بهبود ربات تشخیص اصل اهنگ از روی دمو

بنده یک ربات با زبان پایتون طراحی کرده‌ام که قابلیت شناسایی ریمیکس‌ها از طریق ویژگی‌های صوتی را دارد. کاربر می‌تواند فایل صوتی، ویس یا حتی بخشی از یک ویدئو را ارسال کند و ربات با استفاده از تکنیک‌های پردازش سیگنال صوتی مانند MFCC، Chroma و Spectral Features، آهنگ مشابه را در پایگاه داده خود جستجو می‌کند. ربات از یک پایگاه داده SQLite برای ذخیره‌سازی اطلاعات آهنگ‌ها و تاریخچه تطبیق‌ها استفاده می‌کند. همچنین، امکان تأیید یا رد تطبیق‌ها توسط کاربر وجود دارد و نتایج تطبیق‌های تأیید شده برای پاسخ‌های سریع‌تر در آینده ذخیره می‌شوند. علاوه بر این، ربات بررسی می‌کند که آیا کاربر در کانال‌های خاصی عضو است یا خیر و در صورت عدم عضویت، کاربر را مجبور به عضویت می‌کند. برای مدیریت فایل‌های صوتی و پاسخ‌گویی به کاربران، ربات از کتابخانه‌هایی مانند librosa، pydub و telegram.ext استفاده می‌کند. مشکل موجود: زمانی که تعداد آهنگ‌ها در دیتابیس حدود 10 تا 15 عدد باشد، دقت ربات حدود 70 درصد است، اما زمانی که دیتابیس به بیش از 5000 آهنگ می‌رسد، دقت آن کاهش زیادی پیدا می‌کند. به طور مثال، با تست روی 150 آهنگ، دقت ربات به حدود 20 تا 30 درصد می‌رسد. هدف: بنده قصد دارم کد ربات را به نحوی بازطراحی کنم که دقت تشخیص نسخه‌های دمو ریمیکس‌ها به بیش از 90 درصد برسد. همچنین باید توجه داشته باشید که ربات مخصوص تشخیص موزیک‌های ریمیکس شده در سبک رپ است و به دلیل محدودیت‌ها، امکان استفاده از API وجود ندارد. بنابراین، مدل باید از فایل‌های محلی تمرین داده شود.