Почему вк не открываются аудиозаписи: на компьютере и телефоне, решение

Как загрузить музыку в ВК с компьютера или телефона, добавить или отправить песню в Вконтакте, почему не скидывает аудиозапись

06.12.2018Вконтакте 2 комментарияЗадать вопросНаписать пост

Социальная сеть ВКонтакте имеет отдельный раздел посвященный музыке. Он содержит миллионы музыкальных записей от исполнителей из различных стран. Добавить музыкальные записи в плейлисты может любой владелец смартфона или ПК.

Добавление чужой музыки

Работать с музыкой Вконтакте можно как с компьютера, так и с телефона, кроме этого можно добавить файлы, которые уже размещены в социальной сети.

С компьютера

Для того, чтобы добавить аудиофайлы в ВК с компьютера в свой плейлист необходимо сделать следующее:

1. Открыть страницу социальной сети.
2. Зайти в раздел «Аудиозаписи».
3. В графе «Поиск» прописать того или иного исполнителя или название трека.
4. Кликнуть по значку «+», который находится справа напротив аудиофайла.
5. Аудиозапись сохранится у пользователя в плейлисте.

Со смартфона

Добавить музыку в ВК со смартфона также не составит труда:

1. Необходимо зайти в приложение «ВКонтакте».
2. Прописать снова в поиске нужное название.
3. Внизу нажать на три горизонтальные полосы.
4. Выбрать раздел «Добавить».
5. Теперь этот аудиофайл пользователь сможет найти у себя на странице.

Как добавить аудиозапись с компьютера

Сразу нужно принять во внимание, что добавлять файлы в социальную сеть можно только с персонального компьютера или ноутбука, добавить аудиозапись в Вконтакте с телефона нельзя. Для загрузки со смартфона ВК не предусмотрела такую функцию.

Чтобы добавить любимую песню пользователя в ВК, которая находится на его персональном устройстве необходимо сделать так:

1. Зайти в раздел «Аудиозаписи».
2. Кликнуть по кнопке «Добавить». Значок расположен справа в виде облачка, со стрелочкой вверх.
3. Кликнуть по кнопке «Выбрать файл», который отобразится на экране.
4. Необходимо соблюдать ограничения, которые накладывает ВК на загрузку. Иначе добавление будет просто отклонено.
5. Затем необходимо выбрать запись, которая находится на персональном компьютере или ноутбуке. И добавление начнется.

Редактирование

Если этот файл не подписан, то его можно отредактировать прямо в аудиозаписях. То есть дать название исполнителю и композиции.

Редактирование производится прямо в ВК:

1. Зайти в раздел «Музыка».
2. Найти музыкальную запись, которую необходимо подписать.
3. Нажать на «Карандаш», который расположен справа напротив записи. Его будет видно при наведении курсора мыши.
4. Откроется окно. В нем можно прописать исполнителя и название композиции, если пользователь считает, что звучит со всем не то, что указано в названии. Или же, вообще аудиозапись помечена, как «Неизвестен» или «Без названия».
5. Нажать на «Сохранить».
6. Теперь трек будет иметь такое имя, какое пользователь ему указал.

Добавить песню в диалог

Аудиофайлами можно делиться в ВК. Их можно прикреплять к сообщениям друзьям:

1. Открыть диалог и начать общение с другом.
2. Навести курсор мыши на кнопку в виде скрепки. Отобразится меню.
3. Выбрать пункт «Аудиозапись» и кликнуть по нему.
4. Откроется список из аудиофайлов, которые находятся в разделе «Музыка». Можно выбрать оттуда любимый трек и прикрепить.
5. Либо в строке быстрого поиска, что находится сверху, набрать нужного исполнителя и выбрать его.
6. Затем нажать по кнопке «Прикрепить».
7. Запись появится в диалоге у друга.
8. Теперь остается только отправить сообщение.

Добавить музыку в группу

Помимо диалогов можно выложить аудиозапись и в группу, если правилами сообщества это разрешено для участников группы.

Поделиться своими музыкальными файлами в сообществе в ВК можно так:

1. Зайти в сообщество, где пользователь желает оставить свою песню.
2. Кликнуть по кнопке «Предложить новость».
3. Нажать на значок ноты слева.
4. В появившемся списке выбрать нужный документ.
5. Кликнуть по кнопке «Прикрепить».
6. Песня появится в группе. Остается только нажать на «Предложить новость».
7. Через некоторое время, одобренная модераторами, она появится в сообществе. Либо появится сразу, если группа не выставила ограничения по приему аудиозаписей и других сообщений.

Добавить запрещенную аудиозапись

ВКонтакте в последнее время стали удалять аудио на которых лежит запрет правообладателя на бесплатное распространение. Такие песни повторно загрузить невозможно.

Чтобы обойти этот запрет, можно переименовать трек. Удалить теги с авторскими правами в любом редакторе. Если это не поможет, то редактировать содержимое песни в аудиоредакторе.

Почему Вконтакте не добавляется музыка

Записи могут не добавляться в Вконтакте по нескольким причинам:

• сбой в сети;
• блокировка в связи с действием авторских прав на трек;
• документ попадает под ограничения, которые прописаны при добавлении.

На главную

Reader Interactions

VK Studios — Studios by VK — Vintage King Studios

VK Studios — Studios by VK — Vintage King Studios — Vintage King

Магазин не будет работать корректно в случае, если куки отключены.

Похоже, в вашем браузере отключен JavaScript. Для наилучшего взаимодействия с нашим сайтом обязательно включите Javascript в своем браузере.

Перейти к основному содержанию

Запись и микширование дома

Если вы только начинаете или профессионал, который предпочитает работать, не выходя из собственного дома, вы можете делать высококачественные записи, миксы и мастер-записи из любого места.

Classic Studios Gone Modern

Если вы тоскуете по лучшим вещам в жизни и предпочитаете винтажное и аналоговое оборудование, мы как раз для вас. Команда Vintage King Studios уже более 25 лет создает студии мечты по всему миру, от которых просто отвисает челюсть.

Профессиональные студии звукозаписи

Вы инженер, который работает в студии каждый божий день; работать с артистами, шлифовать треки и выводить художественную форму на новый уровень. Откройте для себя ресурсы и оборудование Vintage King Studio, которые помогут облегчить вашу работу.

Многокомнатные студии звукозаписи и микширования мирового класса

Electric Lady, Blackbird, Power Station… Список первоклассных студий, которые Vintage King продает и обслуживает, можно продолжать и продолжать. Хотите вывести свои объекты на новый уровень? Нажмите ниже.

Студии постпродакшна и оборудование, сертифицированное по стандарту Dolby Atmos

Сотрудники Vintage King являются ведущими экспертами в области передовых технологий современных студий постпродакшна. Позвольте нам оптимизировать ваш рабочий процесс и улучшить результат с помощью новейших панелей управления, мониторов и программного обеспечения для объемного звучания из коллекции VK Studios.

Studios For Educational Institutes

Как сотрудники, так и студенты полагаются на Vintage King в плане студийного оборудования и новых технологий, способствующих образовательному процессу. Studios by VK может сделать все, от предоставления инструментов для занятий до помощи молодым инженерам в поиске своего первого оборудования.

#винтажкороль

Наши демонстрационные залы мирового класса предлагают инженерам, продюсерам и создателям музыки возможность продемонстрировать широкий спектр оборудования, прежде чем совершить покупку.

Лос-Анджелес

Нэшвилл

Для помощи в лучшем понимании содержания этой страницы или любой другой страницы на этом веб-сайте, пожалуйста, позвоните по номеру 888.653.1184 в обычные рабочие часы.

© 1993 — 2023 Vintage King Audio Все права защищены. Условия | Конфиденциальность и безопасность | Доступность

SSL Доступный360

Архитектура и алгоритмы индексации аудио | от команды ВК

Расскажем о поиске похожих треков среди всех аудио в ВК.

Зачем это нужно?
У нас много музыки, более 400 миллионов записей, что в сумме составляет 4 ПБ. Это как если бы вы скачали всю музыку из ВК на 64-гигабайтные айфоны, а затем сложили их один поверх другого, в результате чего получилась башня выше Эйфелевой башни. Каждый день нужно добавлять еще 25 айфонов, или 150 000 новых записей общим объемом 1,5 ТБ.

Конечно, не все эти файлы уникальны. В каждом файле есть данные об исполнителе и названии (иногда текст и жанр), которые пользователь вводит при загрузке песни на сайт. Так как премодерации нет, к нам приходят разные названия, ремиксы, концертные и студийные записи одних и тех же песен, а также совершенно неназванные записи.

Если мы достаточно узнаем о том, как находить одинаковые (или очень похожие) записи, это можно использовать себе во благо, например:

• Не дублировать одну запись с разными названиями в результатах поиска.
• Рекомендовать слушать любимые песни в HQ.
• Добавьте обложки и слова ко всем вариантам песен.
• Улучшить механизм рекомендаций.
• Улучшить работу с требованиями владельцев контента.

Пожалуй, первое, что приходит на ум, это ID3-теги. Каждый файл .mp3 имеет набор метаданных и мы можем учитывать эту информацию как более приоритетную, чем то, что указал пользователь в интерфейсе сайта при загрузке записи. Это самое простое решение, хотя и не самое лучшее. Теги можно редактировать вручную, и они не обязательно должны соответствовать содержимому.

Таким образом, вся информация, связанная с файлом, которая у нас есть, зависит от людей и может быть недостоверной. Это означает, что нам нужно работать с самим файлом.

Таким образом, мы поставили перед собой задачу определить одинаковые или похожие по звучанию записи, анализируя только содержимое файла.

Кажется, это уже кто-то делал?

Поиск похожих аудиозаписей — очень популярная история. Использование акустических отпечатков пальцев — уже классическое решение, которым пользуются все — от Shazam до биологов, изучающих волчий вой.

Акустические отпечатки — это представление звукового сигнала в виде набора значений, описывающих его физические свойства.

Проще говоря, отпечаток содержит некоторую информацию о звуке. Причем эта информация компактна, намного меньше исходного файла. Песни, которые звучат одинаково, будут иметь похожие отпечатки пальцев, и, наоборот, песни с разным звучанием будут иметь контрастные отпечатки пальцев.

Мы начали с попытки использовать одно из существующих решений на C++ для создания акустических отпечатков пальцев. Прикрутив его к нашему поиску и протестировав на реальных файлах, мы поняли, что на большей части выборки результаты плохие. Этот же трек успешно «маскируется» эквалайзерами при добавлении лишнего фонового шума или джинглов, или микшировании с другим треком.

Живое исполнение EchoRemix

Во всех этих случаях человек легко понимает, что это одна и та же песня. У нас много файлов с подобными искажениями, поэтому важно уметь получать для них хорошие результаты. Стало ясно, что нам необходимо создать собственный код для генерации отпечатков пальцев.

Генерация отпечатков пальцев

Представьте, что у нас есть аудиофайл .mp3. Как мы можем преобразовать его в компактную печать?

Для начала нам нужно раскодировать звуковой сигнал, который был запакован в файл. MP3 представляет собой цепочку кадров (блоков), содержащих закодированные данные об аудио в формате PCM (импульсно-кодовая модуляция). Это несжатый цифровой звук.

Чтобы получить PCM из MP3, мы использовали библиотеку libmad на C и собственную оболочку на Go. Позже мы выбрали прямое использование ffmpeg.

Так или иначе, в итоге мы имеем звуковой сигнал в виде массива значений, описывающих зависимость амплитуды от времени. Можно представить это в виде графика:

Звуковой сигнал

Это звук, который слышат наши уши. Человек может воспринимать его как единое целое, но на самом деле звуковая волна представляет собой совокупность множества звуковых волн, состоящих из волн разной частоты. Это сродни музыкальному аккорду, который состоит из нескольких нот.

Мы хотим знать, какие частоты присутствуют в нашем сигнале, особенно какие из них наиболее характерны для него. Давайте попробуем канонический способ получения таких данных, который использует алгоритм быстрого преобразования Фурье (БПФ).

В нашей реализации мы используем пакет GO-DSP (Digital Signal Processing), в частности github.com/mjibson/go-dsp/fft — собственно FFT и github.com/mjibson/go-dsp/window для Hann оконная функция.

В конце мы получаем набор комплексных чисел, который при переносе на плоскость называется спектрограммой.

Спектрограммы представляют собой визуальное представление всех трех акустических измерений сигнала: времени, частоты и амплитуды. Он определяет амплитуду для конкретной частоты в определенный момент времени.

Например:

Эталонная спектрограмма

Время измеряется по оси X, а ось Y представляет частоту. Амплитуда изображается интенсивностью цвета пикселя. На иллюстрации приведена спектрограмма, показывающая «опорный» сигнал с одинаково возрастающей частотой. Для средней песни спектрограмма выглядит так:

Обычная спектрограмма

Это достаточно подробный «портрет» звуковой дорожки, по которому можно (с определенным приближением) восстановить исходную дорожку. Учитывая ресурсы, хранить «портрет» в натуральную величину невыгодно. В нашем случае для этого потребуется не менее 10 ПБ памяти.

Мы выбираем ключевые точки на спектрограмме (исходя из интенсивности спектра), чтобы сохранить только наиболее характерные значения этого трека. В результате объем данных уменьшается примерно в 200 раз по сравнению с первоначальным размером.

Ключевые значения на спектрограмме

Осталось собрать эти данные в удобном формате. Каждое пикирование однозначно определяется двумя числами: частотой и временем. Включая все пики трека в один массив, мы получаем искомый акустический отпечаток.

Сравнение отпечатков пальцев

Предположим, мы выполнили все предыдущие шаги для двух гипотетических песен, и теперь у нас есть их отпечатки пальцев. Возвращаясь к первоначальной задаче сравнения этих следов с помощью отпечатков пальцев, чтобы определить, похожи они или нет.

Каждый отпечаток представляет собой массив значений, и мы пытаемся сопоставлять их элементы, перемещая песни по временной шкале относительно друг друга (ход нужен, например, чтобы учесть тишину в начале или конце песня). В одних случаях в отпечатках пальцев будет больше совпадений, в других меньше.

Выглядит примерно так:

Треки с общим фрагментом и разные треки

Вроде правильно. Для треков с общим фрагментом фрагмент найден и напоминает пик ряда совпадений в определенный момент. Результатом этого сравнения является «коэффициент подобия», который зависит от количества совпадений после учета систематической ошибки.

Программная реализация библиотеки Go для создания и сравнения отпечатков пальцев доступна на GitHub. Вы можете увидеть графики и результаты для ваших собственных примеров.

Теперь надо все интегрировать в нашу инфраструктуру и посмотреть, как пойдет.

Архитектура

Генераторы отпечатков пальцев и поисково-индексные движки в архитектуре ВКонтакте

Механизм генерирования отпечатков пальцев работает на каждом сервере, который загружает аудио (сейчас их около 1000). Он берет .mp3-файл, обрабатывает его (декодирует, БПФ, выделяет пики спектра) и создает акустический отпечаток этого звука.

Загрузка распараллеливается на файловом уровне, где каждая дорожка обрабатывается отдельной горутиной. Для средней песни продолжительностью 5–7 минут обработка занимает 2–4 секунды. Это время обработки увеличивается линейно в зависимости от продолжительности звука.

Акустические отпечатки всех треков, хоть и с некоторой потерей четкости, займут около 20 ТБ памяти. Весь объем этих данных нужно где-то хранить и быстро применить, чтобы найти что-то внутри. Эту задачу решает отдельный индекс и поисковая система.

Движок хранит данные об отпечатках в виде обратных индексов:

Обратный индекс

Для достижения скорости и экономии памяти мы используем собственную структуру отпечатка. Отпечаток — это массив, и мы можем рассматривать его отдельные элементы (хеши), что, если вы помните, соответствует пикам спектра.

Вместо хранения соответствия «дорожка» → «отпечаток» мы разбиваем каждый отпечаток на хэши и сохраняем соответствие «хэш» → «список дорожек, где он находится в отпечатках». Индекс уничтожается, и 20 ТБ отпечатков пальцев в качестве индекса занимают около 100 ГБ.

Как это работает на практике? В поисковик приходит запрос с аудиозаписью и необходимо найти все похожие треки. Затем из репозитория загружается звуковой отпечаток для этой дорожки, а строки, содержащие хэши этого отпечатка, собираются в индексе. Из соответствующих строк выбираются часто выбираемые записи для сканирования отпечатков пальцев из репозитория. Эти отпечатки сравниваются с отпечатками исходного файла. В результате возвращаются наиболее похожие записи с соответствующими совпавшими фрагментами и относительным «коэффициентом сходства».

Индекс и поисковая система работают на 32 машинах и написаны на чистом Go. Именно здесь по максимуму используются горутины, внутренние воркер-пулы и параллельная работа как с сетью, так и с глобальным индексом.

Теперь, когда вся необходимая логика готова, можно собирать отпечатки пальцев, индексировать их и работать с ними. Но сколько времени это займет?

Начали индексировать, потом подождали пару дней и прикинули сроки. В итоге весь процесс займет около года. Такой долгий срок недопустим, поэтому надо что-то менять.

Внедрение sync.Pool везде, где это возможно, сокращает продолжительность на два месяца, оставляя в общей сложности 10 месяцев, что все еще слишком долго.

Оптимизация типа данных — то есть выбор песен по их индексу — выполнена путем слияния массива. Использование вместо этого контейнера/кучи экономит еще шесть месяцев. Но может ли быть лучше?

Настройка контейнера/кучи для работы с нашим типом данных вместо стандартных интерфейсов дает нам дополнительный месяц. Но этого все еще недостаточно.

Мы настроили stdlib, сделав собственную реализацию для container/heap, зарабатывает еще два месяца, тем самым доведя нас до трех. В четыре раза меньше первоначальной сметы!

И, наконец, обновление Go с 1.5 до 1.6.2 привело нас к конечному результату в 2,5 месяца, количество времени, необходимое для создания индекса.

Что случилось?

Производственные испытания выявили несколько случаев, которые мы не приняли во внимание изначально. Например, копия трека с немного измененной скоростью воспроизведения:

Ускоренный трек

Для слушателя это почти идентично — небольшое ускорение не воспринимается как существенное отличие. К сожалению, наш алгоритм сравнения отпечатков считал такое редактирование совсем другим.

Чтобы исправить это, был добавлен дополнительный объем предварительной обработки. Это поиск самой длинной общей подпоследовательности в двух отпечатках пальцев. Если амплитуда и частота не изменяются, то в этом случае изменяется только соответствующее значение времени, а общий порядок точек, следующих друг за другом, сохраняется.

LCS

Нахождение LCS позволяет определить коэффициент «сжатия» или «растяжения», влияющий на шкалу времени сигнала. Далее отпечатки сравнивались обычным образом с применением найденного коэффициента.

Использование алгоритма поиска LCS значительно улучшило результаты за счет успешной обработки многих треков, которые ранее не искались по отпечаткам пальцев.

Еще один интересный случай — совпадение фрагментов, например запись любительского вокала поверх инструментала популярной песни.

Совпадение фрагментов трека

Мы разложили результаты сравнения по времени и оценили количество совпадений на каждую секунду трека. На картинке выше пример любительской записи поверх инструментальной дорожки. Интервалы без совпадений — вокал, пики совпадений — молчат (т.е. явно похожи на исходную запись). В этой ситуации учитывалось количество фрагментов с совпадениями и по количеству совпадений рассчитывался условный «коэффициент сходства».

После объединения похожих треков отдельные кластеры оказались намного больше остальных. Почему? Бывают интересные ситуации, которые не очень понятны относительно того, как их правильно рассматривать.