Одно неудачное «ля» на репетиции может остановить целый оркестр. Дирижер попросит повторить, а на занятии по специальности эту же ноту разберут на атаку, дыхание, строй, вибрато, пока «ля» наконец не зазвучит как «ля».
Компьютер за одну секунду записи получит 44 100 отсчетов амплитуды — и без единой подсказки, что перед ним нота.
Как из этого массива чисел получить высоту звука, слова, тональность и аккорды? Сначала разберусь, что с сигналом делает математика, а потом проведу два опыта в Bothub. Одну фразу произнесу и пропою для AssemblyAI. Suno дам две версии одной задумки: широкое описание и подробное техническое задание.
Ля, ты — крыса
