ローカルのデジタル音楽ライブラリの規模が爆発的に拡大するにつれ、自動化されインテリジェントな音楽タグ分析は、オーディオファンやプロの整理者にとって必須機能となりました。しかし、AI 自動タグ付けを導入する際、私たちは深刻なエンジニアリング上の課題に直面しました。究極の分析深度を保証しつつ、ユーザーの貴重なオリジナルオーディオファイルが100%汚染されないことをどのように保証するのか？
アーキテクチャ進化の第1段階において、私たちは音声分析パイプライン (Audio Analysis Pipeline) を分離し、先駆的なドラフトシステム (Draft System) を導入することで、この矛盾を完全に解決しました。
I. 音声分析のためのデュアルレーンアーキテクチャ
分析の精度、パフォーマンス、オフラインの可用性のバランスを取るため、基盤層の分析タスクを、純粋なデジタル信号処理 (DSP) とディープラーニング推論 (ONNX) の2つの独立したレーンに分離しつつ、上層のイベントと状態フローは統合しました。
1. AudioMath: 純粋な DSP による音響パラメータ検出
BPM、キー (Key/Camelot)、および真偽の HiFi 判定については、AudioMath レーンを使用します。このレーンは ONNX モデルに全く依存せず、古典的な DSP アルゴリズムを利用します。
- パフォーマンスの優位性: デコードされたオーディオファイルの PCM ストリームを直接読み取り、Rust レイヤでエネルギーの急激な変化や自己相関を計算するため、メモリを大幅に節約できます。
- 真偽の HiFi 判定: 高周波のカットオフや偽のアップサンプリングを防ぐため、前処理層での動的なサンプリングレートのパススルーをサポートし、オーディオのスペクトル減衰を直接分析することで、リサンプリングによる誤差を回避します。
2. MusicTags: ONNX によるセマンティック分類
ジャンル (Genre)、ムード (Mood)、楽器 (Instruments) といった抽象的なセマンティクスには、ローカルで実行されるディープラーニングモデルを使用します。統合された audio_analysis ロングタスク内で、モデルの出力はユーザーのタグセットに正確にマッピングされます。
[!NOTE]
両レーンはともにネットワーク非依存の設計を厳密に遵守しており、すべてのメディアアセット分析が 100% エッジ（ローカル）で完了し、極めて高いプライバシー基準を満たしています。
II. 画期的なドラフトシステム (Draft System)
AI モデルは強力ですが、ユーザーの個人的な好みに 100% 完全に合わせることはできません。従来の音楽管理ソフトウェアは、分析後にオーディオのメタデータを直接上書きすることが多く、個人のライブラリを丁寧に維持しているユーザーにとっては非常に破壊的です。
これに対処するため、私たちは SQLite ベースのドラフトシステムを導入しました。これは私たちのアーキテクチャの核心的なハイライトの1つです。
ドラフトシステムのコアロジックは、手動編集、AI分析、一括インポートのいずれであっても、変更が元のオーディオファイルに直接書き戻されることはないということです。これらはまずデジタルパッチプランを生成し、「ドラフト」として独立した高性能な SQLite データベースに安全に保存されます。
ワークベンチ内で、ユーザーはこれらのドラフトの効果をシームレスにプレビューできます。ユーザーが完全に確認し、自発的に「適用して書き戻す」をクリックした場合にのみ、システムはアトミックな安全な書き込みパイプライン（一時ファイルへの書き込み、置換、そして .bak コピーによるロールバックメカニズムの保持）を使用して、これらのタグをファイルに確実に定着させます。
III. 真偽 HiFi 判定の実践的応用
AudioMath DSP レーンにおいて、真偽 HiFi 判定は当社のプロダクトのギークな精神を非常に体現している機能です。
上図に示されるように、オーディオを整理する際、「24bit/192kHz」とラベル付けされたハイレゾロスレスフォーマットに遭遇した場合、スペクトログラムダイアログを直接呼び出すことができます。エンジンの下層で、PURE_QUALITY_CUTOFF_HZ と対応する信頼度スコアを計算します：
- TRUE_HIRES (本物のハイレゾ)
- SUSPICIOUS_UPSAMPLING (偽装アップサンプリングの疑い)
- SUSPICIOUS_LOSSY (ロッシー変換の疑い)
オリジナルの DSD を誤判定しないように（DFF/DSF フォーマットによってもたらされる高周波ノイズシェーピングは、従来のアルゴリズムでは誤判定されることが多い）、このプロセスをデコーダの段階に深く統合し、ネイティブ PCM サンプリングレートに対応するエネルギー減衰のウォーターフォールを抽出しました。これにより、システムはユーザーがタグを書き込む前に、インテリジェントかつ正確に問題を未然に防ぐことができます。
おわりに
これら2つのコアな経路を通じて、AI Music Organizer はローカルのデータプライバシーを確保しながら、タグメタデータ分析におけるパフォーマンスと安全性の両立という道を切り開きました。今後の技術解説シリーズでは、その背後にある検索エンジンや多言語セマンティックアーキテクチャについても深く掘り下げていきますので、どうぞご期待ください。