Separación de fuentes de música Demucs y HT-Demucs
Demucs es el modelo de separación de fuentes de música de código abierto de Meta; Hybrid Transformer Demucs (HT-Demucs) divide las canciones en voz, batería, bajo y otras líneas mediante el procesamiento de formas de onda y espectrograma.
Buceo profundo
Demucs (Deep Extractor for Music Sources) aborda el clásico problema de "desmezclar": recuperar pistas de instrumentos individuales de una grabación estéreo final. Las primeras versiones utilizaban un U-Net con dominio de forma de onda que trabajaba directamente en muestras de audio sin procesar, lo que preservaba la información de fase que los métodos de espectrograma a menudo pierden. Los Hybrid Demucs ampliamente utilizados y los posteriores Hybrid Transformer Demucs (HT-Demucs) procesan audio en los dominios de forma de onda y espectrograma simultáneamente, luego los fusionan y agregan atención de transformador de dominio cruzado para modelar la estructura de largo alcance. Entrenado en el conjunto de datos MUSDB18 más datos adicionales, Demucs separa una mezcla en cuatro temas (voz, batería, bajo, otros) y se ha convertido en una herramienta predeterminada porque es de código abierto, se ejecuta en GPU de consumo y obtiene consistentemente una puntuación cerca de la cima en los puntos de referencia de separación.
Información técnica
Hybrid Demucs ejecuta dos ramas codificadoras-decodificadoras paralelas: una en la forma de onda en el dominio del tiempo y otra en el espectrograma STFT. Las características se intercambian entre ramas y se combinan, de modo que el modelo explota la fase precisa de la forma de onda y la clara estructura de frecuencia del espectrograma. La calidad se mide con la relación señal-distorsión (SDR) en decibeles en las canciones en espera. La variante transformadora agrega atención propia y cruzada para capturar el contexto musical a lo largo de segundos.
Impacto Estratégico
Access and reach
Mejora la accesibilidad a través de transcripción, narración e interfaces de voz.
Costo y presupuesto
Los equipos de medios pueden enviar audio pulido más rápido con presupuestos más pequeños.
Speed and scale
Los sistemas de cara al cliente pueden procesar interacciones habladas a mayor escala.
El futuro de la separación de fuentes musicales Demucs y HT-Demucs
La separación de fuentes se está moviendo hacia más plicas (separando guitarras, pianos o incluso cantantes específicos), operación en tiempo real y en el dispositivo, y separación mediante texto ("aislar el saxofón"). Mejores modelos reducirán los artefactos acuosos que aún aparecen en mezclas densas. A medida que aumenta la calidad, se espera una integración más profunda en DAW, aplicaciones de karaoke y remezclas, y herramientas de educación musical, junto con un debate continuo sobre las implicaciones de derechos de autor y consentimiento de extraer limpiamente la voz aislada de cualquier artista.
Implementación en el mundo real
Productores y remezcladores que extraen acapellas o instrumentales limpios de pistas publicadas.
Aplicaciones de karaoke que eliminan las voces principales sobre la marcha para crear pistas de acompañamiento
Músicos que aíslan una línea de bajo o un ritmo de batería para transcribir o practicar junto con
Flujos de trabajo de restauración y muestreo de audio que necesitan sacar un instrumento de una mezcla antigua
Riesgos y barandillas
Los riesgos de uso indebido de voz y suplantación de identidad aumentan cuando falta el consentimiento.
La precisión puede disminuir según los acentos, los dialectos o los entornos ruidosos.
El audio sintético puede confundirse con el habla auténtica sin un etiquetado claro.
Hoja de ruta de implementación
Obtenga consentimiento explícito para la captura, clonación y reutilización de voz.
Pruebe la calidad en diversos oradores y condiciones de fondo.
Defina cuándo un humano debe revisar o aprobar los resultados.
Etiquete el audio sintético y mantenga registros de procedencia para la rendición de cuentas.
Sigue explorando
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 Demucs and HT-Demucs Music Source 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
Siguiente guía
Separación de música abierta y sin mezclar
Preguntas frecuentes
What is Demucs and HT-Demucs Music Source Separation?
Demucs es el modelo de separación de fuentes de música de código abierto de Meta; Hybrid Transformer Demucs (HT-Demucs) divide las canciones en voz, batería, bajo y otras líneas mediante el procesamiento de formas de onda y espectrograma.
¿Qué le hace Demucs a una canción terminada?
Demucs realiza la separación de la fuente musical, dividiendo una mezcla estéreo en instrumentos individuales y temas vocales.
¿Qué hace que Hybrid Demucs sea 'híbrido'?
Hybrid Demucs combina una rama de forma de onda en el dominio del tiempo y una rama de espectrograma, fusionando sus puntos fuertes.
¿Qué métrica se utiliza comúnmente para evaluar la calidad de la separación?
El DEG, medido en decibeles, cuantifica cuán limpiamente el tallo estimado coincide con la fuente real.
¿Qué organización lanzó originalmente Demucs?
Demucs fue desarrollado y de código abierto por investigadores de Meta AI / FAIR.
¿Por qué los primeros Demucs trabajaban directamente en la forma de onda sin procesar?
Operar en el dominio de la forma de onda preserva la fase, que los métodos de magnitud del espectrograma a menudo descartan y deben estimar.