danyalimran93/Music-Emotion-Recognition

🎵 Nhận dạng cảm xúc âm nhạc bằng Machine Learning

Một cách tiếp cận máy học để liên kết âm thanh với cảm xúc con người, dựa trên mô hình cảm xúc Thayer và trọng sống hóa theo lời bài hát và thể loại nhạc.

Dự án Music-Emotion-Recognition khám phá bài toán nhận dạng cảm xúc từ tín hiệu âm nhạc bằng các kỹ thuật rút trích đặc trưng âm thanh (librosa), lựa chọn đặc trưng và xây dựng mô hình dự đoán cảm xúc. Repo cung cấp hướng giới thiệu tổng quan về lĩnh vực nhận xử lý tín hiệu số và âm nhạc thông qua góc nhìn tâm lý học.

✨ Điểm nổi bật

• Mô hình cảm xúc Thayer: Áp dụng mô hình Thayer để biểu diễn cảm xúc dựa trên hai chiều: cường độ và valance.
• Trích xuất đặc trưng âm thanh: Sử dụng thư viện librosa để trích xuất các đặc trưng số từ tín hiệu âm nhạc.
• Lựa chọn đặc trưng: Lọc và chọn các đặc trưng có ảnh hưởng lớn đến việc dự đoán cảm xúc.
• Chuẩn hóa đặc trưng: Áp dụng kỹ thuật chuẩn hóa để chuẩn bị dữ liệu cho mô hình học máy.
• Weighting theo yếu tố phụ: Cải thiện kết quả bằng cách gán trọng số cho lời bài hát và thể loại nhạc.
• Ba cách tiếp cận: Trình bày rõ ba phương pháp giải quyết bài toán nhận dạng cảm xúc âm nhạc.

💡 Vì sao đáng chú ý

Dự án cung cấp một khung tham khảo rõ ràng cho việc kết hợp xử lý tín hiệu âm thanh và học sâu trong lĩnh vực nhận dạng cảm xúc. Đặc biệt, việc nhấn mạnh vào việc weighting theo lời bài hát và thể loại nhạc cho thấy hướng tiếp cận đa ngữ cảnh — không chỉ dựa trên tín hiệu âm thanh thô. Phù hợp cho nghiên cứu ban đầu hoặc học thuật trong lĩnh vực âm nhạc và tâm lý học.

---

#MachineLearning #MusicEmotionRecognition #FeatureExtraction #Librosa #TiniX