INTL
Freelancer
전문가
외주
원격 가능
Advanced Audio MIR & ML Pipeline for DJ Metadata Export
예산
$250~$750 EUR
예상 기간
1~2개월
난이도
전문가
기술 스택
Python
Librosa
Essentia
PyTorch
C++
JUCE
DSP
Rekordbox XML
AI 분석 요약 기회점수 34/100
완성된 오디오 트랙에서 AI/DSP 기반으로 고급 음악 정보 검색(MIR) 지표를 추출해 Rekordbox 호환 메타데이터로 내보내는 자동화 파이프라인을 개발하는 프로젝트입니다. BPM·키 같은 기본 정보를 넘어 서브베이스 압력, 전대역 RMS 밀도, 트랜지언트 임팩트, 다이내믹 펀치 등 프로덕션 지표를 계산하고 드롭·브레이크다운 등 구조적 변화와 에너지 레벨을 자동 분류한 뒤 유효한 Rekordbox XML(또는 ID3 태그)로 출력해야 합니다. Librosa/Essentia/PyTorch 또는 C++/JUCE에 능숙하고 오디오 DSP와 MIR, 머신러닝 경험을 두루 갖춘 개발자에게 적합합니다.
핵심 요구사항
- WAV/AIFF/MP3 파일을 입력받는 자율 분석 파이프라인 구축
- BPM·키 및 서브베이스, RMS 밀도, 트랜지언트, 다이내믹 펀치 등 고급 프로덕션 지표 추출
- 드롭·브레이크다운·고에너지 구간 등 구조적 변화 감지 및 매크로/마이크로 에너지 레벨 산출
- 사용자 학습 데이터 없이 동작하는 사전학습/무감독 ML 모델 적용
- 유효한 Rekordbox XML 구조(또는 ID3 태그)로 커스텀 필드(Comments, My Tags) 출력
산출물
- WAV/AIFF/MP3를 처리하는 자율 MIR 분석 엔진 스크립트/파이프라인
- Rekordbox 라이브러리에 직접 임포트 가능한 유효한 XML(또는 ID3 태그) 출력
- 깔끔하고 문서화된 코드 및 간결한 셋업 가이드(향후 피처 확장 가능 구조)
매력 포인트
- 스코프와 수용 기준이 비교적 구체적으로 정의됨
- 오디오 DSP/MIR 전문성을 살릴 수 있는 흥미로운 도메인
주의사항
- 요구 난이도(전문 MIR+ML+DSP)에 비해 예산($250~750)이 현저히 낮음
- '사용자 학습 데이터 없이' 다수의 주관적 지표를 자동 산출하라는 비현실적 기대
- 기간 미명시로 범위 산정이 어려움
프로젝트 유형신규개발
적합 개발자5년차 이상 오디오 DSP/MIR 엔지니어 (Python+Librosa/Essentia+PyTorch 또는 C++/JUCE)
클라이언트 정보
지원자115명
평균 입찰가$461
프로젝트 원문 설명
Looking to hire an experienced Audio DSP / Machine Learning Engineer to build an AI-driven Music Information Retrieval (MIR) engine. The system will extract production-focused audio features from finished tracks and export them directly into Rekordbox-compatible metadata.
Beyond basic tempo and key, the system must leverage Machine Learning models and DSP to automatically calculate deeper sound engineering metrics—sub-bass pressure, full-spectrum RMS density, transient impact, and dynamic punch—and categorize tracks based on acoustic weight and structural energy.
Scope of Work:
Develop an autonomous pipeline/script (Python using Librosa/Essentia/PyTorch, or C++/JUCE) that ingests WAV, AIFF, and MP3 files.
Automatically extract BPM, musical key, and advanced production metrics (sub-bass vs. kick, RMS density, transients, dynamic punch).
Detect structural shifts (drops, breakdowns, high-energy sections) and calculate macro/micro energy levels automatically.
Export analysis results into a fully valid Rekordbox XML structure (or ID3 tags) ready for direct library import.
Acceptance Criteria:
The developer will run the engine on a sample set of audio files. The system must autonomously calculate all production metrics, assign energy levels, and successfully populate custom Rekordbox fields (e.g., Comments, My Tags) upon XML import without requiring manual training data from the user.
Deliverables:
Clean, well-documented code with concise setup instructions so the feature extraction set can be extended in future iterations.
Beyond basic tempo and key, the system must leverage Machine Learning models and DSP to automatically calculate deeper sound engineering metrics—sub-bass pressure, full-spectrum RMS density, transient impact, and dynamic punch—and categorize tracks based on acoustic weight and structural energy.
Scope of Work:
Develop an autonomous pipeline/script (Python using Librosa/Essentia/PyTorch, or C++/JUCE) that ingests WAV, AIFF, and MP3 files.
Automatically extract BPM, musical key, and advanced production metrics (sub-bass vs. kick, RMS density, transients, dynamic punch).
Detect structural shifts (drops, breakdowns, high-energy sections) and calculate macro/micro energy levels automatically.
Export analysis results into a fully valid Rekordbox XML structure (or ID3 tags) ready for direct library import.
Acceptance Criteria:
The developer will run the engine on a sample set of audio files. The system must autonomously calculate all production metrics, assign energy levels, and successfully populate custom Rekordbox fields (e.g., Comments, My Tags) upon XML import without requiring manual training data from the user.
Deliverables:
Clean, well-documented code with concise setup instructions so the feature extraction set can be extended in future iterations.
Freelancer에서 원본 확인
원본 보기