DDMD

DDMD: Digital Drug Music Detector

وظيفتها

يهدف مشروع DDMD إلى توفير حلّ مستند إلى الذكاء الاصطناعي لرصد الموسيقى الرقمية التي تروّج للمخدرات. تبدأ العملية بجمع 3,176 ملف MP3 غير محمي بموجب حقوق الطبع والنشر، تم تصنيف 1,676 منها على أنّها موسيقى رقمية للمخدرات و1,500 على أنّها ليست موسيقى رقمية للمخدرات.
تُستخدَم هذه الملفات لتطوير نموذج يستند إلى "الغابة العشوائية" يمكنه تصنيف الملفات الصوتية على أنّها موسيقى رقمية للمخدرات أو غير ذلك. يستخدم النموذج 34 سمة مستخرَجة من هذه الملفات الصوتية، والتي تشمل كلّ من خصائص النطاق الزمني والنطاق الزمني، وقد حقّق نتائج مشجّعة للغاية.
لإتاحة النتائج وجعلها سهلة الاستخدام، طوّرنا تطبيق ويب. يستفيد هذا التطبيق من نموذج Random Forest (الغابة العشوائية) المدربة لتصنيف الملفات الصوتية من خلال واجهة بسيطة وسهلة الاستخدام. تم إنشاء تطبيق الويب DDMD باستخدام Flask للخلفية وHTML/CSS للواجهة الأمامية. ويستخدم هذا النموذج نموذج Random Forest الذي تم تدريبه مسبقًا لإجراء التوقّعات، كما يقبل تنسيقات ملفات صوتية مختلفة ويحوّل الملفات غير بتنسيق MP3 إلى تنسيق MP3 ويسمح بإدخال البيانات من خلال عنوان URL على YouTube.
بالإضافة إلى ذلك، لتحسين دقة التصنيف، نستكشف طرقًا لتحسين تطبيق DDMD من خلال تحسين نموذج Gemini-1.5-flash. لقد اقترحنا طريقتَين: أولاً، أعددنا مجموعة بيانات JSON استنادًا إلى نتائج مصنّف Random Forest لتحسين نموذج Gemini-1.5-flash. في النهج الثاني، نستخدم Gemini API ونختبر تنسيقات إدخال مختلفة، بما في ذلك CSV وJSON، لتحسين نموذج Gemini هذا.

تم إنشاؤه باستخدام

  • الويب/Chrome
  • Google Colab
  • العروض التقديمية من Google
  • تكنولوجيات الذكاء الاصطناعي من Google لتحويل الكلام إلى نص

الفريق

من

الجزائر