基于CNN的听歌识曲系统-网易云音乐

1.本系统意在解决用户在外或者不方便问询音乐的时候，可以使用该程序进行歌曲识别，节奏分析，个性化推荐等
2.该项目属于外包单，甲方为个人需求者，由于此项目需要不断录入新数据，因此该项目至今仍在更新。

1.功能介绍:
该项目分为4个模块，用户注册登录，后台管理，用户主界面，各功能界面，对于使用者可利用该系统实现，歌曲的录入（单曲录入/批量录入/录音录入），听歌识曲功能，音乐分析功能（从音乐的节奏，歌词，人声等）进行按需的功能分析，可视化图表生成等，播放器功能，个性化推荐功能等以及后台界面对录入歌曲的增删改查,相关日志的管理等。
2.相关技术栈:
Python（DRF、Scrapy爬虫、Librosa、PyTorch（CNN模型）、PySpark）、MySQL、AES加密、Vue
3、Django Admin（SimpleUI优化）
注：补充itemCF/userCF，pandas，pyecharts，echarts，numpy，nltk，jieba

个人职责:
1. 主导项目总体设计，确定前后端分离架构与技术栈，制定开发流程与交付标准；
2. 负责后端核心开发：使用Python爬虫获取网易云音乐数据，通过PySpark清洗千万级音频数据；基于Librosa提取音频梅尔频谱
图，设计CNN模型（卷积层+池化层+全连接层）生成特征向量，结合AES加密生成16进制音频指纹并存储至MySQL；
3. 搭建后端接口：设计ORM数据表、序列化器与视图，实现音乐数据查询、用户认证、识别结果返回等核心接口，支持RESTful规
范；
4. 统筹前端交互模块开发：对接Axios实现前端与后端通信，主导音乐播放器、文件/录音识别、用户管理等模块逻辑设计，确保
识别流程流畅；
5. 优化管理后台：基于Django Admin集成SimpleUI，将后台界面升级为LayUi风格，提升数据管理效率；
6. 担任项目经理，负责团队工作分配、技术难点攻关（如音频指纹匹配算法优化）、进度管控，确保项目按时交付

项目成果:
实现文件/录音双模式听歌识曲功能，音频指纹匹配准确率达90%+，支持日均千级识别请求，系统稳定运行，为音乐检索场景提
供高效解决方案。
注：后续3月份以来新增个性化推荐，数据分析可视化功能，对每首歌曲的节奏进行机器学习协同过滤和深度学习的LSTM算法进行
用户推荐，相似度预测，可视化分析等，85.78%准确率预测出每首歌的高潮部分，以及相同类型歌曲的节奏；可向用户个性化推
荐20首用户可能感兴趣的歌曲，歌词部分结合NLP技术，分析歌词寓意和情感，并将其可视化呈现。