(biāo)記，包括從負(fù)面到正面和從平靜到激情程度，作為歌曲情緒強(qiáng)度的標(biāo)記。

由于MSD不包含音頻信號和歌詞，因此團(tuán)隊(duì)將歌曲元數(shù)據(jù)映射到Deezer的目錄 - 特別是歌曲標(biāo)題，藝術(shù)家姓名和專輯標(biāo)題。其中大約60％的結(jié)果數(shù)據(jù)集 （總共18,644個(gè)音軌） 被用于訓(xùn)練模型，其中40％用于驗(yàn)證和測試。

與描繪和情緒相關(guān)的詞匯的經(jīng)典系統(tǒng)相比，深度學(xué)習(xí)模型在檢測方面更優(yōu)越。研究人員表示：“看起來這種性能的提升要?dú)w功于我們的模型能夠揭示并使用音頻和歌詞之間的中級相關(guān)性，特別是在預(yù)測效價(jià)的時(shí)候”。