Gratis · Ingen tilmelding · Virker i browseren

Musikgenre-detektor, der faktisk kender forskellen mellem deep house og tech house.

Optag en hvilken som helst sang omkring dig, eller upload en MP3 — vi fortæller dig genren, undergenren, BPM og stemningen. Drevet af vores egen lyd-AI — trænet og vedligeholdt internt. Op til 96% nøjagtighed på GTZAN og MagnaTagATune.

senest opdateret 200+ genrer og undergenrer~3 sek. analyse
Live-detektor
Identificér genren

Log ind for at scanne — prøv det gratis

eller upload en fil
Deep House
undergenre · Melodic House & Techno · 122 BPM
94% konfidenseuforisknatlig køretura-mol
// hvad gør det nøjagtigt

Bygget på rigtig research, ikke fornemmelser.

Vi har bygget og træner vores egen lydmodel — kombineret med en taksonomi på 500+ genrer, som vi har kurateret ud fra årevis af data fra den virkelige verden. Intet gætteri, ingen genveje baseret på hitlister.

96%

Benchmark-nøjagtighed

På GTZAN og MagnaTagATune rammer vi 91-96% top-1, afhængigt af genrefamilien. Vi benchmarker på GTZAN og MagnaTagATune og rapporterer tal, vi selv har målt.

~3 sekunders analyse

Optag 10 sekunder, få et resultat på tre. Inferensen kører på vores GPU-server; din rå lyd bliver aldrig gemt.

🎛

Undergenrer, ikke kasser

“Elektronisk” er for bredt. Vi adskiller Deep House fra Tech House, Drum & Bass fra Liquid DnB, Phonk fra Drift Phonk.

🎧

BPM- og tonearts-genkendelse

Beat-grid-analyse giver dig tempoet inden for ±1 BPM og tonearten i 24 klasser — nyttigt for DJ's, der forbereder et set, eller producere på jagt efter referencenumre.

🌐

Ingen tilmelding, ingen reklamer

Tre gratis analyser i browseren at prøve, derefter ubegrænset med mobilappen. Vi viser ikke reklamer og sælger ikke dine data. Det lover vi skriftligt på Om os-siden.

📈

Stemningsvektor

12-dimensionel stemningsaflæsning: energisk, melankolsk, håbefuld, mørk, drømmende, dansevenlig, aggressiv… De samme data, vi bruger til at drive “find lignende numre” i appen.

// tre trin

Sådan virker det.

01

Tryk på mikrofonen, eller slip en fil.

Vi har brug for omkring 10 sekunders lyd. Browseren beder om mikrofontilladelse; ved filupload læser vi bufferen lokalt — din lyd forlader ikke din fane, før du vælger at analysere.

02

Vores model læser lyden.

Lyden behandles af vores egen model — trænet på millioner af mærkede numre på tværs af 500+ genrekategorier. Den scorer alle genrer samtidig og omrangerer med et finjusteret hoved, trænet på kurateret data fra den virkelige verden.

03

Genre, undergenre, BPM, stemning — på 3 sek.

Du får den øverste etiket med en sikkerhedsscore, de næstbedste genrer i tilfælde af, at det er en hybrid, og en analyse af BPM/toneart/stemning. Gem som favorit, del et resultatlink, eller analysér en ny.

// gennemse taksonomien

Et par af de 200+ genrer, vi kender.

Tryk på en chip for at se eksempelnumre, vores detektor har fundet i naturen.

+ 174 flere undergenrer
/* hvordan det her er bygget */

Vores egen model. Bygget til musik, ikke lånt.

De fleste genre-detektorer genbruger generelle lyd-embeddings. Vi gik en anden vej — vi trænede en dedikeret model på millioner af mærkede numre og finjusterede den specifikt til detaljeringsgrad på undergenrer. Derfor adskiller den Deep House fra Tech House, Drum & Bass fra Liquid DnB, Phonk fra Drift Phonk. Vi benchmarker på GTZAN og MagnaTagATune og rapporterer tal, vi selv har målt.

// spørgsmål, for det meste ægte

FAQ.

Shazam matcher et lyd-fingeraftryk mod sit katalog af kendte numre. Hvis sangen ikke er i kataloget (en DJ-edit, en bootleg, en udgivelse du købte på Bandcamp), giver den op. Vi forsøger ikke at identificere sangen — vi lytter og fortæller dig, hvilken slags musik det er. Så både et vinyl-rip fra 1996 og en SoundCloud-upload fra i går bliver analyseret.
Ja. Tre gratis analyser i browseren, ingen tilmelding. Vi betaler for GPU-serveren med indtægterne fra mobilapp-abonnementer. Hvis du har brug for mere, giver iOS-/Android-appen dig ubegrænsede analyser for prisen af en kop kaffe om måneden.
Alt fra en optagelse med telefonmikrofonen i en larmende bar til en tabsfri WAV virker. Nøjagtigheden stiger med renere lyd — ved 128 kbps MP3 rammer du stadig ~88% på GTZAN-benchmarken; ved 320 kbps eller tabsfri er vi på 94%+.
Nej. Vi holder kun lyden i hukommelsen, så længe det er nødvendigt for embedding-gennemløbet, og dropper den derefter. Resultatet (genre + BPM + stemning) logges til et resultat-ID, så du kan dele det; kildelyden gør ikke.
Det er hele pointen. Vores taksonomi har 200+ blade, og klassificeringshovedet blev finjusteret specifikt til at adskille nære par. Du får en top-1-undergenre med sikkerhed og de næstbedste til tvetydige numre.
Numre, der ligger mellem genrer, er virkelig tvetydige — en sang, der er 60% Trap og 40% Phonk, bliver scoret som det ene eller det andet, alt efter hvilken intro du tog stikprøve af. Vi viser sikkerhed og næstbedste gæt, så du kan se, når modellen er i tvivl. Til virkelig nichet stof (drone, free jazz, microsound) er taksonomien endnu ikke dyb nok.
Ikke offentligt endnu. Hvis du er en DJ-pool, et bibliotek eller en B2B-partner med en reel anvendelse, så sig hej, så kan vi tale priser.

Hold op med at kalde alting “house”.

Gratis i din browser. Ubegrænset i appen.

Hent til iOS →Hent til Android →
Gratis online musikgenredetektor — Genre AI