Sonic Phoenix: மறந்துபோன 7,246 பாடல்களை மரணத்திலிருந்து மீட்டெடுத்தது

என் குழந்தை, தன் வயதில் நான் கேட்ட பாடல்களை ஒலிக்கவிடச் சொன்னது. எளிய கோரிக்கை. சரி என்றேன், தூசி படிந்த ஒரு எக்ஸ்டர்னல் டிரைவை எடுத்து, இணைத்து, பல ஆண்டுகளாகத் தொடாத ஒரு கோப்புறையைத் திறந்தேன். கிடைத்தது 7,246 ஆடியோ கோப்புகள், அவற்றின் மெட்டாடேட்டா தவறானது, அல்லது இல்லாதது, அல்லது அர்த்தமற்றது: கலைஞர் புலத்தில் டிராக் எண்கள், பொருளற்ற ஆல்பம் பெயர்கள், உண்மையான பாடலுக்குத் தொடர்பே இல்லாத தலைப்புகள். ஒரு டிராக்கைக் கூடப் பெயரால் தேடிக் கண்டுபிடிக்க முடியவில்லை. அந்த டிரைவில் நான் வளர்ந்த எல்லாமும் இருந்தது (Eminem, Linkin Park, A.R. Rahman, Pritam, Queen), ஆண்டுக்கணக்கில் ரிப் செய்து, மாற்றி, சாதனங்களுக்கு இடையே கோப்புகளை நகர்த்தியதில் சேர்ந்த உடைந்த டேக்குகளின் அடுக்குகளுக்கடியில் புதைந்து. அதற்குப் பிந்தைய வார இறுதி Sonic Phoenix ஆனது.

கட்டமைப்பு

பைப்லைன் ஏழு கட்டங்களாகப் பிரிக்கப்பட்டுள்ளது, ஒவ்வொரு கட்டமும் தன் நிலையை வட்டில் எழுதும் சிறிய ஸ்கிரிப்ட்களின் தொடர். எந்தக் கட்டத்துக்குப் பிறகும் நிறுத்தலாம், இடைநிலை JSON-ஐ ஆய்வு செய்யலாம், கையால் சரிசெய்யலாம், வேலையை மீண்டும் செய்யாமல் தொடரலாம். இதில் புத்திசாலித்தனம் எதுவும் இல்லை, குழப்பமான பிரச்சினையைத் தீர்க்கக்கூடியதாக்கும் ஒழுக்கமான நிலை மேலாண்மை மட்டுமே.

இலக்கு கட்டமைப்பு Sorted/<Language>/<Artist>/<Album>/<Artist> - <Title>.<ext>. என் தொகுப்பிலிருந்து இரண்டு மொழிக் குழுக்கள் உருவாயின: ஆங்கிலம் (3,621 டிராக்குகள்), இந்தி (1,410 டிராக்குகள்). வகைப்பாடு குறியீட்டில் பதிக்கப்படவில்லை, அது முழுக்க நீங்கள் config/language_hints/ இல் வைக்கும் JSON குறிப்புக் கோப்புகளால் இயங்குகிறது. உங்கள் தொகுப்பு பிரெஞ்சு, ஜப்பானியம் என்றால், பைப்லைன் Sorted/French/, Sorted/Japanese/ உருவாக்கும், வேறு எதுவும் இல்லை.

உச்சத்தில், ஆடியோ கோப்புகளை நீக்குவதற்கு முன், வகைப்படுத்தப்பட்ட நூலகம் இப்படித் தெரிந்தது:

T:\Music\
├── Sorted/
│   ├── English/          # 3,621 tracks
│   │   ├── Eminem/       # 125 tracks
│   │   ├── Oasis/        # 80 tracks
│   │   ├── Pitbull/      # 68 tracks
│   │   ├── Nickelback/   # 68 tracks
│   │   ├── Evanescence/  # 64 tracks
│   │   ├── Metallica/    # 59 tracks
│   │   ├── Queen/        # 57 tracks
│   │   └── ... (600+ more artists)
│   └── Hindi/            # 1,410 tracks
│       ├── Pritam/       # 122 tracks
│       ├── Sonu Nigam/       # 63 tracks
│       ├── A.R. Rahman/  # 44 tracks
│       ├── Shankar Ehsaan Loy/ # 39 tracks
│       └── ... (350+ more artists)
├── .data/                # 11 MB of pipeline state
│   ├── shazam_hash_results.json   # 1.3 MB - ground-truth identifications
│   ├── catalog.json               # 3.8 MB - master SHA-256 catalog
│   ├── final_catalog.json         # 1.9 MB - read-only canonical output
│   └── enrichment_progress.json   # 642 KB - per-file enrichment status
└── sonic-phoenix/        # the pipeline repo

உருவாக்கம்

கட்டம் 1: ஒவ்வொரு டேக்கையும் புறக்கணியுங்கள், ஆடியோவை மட்டும் நம்புங்கள்

முதல் முடிவு மிக முக்கியமானது: இருக்கும் மெட்டாடேட்டாவை நம்புவதை நிறுத்துவது. இந்தக் கோப்புகளின் ID3 டேக்குகள் முழுமையற்றவை மட்டுமல்ல, தீவிரமாகத் தவறாக வழிநடத்துபவை. கலைஞர் புலங்களில் டிராக் எண்கள் இருந்தன. ஆல்பம் பெயர்கள் அர்த்தமற்ற சரங்கள். தலைப்புகள் உண்மையான பாடலை ஒத்திருக்கவில்லை. சில டேக்குகள் சரியானவை, ஆனால் வெளிப்புற உண்மை மூலம் இல்லாமல் எவை என்று அறிய வழி இல்லை.

அந்த உண்மை மூலம் ShazamIO இன் ஒலி கைரேகை இன்ஜின். டேக்குகள் சொல்வதையும் ஆடியோ உண்மையில் இருப்பதையும் ஒப்பிட்டுச் சரிபார்க்க ஒவ்வொரு கோப்பையும் அதன் வழியாக ஓட்டினேன். ஸ்கிரிப்ட் (01D_shazam_all_files.py) 20 இணை Shazam தேடல்களை இயக்குகிறது, ஒவ்வொரு 100 கோப்புகளுக்கும் முடிவுகளை வட்டில் எழுதுகிறது, முழுமையாக மீண்டும் தொடங்கக்கூடியது: வார இறுதியில் மூன்று முறை அதை நிறுத்தினேன், ஒவ்வொரு முறையும் நிறுத்திய இடத்திலிருந்தே தொடங்கியது.

7,246 கோப்புகளில் Shazam 4,177-ஐ உறுதியாக அடையாளம் கண்டது, அதாவது 57.6% அடையாள விகிதம். Shazam இருக்கும் டேக்குகளை உறுதிப்படுத்திய இடங்களில் அவை வைக்கப்பட்டன. அது மாறுபட்ட இடங்களில் ஒலி முடிவே வென்றது. மிச்சமுள்ள 3,069 அடையாளம் காணப்படாத கோப்புகள் புகழ் குறைந்த Bollywood டிராக்குகள், பிராந்திய இந்திய இசை, ஒலி பொருத்தத்துக்கு மிகவும் சிதைந்த அல்லது மிகச் சிறிய கோப்புகள் ஆகியவற்றின் கலவை. அவை மூன்றடுக்குத் தீர்வுக்குச் சென்றன: Shazam முடிவு → இருக்கும் ID3 டேக்குகள் (சுத்தம் செய்யப்பட்டு, இயல்பாக்கம் நீக்கப்பட்டவை) → கடைசி வழியாக கோப்பு பெயர் பகுப்பாய்வு. இறுதிப் பட்டியல் விவரம் காட்டுகிறது: 6,925 பதிவுகள் ID3 வழியாகத் தீர்ந்தன (முடிந்த இடங்களில் Shazam உறுதிப்படுத்தியவை அல்லது திருத்தியவை), 79 Shazam-இலிருந்து மட்டும், 156 கோப்பு பெயர் மாற்று வழியிலிருந்து.

கட்டம் 2–3: மொழிப் பிரச்சினையும் கலைஞர்கள் சிதறல் பிரச்சினையும்

ஆங்கில டிராக்குகளுக்கு மொழி வகைப்பாடு எளிதாக இருந்தது, ஆனால் இந்தியில் உடனே சரிந்தது. பிரச்சினை: langdetect எழுத்துமாற்றம் செய்யப்பட்ட இந்தியைப் (ஆங்கில எழுத்துகளில் எழுதிய இந்தி, “Tujhe Dekha Toh Yeh Jaana Sanam”) பார்த்து அதை ஆங்கிலம் என்று முத்திரையிடுகிறது. ரோமன் தலைப்புள்ள ஒவ்வொரு Bollywood பாடலும் தவறான குழுவில் போய்ச் சேர்ந்தது.

தீர்வு வெளிப்படையான மொழிக் குறிப்புக் கோப்புகள்: config/language_hints/ கீழ் JSON அமைப்புகள், அவற்றில் அறியப்பட்ட கலைஞர்கள், தனித்துவமான முக்கியச் சொற்கள், மொழிக் குறியீடுகள் பட்டியலிடப்படும். "artists": ["Pritam", "A.R. Rahman", "Sonu Nigam"] கொண்ட Hindi.json வைத்தால், langdetect என்ன நினைத்தாலும் அந்தக் கலைஞர்கள் வலுக்கட்டாயமாக இந்திக் குழுவுக்குச் செல்கிறார்கள். குறியீட்டிலேயே மொழி பற்றிய எந்த அறிவும் பதிக்கப்படாமல், பைப்லைன் இவற்றை இயக்க நேரத்தில் ஏற்றியது.

பிறகு கலைஞர்கள் சிதறல் பிரச்சினை வந்தது. ஆரம்ப வகைப்படுத்தலுக்குப் பிறகு என்னிடம் Akon feat. Eminem, Akon ft Snoop Dogg, AKON என்று தனித்தனி கோப்புறைகள் இருந்தன, எல்லாம் ஒரே முதன்மைக் கலைஞருடையவை, மூன்று கோப்பகங்களில் சிதறி. ஒருங்கிணைப்புச் சுற்று (03A_consolidate_by_artist.py) 70% ஒற்றுமை வரம்பில் ஃபஸ்ஸி பொருத்தத்தையும், தரப்படுத்தப்பட்ட பெயர்களுக்குக் கையால் உருவாக்கிய மேலெழுது வரைபடத்தையும் பயன்படுத்தியது. அது 1,365 கோப்புறை இணைப்புகளைச் செய்து குழப்பத்தை 968 சுத்தமான கலைஞர் கோப்பகங்களாகக் குறைத்தது.

இறுதி கட்டமைப்பு நடைமுறைப்படுத்தி (03D_titanium_resort.py) ஒரு உத்தரவாதத்தை வழங்கியது: அது இயங்கிய பிறகு Sorted/ கீழுள்ள ஒவ்வொரு கோப்பும் Language/Artist/Album/Artist - Title.ext படிநிலையைப் பின்பற்றுகிறது. பின்பற்றாதது மீண்டும் வகைப்படுத்தப்படும் அல்லது குறிக்கப்படும். கட்டம் 3 முடிவதற்குள் நூலகம் 7,246 கோப்புகளின் தட்டையான குவியலிலிருந்து ஒரு அனாதைக் கோப்பும் இல்லாத கட்டமைக்கப்பட்ட படிநிலைக்கு மாறியிருந்தது.

கட்டம் 4: செறிவூட்டல், மெட்டாடேட்டாவை மதிப்புள்ளதாக்குதல்

கோப்புகளைச் சரியான கோப்புறைகளில் வகைப்படுத்துவது பாதி வேலை. மீதி பாதி, ஒவ்வொரு கோப்பும் தன்னைத் தானே விவரிக்கும்படி செய்வது: சரியான ID3 டேக்குகள், உட்பொதிந்த கவர் ஆர்ட், ஒத்திசைந்த பாடல் வரிகள். நான் மூன்று வெளி மூலங்களைப் பயன்படுத்தினேன்:

• iTunes Search API தரப்படுத்தப்பட்ட கலைஞர் பெயர்கள், ஆல்பம் தலைப்புகள், வெளியீட்டுத் தேதிகள், 1000×1000 கவர் ஆர்ட் ஆகியவற்றுக்கு. இதற்கு API விசை தேவையில்லை. பிராந்தியம் வாரியான வீத வரம்புகளைத் தவிர்க்க, ஸ்கிரிப்ட் US, GB நாட்டுக் குறியீடுகளுக்கு இடையே வினவல்களைச் சுழற்றுகிறது.
• LrcLib ஒத்திசைந்த பாடல் வரிகளுக்கு (பிளேயரில் சொல் சொல்லாக நகர்பவை). இலவசம், அங்கீகாரம் இல்லாமல்.
• Shazam-இன் அசல் அடையாளம், iTunes முடிவுகளுடன் ஃபஸ்ஸி பொருத்தத்துக்கு உண்மை அடித்தளமாக.

செறிவூட்டல் ஸ்கிரிப்ட் (04I_polish_and_enrich_v6.py, ஆறாவது பதிப்பு, இந்தச் செயல்முறை எத்தனை விளிம்புநிலை நிகழ்வுகளை வெளிக்கொணர்ந்தது என்பதை இது சொல்கிறது) எந்த டேக்கையும் எழுதுவதற்கு முன் 14-வடிவ ரெஜெக்ஸ் இரைச்சல் நீக்கச் சுற்றை இயக்குகிறது. அது குப்பைத் துண்டுகளை வெட்டுகிறது: தர அடையாளங்கள் (128kbps, 320kbps, VBR, HQ), விளக்க எச்சங்கள் (official video, full song, dj remix), ஆண்டுகளாக டேக் புலங்களில் சேர்ந்த பலவித இரைச்சல். Shazam-இன் உண்மை அடித்தளத்துடன் ஃபஸ்ஸியாக ஒப்பிட்டு, தலைகீழான கலைஞர்/தலைப்பு புலங்களைப் பிடித்துத் தானாகத் திருத்துகிறது.

முடிவு: பட்டியலிலுள்ள 7,160-இல் 6,733 டிராக்குகள் இப்போது உண்மையான ஆல்பம் மெட்டாடேட்டாவைக் கொண்டுள்ளன. 103 டிராக்குகளில் உட்பொதிந்த HD கவர் ஆர்ட் உள்ளது. 25-இல் ஒத்திசைந்த பாடல் வரிகள் உள்ளன. மீதமுள்ள இடைவெளிகள் பெரும்பாலும் iTunes குறியீடு செய்யாத பிராந்திய டிராக்குகள், இது அறியப்பட்ட வரம்பு, MusicBrainz-க்கு எதிரான எதிர்காலச் செறிவூட்டல் சுற்றுக்காக இதைக் குறித்து வைத்திருக்கிறேன்.

கட்டம் 5–6: இறுதியாக்கமும் Spotify பாலமும்

கட்டம் 5 பட்டியலைப் பூட்டியது. 05I_finalize_catalog.py ID3, Shazam, NLP வகைப்பாடு தரவை ஒரே final_catalog.json ஆக இணைக்கிறது, 1.9 MB படிக்க-மட்டும் கலைப்பொருள், இதைப் பிந்தைய பயனர்கள் ஒரே உண்மை மூலமாகக் கருதுகிறார்கள். இறுதியாக்கத்துக்குப் பிறகு: இசையின் வேரில் எங்கும் பூஜ்யம் வகைப்படுத்தப்படாத ஆடியோ கோப்புகள். பிறகு நான் அவை அனைத்தையும் நீக்கினேன். 30 GB ஆடியோ கோப்புகள், மறைந்தன. .data/ இல் பைப்லைன் நிலையின் 11 MB, அதாவது பட்டியல்கள், செறிவூட்டல் பதிவுகள், Shazam அடையாளங்கள், உண்மையில் முக்கியமானது அதுதான். பட்டியலிலுள்ள ஒவ்வொரு பாடலும் Spotify-இல் உள்ளது. உள்ளூர் கோப்புகள் வெறும் மூலப்பொருள்; மெட்டாடேட்டாதான் பொருள்.

கட்டம் 6 நீக்குதலை வலியற்றதாக்கியது. டிஸ்கவரி ஒத்திசைவு இன்ஜின் (06E_spotify_discovery_sync.py) பட்டியலின் கலைஞர்களை Spotify-உடன் பொருத்தி, வகை அடிப்படையிலான “Essentials” பிளேலிஸ்ட்களைத் தானாக உருவாக்குகிறது. முதல் ஒத்திசைவு ஓட்டத்தில் அது 95 கலைஞர்களைச் செயலாக்கியது. பிளேலிஸ்ட் உருவாக்கத்தில் Spotify-இன் 403 (செயலி மேம்பாட்டு முறையில் இருந்தது) தானாக உருவான பிளேலிஸ்ட்கள் இறங்குவதைத் தடுத்தது, இது Spotify Developer Dashboard-இல் ஒரு கிளிக்கில் சரியாகும், அடுத்த ஓட்டத்துக்கு முன் அதைத் தீர்ப்பேன்.

கட்டம் 6 இறுதிப் பலன் அல்ல. இறுதிப் பலன் என்னவென்றால், பட்டியல் கட்டமைக்கப்பட்டும் செறிவூட்டப்பட்டும் இருப்பதால் ஆடியோ கோப்புகள் இல்லாமலே அதை ஒரு AI இடம் ஒப்படைக்கலாம்.

கட்டம் 7: AI ஸ்கில், தேவைக்கேற்ப பிளேலிஸ்ட் உருவாக்கம்

கட்டங்கள் 1–6 தரவுத்தொகுப்பை உருவாக்கின. கட்டம் 7 அதற்கு மேலே ஒரு AI-ஐ அமர்த்துகிறது.

அந்த ஸ்கில்லை ClawHub இல் ultimate-music-manager என்ற பெயரில் வெளியிட்டுள்ளேன். எந்த OpenClaw-இணக்க ஏஜென்ட்டும் (Claude Code, Codex, Copilot) அதை நிறுவி உடனே பைப்லைனை இயக்கலாம் அல்லது பட்டியலை வினவலாம். ஸ்கில் தொகுப்பில் பைப்லைன் வழிமுறைகளின் முழுத் தொகுப்பு (SKILL.md), முன்-சோதனைகள் மற்றும் நிலைப் பலகைகளுக்கான உதவி ஸ்கிரிப்ட்கள், அழிவுச் செயல்கள் இயங்குவதற்கு முன் தடுக்கும் பாதுகாப்புக் கொக்கி ஆகியவை உள்ளன.

இங்குதான் வார இறுதித் திட்டம் பலன் தருகிறது. நான் இப்போது “எனக்கு 90களின் Bollywood நினைவேக்கப் பிளேலிஸ்ட் செய்” அல்லது “ஒவ்வொரு Eminem டிராக்கையும் ஆல்பம் வாரியாக வரிசைப்படுத்திக் கொடு” அல்லது “என் ஆங்கிலத் தொகுப்பிலிருந்து சாலைப் பயண மிக்ஸ் செய், பெரும்பாலும் ராக்” என்று சொல்ல முடியும், ஏஜென்ட்டிடம் அதை உண்மையில் செய்ய கட்டமைக்கப்பட்ட மெட்டாடேட்டா உள்ளது: கலைஞர், தலைப்பு, ஆல்பம், மொழி, வகை. அது final_catalog.json ஐப் படித்து, நான் எளிய மொழியில் விவரிக்கும் எந்த அளவுகோலாலும் வடிகட்டி, முடிவை கட்டம் 6 ஒத்திசைவு இன்ஜின் வழியாக Spotify-க்கு அனுப்புகிறது. உள்ளூர் ஆடியோ கோப்புகள் தேவையில்லை: பட்டியலும் ஒரு Spotify சந்தாவும் மட்டுமே.

இறுதிப் பட்டியல் இனி கோப்பு பெயர்களின் தட்டையான பட்டியல் அல்ல. இது வெளியிடப்பட்ட AI ஸ்கில்லின் பின்னால் அமர்ந்த தேடக்கூடிய தரவுத்தொகுப்பு, எளிய மொழியைக் கவனமாகத் தொகுக்கப்பட்ட பிளேலிஸ்ட்களாக மாற்றுகிறது, முழுக்க என் சொந்த இசையிலிருந்து எடுத்த மெட்டாடேட்டாவால் கட்டப்பட்டது, நான் எதைக் கேட்டு வளர்ந்தேன் என்று அறியாத ஒரு அல்காரிதத்திலிருந்து அல்ல.

சமரசங்கள்

57.6% Shazam அடையாள விகிதம்தான் மிகப்பெரிய ஆச்சரியம். ஒலி கைரேகை ஒரு மந்திரத் தீர்வாக இருக்கும் என்று எதிர்பார்த்தேன்: ஆடியோவைக் கொடுங்கள், பதிலைப் பெறுங்கள். பிரதான மேற்கத்திய இசைக்கு அது அப்படியே இருந்தது. பிராந்திய இந்திய இசைக்கு, குறிப்பாகப் பழைய Bollywood டிராக்குகள், பக்திப் பதிவுகளுக்கு, Shazam-இன் தரவுத்தளத்தில் அவை பெரும்பாலும் இடம்பெறவே இல்லை. மூன்றடுக்கு மாற்று வழி (Shazam → ID3 → கோப்பு பெயர்) பெரும்பாலானவற்றைப் பிடித்தது, ஆனால் 156 டிராக்குகள் இன்னும் கோப்பு பெயர் பகுப்பாய்வால் மட்டுமே தீர்ந்தன, அதாவது அவற்றின் மெட்டாடேட்டா முதலில் பதிவிறக்கியவர் தட்டச்சு செய்த அளவுக்குத்தான் நல்லது. இந்த 156 பதிவுகள் பட்டியலில் மிகக் குறைந்த நம்பிக்கையுள்ள பதிவுகள்.

செறிவூட்டல் ஸ்கிரிப்டின் ஆறு பதிப்புகள் (04A முதல் 04I வரை) தங்கள் கதையைத் தாங்களே சொல்கின்றன. ஒவ்வொரு பதிப்பும் இருக்கக் காரணம், முந்தையது நான் எதிர்பார்க்காத ஒரு விளிம்புநிலை நிகழ்வில் உடைந்தது: Mutagen சேமிக்க முடியாத கலப்பு ID3v2.3/v2.4 தலைப்புகள், ஃபஸ்ஸி வினவலுக்கு iTunes முற்றிலும் வேறு டிராக்கைத் திருப்பியது, இரைச்சல் நீக்கச் சுற்று சரிசெய்வதற்குப் பதிலாக மேலும் சேதப்படுத்திய தலைகீழான கலைஞர்/தலைப்பு புலங்கள். ஒவ்வொரு பதிப்பையும் வரலாற்றுப் பதிவாக ரெப்போவில் வைத்துள்ளேன். 04A முதல் 04I வரை வரிசையாகப் படிப்பது, ஒரு இசை நூலகம் உங்கள் மீது எத்தனை வகை மெட்டாடேட்டா விளிம்புநிலை நிகழ்வுகளை வீசக்கூடும் என்பதைப் புரிந்துகொள்ளும் வேகமான வழி.

எழுத்துமாற்றம் செய்யப்பட்ட இந்தியில் langdetect இன் தோல்வி மணிக்கணக்கான நேரத்தை எரித்தது. வகைப்படுத்தி முழு நம்பிக்கையுடன் தவறு செய்கிறது என்று புரிந்துகொள்வதற்குள் 200க்கும் மேற்பட்ட Bollywood டிராக்குகள் ஆங்கிலக் குழுவில் கிடந்தன. குறிப்புக் கோப்பு அமைப்புதான் தீர்வு, ஆனால் இது கைவேலை: ஒவ்வொரு மொழிக்கும் யாரோ கலைஞர் பட்டியல்களையும் முக்கியச் சொற்களையும் தயாரிக்க வேண்டும். இரண்டு மொழித் தொகுப்புக்கு (ஆங்கிலம், இந்தி) இது சமாளிக்கக்கூடியதாக இருந்தது. 10க்கும் மேற்பட்ட மொழிகள் கொண்ட பன்மொழி நூலகத்துக்கு இது கணிசமான முன்கூட்டிய முதலீடாக இருக்கும்.

பொருத்தமின்மை அறிக்கையிலுள்ள 690 பதிவுகள், Shazam அடையாளத்துடன் பொருந்தாத முடிவை iTunes தந்த டிராக்குகள். சில செல்லுபடியாகும் மாற்றுப் பதிப்புகள் (நேரடிப் பதிவுகள், ரீமாஸ்டர்கள்). சில iTunes-இன் ஃபஸ்ஸி தேடலிலிருந்து வந்த உண்மையான தவறான பொருத்தங்கள். செறிவூட்டல் ஸ்கிரிப்ட் இவற்றைப் பதிவு செய்கிறது ஆனால் Shazam-இன் உண்மை அடித்தளத்தை மேலெழுதாது, இது ஒரு எச்சரிக்கையான தேர்வு, சில சமயம் ஒரு டிராக்கைத் தவறாக டேக் செய்வதை விட குறைவாகச் செறிவூட்டி விட்டுவிடும்.

நான் கற்றுக்கொண்டது

என் குழந்தை பாடல்களைக் கேட்டது. முழு நோக்கமும் அதுதான், அது பொறியியலுக்குள் கிட்டத்தட்ட தொலைந்துவிட்டது. டேக் இல்லாத 7,246 ஆடியோ கோப்புகளின் குவியல் தரவுப் பிரச்சினை, இசைத் தொகுப்பு அல்ல, தரவுப் பிரச்சினைகளில்தான் AI கருவிகள் இப்போது திறமையாகிவிட்டன. நான் ஒரு வார இறுதியில் உருவாக்கிய பைப்லைனுக்குச் சில ஆண்டுகளுக்கு முன் கையால் வகைப்படுத்த வாரங்கள் ஆகியிருக்கும். இப்போது பட்டியல் எவ்வளவு கட்டமைக்கப்பட்டுள்ளது என்றால், ஒரு AI ஸ்கில் நொடிகளில் எனக்காகப் பிளேலிஸ்ட் உருவாக்கும், கையால் ஒழுங்குபடுத்தும் பொறுமை எனக்கு ஒருபோதும் இருந்திருக்காத மெட்டாடேட்டாவிலிருந்து. நான் 30 GB ஆடியோவை நீக்கி 11 MB JSON-ஐ வைத்தேன். கோப்புகள் ஒருபோதும் நோக்கம் அல்ல, தரவுதான், தரவுத்தொகுப்புகள் கூட்டுவட்டி போல் வளரும்.