የድምጽ AI መመሪያ

የሙዚቃ መለያየትን ክፈት-አላቅቅ

Open-Unmix (UMX) አንድ ዘፈን ወደ ክፍሎቹ የሚከፋፍል ክፍት ምንጭ ጥልቅ የመማሪያ ሥርዓት ነው፡ ድምፃዊ፣ ከበሮ፣ ባስ እና ሌሎች መሳሪያዎች።

2 ሚን አንብብለመጨረሻ ጊዜ የዘመነው

አጠቃላይ እይታ

It matters as a reproducible, reference-quality baseline that made music source separation accessible to researchers, musicians, and hobbyists.

ጥልቅ ዳይቭ

እ.ኤ.አ. በ 2019 በስቶተር ፣ ኡህሊች ፣ ሊዩትኩስ እና ሚትሱፉጂ የተለቀቀው ኦፕን-ኡንሚክስ ሆን ተብሎ እንደ ግልፅ እና በደንብ የተመዘገበ መነሻ በፒቶርች (በ TensorFlow እና NNabla ወደቦች) ተገንብቷል። በአንድ የዒላማ ግንድ አንድ ሞዴል በድብልቅ መጠን ስፔክትሮግራም ላይ ያሰለጥናል። ዋናው ባለ ሶስት-ንብርብር ባለሁለት አቅጣጫዊ LSTM ሙሉ በሙሉ በተያያዙ ንብርብሮች የታሸገ ሲሆን ይህም ለታላሚው ምንጭ የእይታ ጭንብል ይተነብያል። በመጠን ስለሚሰራ፣የድብልቁን ክፍል እንደገና ይጠቀማል እና ግንዱን በተገላቢጦሽ STFT በኩል መልሶ ይገነባል፣አማራጭ በባለብዙ ቻናል ዊነር ማጣሪያ። በክፍት MUSDB18 የውሂብ ስብስብ ላይ የሰለጠነ፣ ከፍተኛ የመሪዎች ሰሌዳ ውጤቶችን አያሳድድም። ግቡ ግልጽነት እና መራባት ነው, ይህም ማህበረሰቡ ታማኝ የንፅፅር ነጥብ እና ለመገንባት መሰረት ይሰጣል.

ቴክኒካዊ ግንዛቤ

እያንዳንዱ ግንድ በመግቢያው መጠን ስፔክትሮግራም ላይ የሚሰራ የራሱ አውታር አለው። የድግግሞሽ ማጠራቀሚያዎች ደረጃቸውን የጠበቁ እና በመጠን የሚቀነሱት ጥቅጥቅ ባለ ንብርብር፣ ባለሁለት አቅጣጫ LSTM በሁለቱም አቅጣጫዎች ጊዜያዊ አውድ ይይዛል፣ እና ተጨማሪ ጥቅጥቅ ያሉ ንብርብሮች ለስላሳ ጭንብል ለማምረት ወደ ሙሉ ድግግሞሽ መፍታት ይመለሳሉ። ጭምብሉን በድብልቅ መጠን ማባዛት የተገመተውን ምንጭ ያስገኛል; የመጀመሪያው ደረጃ እንደገና ጥቅም ላይ ይውላል እና የዊነር ማጣሪያ ሁሉንም ግንዶች ለበለጠ ንፁህ ውጤቶች በአንድነት ማጥራት ይችላል።

ስልታዊ ተጽእኖ

መድረስ እና መድረስ

በጽሑፍ፣ በትረካ እና በድምፅ በይነገጾች ተደራሽነትን ያሻሽላል።

ወጪ እና በጀት

የሚዲያ ቡድኖች በትንሽ በጀቶች የተጣራ ድምጽ በፍጥነት መላክ ይችላሉ።

ፍጥነት እና ልኬት

ከደንበኛ ጋር የሚገናኙ ስርዓቶች የንግግር ግንኙነቶችን በትልቁ ደረጃ ማካሄድ ይችላሉ።

የክፍት-Unድብልቅ ሙዚቃ መለያየት የወደፊት ዕጣ

Open-Unmix እንደ Demucs እና hybrid spectrogram-waveform systems በመሳሰሉ ሞገዶች ሞዴሎች በጥሬው በጥሬው ታልፏል፣ነገር ግን እንደ ግልጽ፣ ሊጠለፍ የሚችል ማጣቀሻ ሚናው ለማስተማር እና ለፈጣን ፕሮቶታይፕ ጠቃሚ ያደርገዋል። በትምህርት ውስጥ ቀጣይ አጠቃቀምን ይጠብቁ እና እንደ ጤናማ የንጽህና-ቼክ መነሻ መስመር፣ ሰፊው መስክ ደግሞ ወደ ከፍተኛ ታማኝነት ድቅል እና ትራንስፎርመር ላይ የተመሰረቱ መለያየቶች እና የበለጠ ጥራት ያላቸውን የመሳሪያ ምድቦችን ወደ መለያየት ይሄዳል።

የእውነተኛ-ዓለም አተገባበር

ካራኦኬን ወይም የሙዚቃ መሳሪያን ለመስራት የተለየ የድምጽ ትራክ ማውጣት።

ከበሮ ወይም የባሳ ግንድ ለማውጣት እና በአምራቾች ናሙና ለመውሰድ።

በMUSDB18 ላይ አዲስ የመለያየት ሞዴሎችን ለመገምገም እንደ ሊባዛ የሚችል የምርምር መነሻ ሆኖ በማገልገል ላይ።

የሙዚቃ ተማሪዎች በድብልቅ ውስጥ ያለውን ድርሻ ለማጥናት አንድ መሣሪያ እንዲገለሉ ማድረግ።

አደጋዎች እና የጥበቃ መንገዶች

ስምምነት ሲጠፋ የድምፅ አላግባብ መጠቀም እና የማስመሰል አደጋዎች ይጨምራሉ።

ትክክለኛነት በአነጋገር ዘዬዎች፣ ቀበሌኛዎች ወይም ጫጫታ አካባቢዎች ላይ ሊወድቅ ይችላል።

ሰራሽ ኦዲዮ ግልጽ ምልክት ሳይደረግበት ለትክክለኛ ንግግር ሊሳሳት ይችላል።

የትግበራ ፍኖተ ካርታ

1

ለድምጽ ቀረጻ፣ ክሎኒንግ እና እንደገና ጥቅም ላይ ለማዋል ግልጽ የሆነ ፈቃድ ያግኙ።

2

በተለያዩ የድምጽ ማጉያዎች እና የበስተጀርባ ሁኔታዎች ላይ ጥራትን ይሞክሩ።

3

አንድ ሰው መቼ ውጤቶችን መገምገም ወይም ማጽደቅ እንዳለበት ይግለጹ።

4

ሰው ሰራሽ ኦዲዮን ይሰይሙ እና ለተጠያቂነት የፕሮቨንስ መዝገቦችን ያስቀምጡ።

ማሰስዎን ይቀጥሉ

Free newsletter

Get the daily AI briefing

Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.

One email each weekday. Unsubscribe in one click. We never sell or share your address.

Test yourself

Take the Open-Unmix Music Separation quiz

Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.

ጥያቄ ጀምር

Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation

በተደጋጋሚ የሚጠየቁ ጥያቄዎች

What is Open-Unmix Music Separation?

Open-Unmix (UMX) አንድ ዘፈን ወደ ክፍሎቹ የሚከፋፍል ክፍት ምንጭ ጥልቅ የመማሪያ ሥርዓት ነው፡ ድምፃዊ፣ ከበሮ፣ ባስ እና ሌሎች መሳሪያዎች። የሙዚቃ ምንጭ መለያየትን ለተመራማሪዎች፣ ሙዚቀኞች እና በትርፍ ጊዜ ማሳለፊያዎች ተደራሽ ያደረገው እንደ ሊባዛ፣ ማጣቀሻ-ጥራት መነሻ መስመር አስፈላጊ ነው።

Open-Unmix ምን ያደርጋል?

Open-Unmix ድብልቅን ወደ ግላዊ መሳሪያ እና የድምጽ ግንድ የሚከፍል የሙዚቃ ምንጭ መለያየት ስርዓት ነው።

በOpen-Unmix እምብርት ላይ ምን ዓይነት የነርቭ ኔትወርክ አለ?

ክፍት-Unmix ሙሉ በሙሉ በተገናኙ ንብርብሮች ተጠቅልሎ ባለሁለት አቅጣጫዊ LSTM በመጠቀም የእይታ ጭንብል ይተነብያል።

Open-Unmix በየትኛው ውክልና ነው የሚሰራው?

ጭምብልን በመተንበይ እና እንደገና ለመገንባት ድብልቅውን ደረጃ እንደገና ጥቅም ላይ በሚውለው መጠን ስፔክትሮግራም ላይ ይሰራል።

Open-Unmix በየትኛው የውሂብ ስብስብ ነው የሰለጠነው?

Open-Unmix ክፍት MUSDB18 የሙዚቃ መለያ ዳታ ስብስብ ለስልጠና እና ግምገማ ይጠቀማል።

የOpen-Unmix ዋና ንድፍ ግብ ምን ነበር?

ከፍተኛ ነጥብ ካስመዘገበው ጥቁር ሳጥን ይልቅ እንደ ግልፅ፣ በደንብ የተመዘገበ፣ ሊባዛ የሚችል መነሻ ሆኖ ነው የተሰራው።