স্প্লিটার স্টেম সেপারেশন
স্প্লিটার হল ডিজারের একটি ওপেন-সোর্স টুল যা গভীর শিক্ষা ব্যবহার করে একটি সমাপ্ত গানকে আলাদা ট্র্যাকে (ভোকাল, ড্রামস, বেস এবং আরও অনেক কিছু) ভাগ করে।
ওভারভিউ
এটি উচ্চ-মানের স্টেম বিচ্ছেদকে দ্রুত, বিনামূল্যে এবং ল্যাপটপ সহ যে কারো জন্য অ্যাক্সেসযোগ্য করে তুলেছে।
গভীর ডুব
2019 সালে মিউজিক-স্ট্রিমিং কোম্পানি ডিজার দ্বারা প্রকাশিত স্প্লিটার, একটি মিশ্র রেকর্ডিংকে পৃথক যন্ত্রের কান্ডে আলাদা করে। এটি তিনটি প্রাক-প্রশিক্ষিত কনফিগারেশনে পাঠানো হয়: 2-স্টেম (ভোকাল প্লাস অনুষঙ্গী), 4-স্টেম (ভোকাল, ড্রামস, বেস, অন্যান্য), এবং 5-স্টেম (যা পিয়ানো যোগ করে)। হুডের নিচে এটি ইউ-নেট কনভোল্যুশনাল নিউরাল নেটওয়ার্ক ব্যবহার করে যা অডিওর স্পেকট্রোগ্রামে কাজ করে, প্রতিটি উৎসের জন্য একটি নরম মুখোশের পূর্বাভাস দেয়। মূল স্পেকট্রোগ্রাম দ্বারা মুখোশকে গুণ করা এবং অডিওতে ফিরিয়ে আনার ফলে প্রতিটি স্টেম পাওয়া যায়। যেটি স্প্লিটারকে বিখ্যাত করেছে তা হল গতি: এটি একটি GPU-তে রিয়েল টাইমের চেয়ে প্রায় 100 গুণ দ্রুত অডিও আলাদা করতে পারে। এটি ডিজে, রিমিক্সার, ট্রান্সক্রাইবার এবং কারাওকে নির্মাতাদের দ্বারা ব্যাপকভাবে ব্যবহৃত হয় এবং এটি ডেমুকসের মতো প্রতিযোগী বিভাজকদের একটি তরঙ্গ সৃষ্টি করে।
প্রযুক্তিগত অন্তর্দৃষ্টি
স্প্লিটার সময়-ফ্রিকোয়েন্সি ডোমেনে কাজ করে। অডিও শর্ট-টাইম ফুরিয়ার ট্রান্সফর্ম (STFT) এর মাধ্যমে একটি মাত্রার স্পেকট্রোগ্রামে রূপান্তরিত হয়। একটি ইউ-নেট (সংযোগ বাদ দিয়ে এনকোডার-ডিকোডার) শিখে, উৎস প্রতি, প্রতিটি টাইম-ফ্রিকোয়েন্সি বিনের জন্য 0 এবং 1 এর মধ্যে একটি মাস্ক। মুখোশযুক্ত স্পেকট্রোগ্রামটি মূল মিশ্রণের পর্যায়ের সাথে পুনরায় মিলিত হয়, তারপর একটি বিপরীত STFT তরঙ্গরূপটিকে পুনর্গঠন করে। কারণ এটি কাঁচা অডিও, ফাঁস এবং পুনঃব্যবহৃত ফেজ কারণ শিল্পকর্মের পরিবর্তে নরম মাস্ক অনুমান করে।
কৌশলগত প্রভাব
অ্যাক্সেস এবং পৌঁছানো
এটি ট্রান্সক্রিপশন, বর্ণনা এবং ভয়েস ইন্টারফেসের মাধ্যমে অ্যাক্সেসযোগ্যতা উন্নত করে।
খরচ ও বাজেট
মিডিয়া দলগুলি ছোট বাজেটের সাথে পালিশ করা অডিও দ্রুত পাঠাতে পারে।
গতি এবং স্কেল
গ্রাহক-মুখী সিস্টেমগুলি বৃহত্তর স্কেলে কথ্য মিথস্ক্রিয়া প্রক্রিয়া করতে পারে।
স্প্লিটার স্টেম সেপারেশনের ভবিষ্যত
ডেমুকস এবং হাইব্রিড ট্রান্সফরমার বিভাজকগুলির মতো নতুন তরঙ্গ-ডোমেন মডেলগুলি এখন মানের দিক থেকে স্প্লিটারকে পরাজিত করে, ক্রিসপার ট্রানজিয়েন্ট এবং কম শিল্পকর্ম পুনরুদ্ধার করে। প্রবণতাটি উচ্চ স্টেম কাউন্টের দিকে (ব্যক্তিগত গিটার বা ব্যাকিং ভোকাল আলাদা করা), DAWs এবং ফোনগুলিতে রিয়েল-টাইম অন-ডিভাইস বিচ্ছেদ এবং তাত্ক্ষণিক রিমিক্সিং বা অ্যাক্সেসযোগ্যতার জন্য স্ট্রিমিং অ্যাপগুলিতে একীকরণ। স্প্লিটার নিজেই একটি জনপ্রিয় বেসলাইন হিসাবে রয়ে গেছে কারণ এটি হালকা ওজনের, বিনামূল্যে এবং চালানো সহজ, এমনকি গবেষণার পর্যায়-সচেতন এবং উত্পাদনশীল পদ্ধতির দিকে ঠেলে দেয়।
বাস্তব-বিশ্ব বাস্তবায়ন
একটি বাণিজ্যিক গান থেকে প্রধান ভোকাল সরিয়ে তাত্ক্ষণিক কারাওকে ট্র্যাক তৈরি করা
ডিজে এবং প্রযোজকরা রিমিক্স এবং ম্যাশআপ তৈরি করতে একটি ড্রাম বা বেস স্টেম আলাদা করছেন
সঙ্গীত শিক্ষার্থীরা প্রতিলিপি এবং অনুশীলনের জন্য একটি একক যন্ত্র লাইন বের করছে
কর্দমাক্ত মিশ্রণগুলিকে আলাদা এবং পুনরায় ভারসাম্য করে পুরানো রেকর্ডিং পুনরুদ্ধার করা বা পরিষ্কার করা
ঝুঁকি এবং প্রহরী
সম্মতি অনুপস্থিত হলে ভয়েস অপব্যবহার এবং ছদ্মবেশের ঝুঁকি বেড়ে যায়।
উচ্চারণ, উপভাষা বা কোলাহলপূর্ণ পরিবেশে যথার্থতা হ্রাস পেতে পারে।
সিন্থেটিক অডিও পরিষ্কার লেবেল ছাড়া খাঁটি বক্তৃতা হিসাবে ভুল হতে পারে।
বাস্তবায়ন রোডম্যাপ
ভয়েস ক্যাপচার, ক্লোনিং এবং পুনঃব্যবহারের জন্য সুস্পষ্ট সম্মতি পান।
বিভিন্ন স্পিকার এবং ব্যাকগ্রাউন্ড কন্ডিশন জুড়ে মান পরীক্ষা করুন।
কখন একজন মানুষকে আউটপুট পর্যালোচনা বা অনুমোদন করতে হবে তা নির্ধারণ করুন।
সিন্থেটিক অডিও লেবেল করুন এবং দায়বদ্ধতার জন্য মূল রেকর্ড রাখুন।
অন্বেষণ চালিয়ে যান
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 Spleeter Stem Separation quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
পরবর্তী গাইড
Conv-TasNet সময়-ডোমেন বিচ্ছেদ
প্রায়শই জিজ্ঞাসিত প্রশ্নাবলী
স্প্লিটার স্টেম সেপারেশন কি?
স্প্লিটার হল ডিজারের একটি ওপেন-সোর্স টুল যা গভীর শিক্ষা ব্যবহার করে একটি সমাপ্ত গানকে আলাদা ট্র্যাকে (ভোকাল, ড্রামস, বেস এবং আরও অনেক কিছু) ভাগ করে। এটি উচ্চ-মানের স্টেম বিচ্ছেদকে দ্রুত, বিনামূল্যে এবং ল্যাপটপ সহ যেকোন ব্যক্তির কাছে অ্যাক্সেসযোগ্য করে তুলেছে।
কোন কোম্পানী মূলত স্প্লিটার প্রকাশ করেছে?
2019 সালে ফ্রেঞ্চ মিউজিক-স্ট্রিমিং কোম্পানি ডিজার দ্বারা স্প্লিটার ওপেন সোর্স হিসেবে প্রকাশিত হয়েছিল।
স্প্লিটারের 4-স্টেম মডেলটি অডিওকে কিসে আলাদা করে?
4-স্টেম কনফিগারেশন অন্য সব কিছুর জন্য ভোকাল, ড্রাম, খাদ এবং একটি 'অন্য' স্টেম আউটপুট করে।
স্প্লিটার কোন নিউরাল নেটওয়ার্ক আর্কিটেকচার ব্যবহার করে?
স্প্লিটার ইউ-নেট কনভোলিউশনাল নেটওয়ার্ক ব্যবহার করে যা অডিওর স্পেকট্রোগ্রামে মুখোশের পূর্বাভাস দেয়।
কিভাবে স্প্লিটার আসলে মিশ্রণ থেকে একটি একক উৎস বের করে?
নেটওয়ার্ক একটি প্রতি-উৎস মাস্ক (মান 0 থেকে 1) ভবিষ্যদ্বাণী করে যা মিশ্রণ স্পেকট্রোগ্রামের সাথে গুণিত হয়।
কোনটি একটি মূল ব্যবহারিক সুবিধা যা স্প্লিটারকে জনপ্রিয় করেছে?
স্প্লিটার একটি GPU-তে রিয়েল টাইমের চেয়ে প্রায় 100x দ্রুত অডিও আলাদা করতে পারে, এটিকে দ্রুত এবং অ্যাক্সেসযোগ্য করে তোলে।