快速比對歌曲特徵－NVIDIA CUDA 讓音樂搜尋引擎豐富日常生活娛樂

聽著MP3撥放器裡的曲子，或是到卡拉OK裡面去高歌一番，幾乎是多數人接觸音樂的管道，不論是令人興情愉悅的輕快旋律，或是心有戚戚的失戀情歌，這些音樂是我們娛樂生活中不可或缺的一部分，且聽歌、唱歌也是很多人最愛的休閒活動。在資訊時代來臨，多媒體數位化之後的音樂歌曲，也能透過IT科技來發展更多元應用，例如多功能伴唱機、數位劇院等，都讓休閒時的視聽饗宴更加豐富。

音高分析，哼唱片段音樂找出原曲
 

多數人都有這樣的經驗，在餐廳用餐或逛街時，常會聽到店家播放各種歌曲，有時候覺得歌曲很動聽，但卻不清楚歌曲名稱時，也沒辦法用關鍵字上網找出想聽的那條歌，心裡面多少會感到可惜，因此國立台灣大學資訊工程系暨研究所教授張智星博士投入研究，透過電腦科技發展出Miracle網路音樂搜尋引擎系統，只要記得歌曲旋律並能哼唱出來，就能透過聲音分析、比對歌曲資料庫，找出旋律來自於那一條歌曲。
「現實生活中，主要有兩種情境會應用到歌曲比對搜尋應用，一種是哼唱選歌，將我們人唱出的聲音或哼出的旋律輸入電腦，再去分析、比對搜尋出該首歌曲；另一種方式則是原曲選歌，是直接錄下一小段歌曲，輸入電腦後去找出這首歌的曲名與原唱人是哪一位。」張智星教授說明時表示：「哼唱搜尋與原曲比對這兩種應用非常相近，但底層的技術細節大不相同，而在技術上有相同的部分，就是要仰賴大量的電腦運算資源，去比對輸入片段音樂與歌曲資料庫來找出原來的歌曲。」

以哼唱選歌功能為例，使用者只要啟動自己的麥克風，同時上網進入Miracle網路音樂搜尋引擎，對著錄下8秒旋律片段，就可以找出歌曲的曲名與主唱，而後端的技術處理方式，是先將收錄的聲音轉換成音高，再與資料庫內所有歌曲進行音高比對，找出音高向量最相近的歌曲，就能為使用者找出那首歌的歌名與演唱人等資訊。
2001年剛投入數位音訊研究分析時，張智星教授以CPU來處理頻譜能量分析，會需要建置多台電腦來建立平行處理系統，但以10台電腦建立起的CPU平行運算能量，在哼唱選歌的歌曲搜尋上，過濾1萬3千首以上歌曲，依然要花費20秒左右的時間，而改用NVIDIA CUDA搭配NVIDIA Tesla系列GPU晶片來運算後，相同資料比對處理時間只需3秒就能完成，效率提升非常多，讓歌曲比對功能更能符合實際應用，而且設備維護工作也相對簡單許多。

1秒鐘，完成14萬首歌曲比對
 

音樂搜尋引擎的另一功能：原曲選歌，則是透過頻譜能量分析，但主要是著重在特徵比對，在大量的歌曲資料庫中找出所屬的歌曲，目前張智星教授的原曲比對音樂搜尋引擎系統中共有14萬3千多萬首歌曲，在NVIDIA CUDA的效能下，找出原曲的時間也不用1秒，張教授也再不斷研究，持續增加歌曲資料庫內的樣本數量，讓音樂搜尋可配對的歌曲更多，幫助更多人找到想聽的歌曲。「接下來的目標，是要以一台機器在5秒內，完成比對100萬首歌曲，相信在NVIDIA CUDA與NVIDIA Tesla的幫助下，在數個月內即可達成此目標。」

從務實角度來看，如果歌曲搜尋要花費很多時間，代表使用人要花時間等待結果，而NVIDIA CUDA加快歌曲比對搜尋結果到3秒內，讓音樂搜尋引擎比以前更有應用價值，像是哼唱選曲功能可搭配卡拉OK伴唱系統，讓唱歌時的休閒活動更有趣味；而對唱片銷售業者來說，也可以透過音樂搜尋引擎，讓一般民眾輕鬆找出想聽的音樂，進而發掘潛在的客群。

改用CUDA，運算效率實踐商務應用
 

由於GPU在大量資料處理的效果非常顯著，張智星教授接觸並研究NVIDIA CUDA的運算特性後，發現到所有大規模檢索、比對等運算處理，像是音樂頻譜能量分析比對等，都非常適合採用NVIDIA CUDA來處理，能大幅提升處理效率，因此他也開始改寫比對分析工具，改由GPU運算來提升處理效率，克服了以往效能不彰的瓶頸，讓音樂搜尋這類資訊服務可以跨出實驗室，走入一般民眾的娛樂生活。
從CPU平行處理轉換到NVIDIA CUDA的GPU運算，張智星教授在開發工具改寫上並未花費太多時間，主要在於原本的分析工具與NVIDIA CUDA都是以C語言為基礎，因此開發語法轉換並不困難，他認為主要需考量的部分，在於分析工具的記憶體管理與配置方法。「要花費比較多心思的部分，在於分析工具最佳化的部分，主要是記憶體的使用配置，有些會由GPU運算的指令，存放到顯示卡記憶體上效果較佳，而使用CPU資源的則要放在主記憶體中，要達到最佳化就必須重新評估分析工具的運作方式，並將指令存放在最適當的位置來提升分析速度。」

張智星教授指出，當音樂檢索比對的準確度可以跟上實務標準時，就能結合許多其他應用，讓各種有使用到音樂、聲音的娛樂更加豐富且多元，例如哼唱比對技術也可以結合伴唱機，提供原唱比對評分功能，讓喜愛唱歌的人在引吭一曲之後，還能分析音準、節拍、咬字、抖音等，並與原唱歌手的版本比對，在根據相似程度評分，讓唱卡拉OK帶來更多的樂趣。

除了在歌唱等娛樂產業，利用NVIDIA CUDA加快聲音比對，也能廣泛應用在教學與商務行銷活動，像是開發出一套程式結合收音功能，來判別古典樂曲並帶出背後故事，或聽到流行音樂時能帶出相關商品，刺激出潛在的商機。張智星教授表示，現階段有很多技術發展無法與實務整合的最大瓶頸，在於處理速度無法滿足真實應用，例如颱風動態分析如果太慢會緩不濟急，而NVIDIA CUDA將大幅提升音樂檢索比對的運算速度，讓更多研究結果能豐富我們的日常生活。

關於NVIDIA (輝達)
NVIDIA(輝達)公司在1999年發明了繪圖處理器(GPU)後，便讓全世界認識到電腦繪圖功能的威力；如今，其處理器啟動從智慧型手機到超級電腦等廣泛的產品。NVIDIA的行動處理器，普遍應用於手機、平板電腦以及車用資訊娛樂系統中。PC遊戲玩家仰賴GPU，享受真正身歷其境的世界。專業人士利用GPU創造電影中精采的3D繪圖和視覺效果，也設計出從高爾夫俱樂部到大型噴射客機等各種物件。而研究員運用GPU，可以透過高效能電腦促進科學新領域的發展。NVIDIA擁有超過5,000項已核發、認可或申請中之專利，其中包括現代運算技術基礎之設計與深入研究。
http://www.nvidia.com.tw