DDMD

O que faz?

O projeto DDMD tem como objetivo fornecer uma solução com tecnologia de IA para detectar música digital de drogas. O processo começa com a coleta de 3.176 arquivos MP3 sem direitos autorais, dos quais 1.676 são classificados como música digital para drogas e 1.500 não são.
Esses arquivos são usados para desenvolver um modelo baseado em floresta aleatória que pode classificar arquivos de áudio como música digital para drogas ou não. O modelo utiliza 34 recursos extraídos desses arquivos de áudio, cobrindo características de frequência e de domínio de tempo, e alcançou resultados muito encorajadores.
Para tornar os resultados acessíveis e fáceis de usar, desenvolvemos um aplicativo da Web. Esse aplicativo usa o modelo de floresta aleatória treinado para classificar arquivos de áudio em uma interface simples e intuitiva. O aplicativo da Web DDMD é criado usando o Flask para o back-end e HTML/CSS para o front-end. Ele utiliza o modelo Random Forest pré-treinado para fazer previsões, aceitando vários formatos de arquivos de áudio, convertendo arquivos que não são MP3 em MP3 e permitindo a entrada por um URL do YouTube.
Além disso, para melhorar a precisão da classificação, estamos buscando maneiras de melhorar o aplicativo DDMD ajustando o modelo Gemini-1.5-flash. Propomos duas abordagens: primeiro, preparamos um conjunto de dados JSON com base nos resultados do classificador de floresta aleatória para ajustar o modelo Gemini-1.5-flash. Na segunda abordagem, estamos usando a API Gemini e testando diferentes formatos de entrada, incluindo CSV e JSON, para ajustar esse modelo.