플러스프로젝트 배경
1) 문제점 국립광주과학관 2026 전국민 AI 창작 경진대회 출품을 위해 Suno로 생성한 로고송 약 30곡의 후보를 청취만으로 비교하기 어려웠습니다. 곡당 1분 × 30곡 = 30분 이상 소요되고, 클리핑·급종료·무음 과다 같은 기술 결함이 청취 인상에 묻혀 1차 컷을 통과하는 문제가 있었습니다. 2) 프로젝트 목표 오디오 신호 분석 기반 결정론 채점으로 30곡을 자동 정렬하고, 발음·표절 등 사
프로젝트 성과
1차 필터링 시간 80%+ 단축
30곡 전체 청취에 필요하던 약 30분이 자동 분석 2~3분 + TOP 6 정밀 청취 약 6분으로 줄었습니다. 반복 작업마다 동일한 효율을 보장합니다.
위험 트랙 후보 진입 원천 차단
클리핑·엔딩 급종료·무음 과다 5종 경고 감지 시 총점을 74점으로 hard cap 적용해, 위험 트랙이 정렬 상단에 잘못 노출되는 사고를 구조적으로 차단했습니다.
핵심 기능
오디오 신호 자동 채점 및 TOP 6 추천
WAV·MP3 파일을 업로드하면 librosa 신호 분석 후 결정론 함수로 100점 자동 산출, verdict 4단계 분류와 함께 상위 6곡을 즉시 추천합니다. 30곡을 2~3분 안에 처리합니다.
진행 단계
오디오 분석 엔진 구현
2026.05.
librosa 기반 audio_analyzer.py를 구현하고, minor version별 API 이동 문제를 fallback 체이닝으로 해결했습니다.
프로젝트 상세
1) 포트폴리오 소개 AI 음원 생성 도구(Suno)로 만든 로고송 후보 30곡을 1차 필터링하는 로컬 Streamlit 도구입니다. 오디오 신호 분석(librosa)으로 길이·클리핑·무음·엔딩 급종료 등 기술적 결함을 자동 감지하고, 결정론 채점 함수로 100점 만점의 QA 점수를 산출합니다. 30분 걸리던 청취 비교를 자동 분석 2~3분 + 후보 6곡 정밀 청취로 단축해 약 80% 이상의 시간을 절약
