オープンアンミックス音楽の分離
Open-Unmix (UMX) は、曲をボーカル、ドラム、ベース、その他の楽器のパートに分割するオープンソースの深層学習システムです。
概要
これは再現可能でリファレンス品質の基準として重要であり、研究者、音楽家、趣味の人々にとって音楽ソースの分離を容易にしました。
ディープダイブ
Stoter、Uhlich、Liutkus、MitsuFuji によって 2019 年にリリースされた Open-Unmix は、PyTorch (TensorFlow および NNabla ポートを含む) の透過的で十分に文書化されたベースラインとして意図的に構築されました。混合物のマグニチュード スペクトログラムでターゲット ステムごとに 1 つのモデルをトレーニングします。コアは、完全に接続された層でラップされた 3 層の双方向 LSTM であり、ターゲット ソースのスペクトル マスクを予測します。振幅に基づいて動作するため、混合物の位相を再利用し、逆 STFT を介してステムを再構築し、オプションでマルチチャネル ウィーナー フィルターを使用して調整します。オープンな MUSDB18 データセットでトレーニングされているため、リーダーボードのトップスコアを追うことはありません。その目標は、明確さと再現性であり、コミュニティに信頼できる比較ポイントと構築するための基盤を提供することです。
技術的な洞察
各ステムには、入力振幅スペクトログラム上で動作する独自のネットワークがあります。周波数ビンは高密度レイヤーによって標準化され次元が削減され、双方向 LSTM が両方向の時間コンテキストをキャプチャし、さらに高密度レイヤーがフル周波数解像度に拡張してソフト マスクを生成します。マスクに混合の大きさを乗算すると、推定されたソースが得られます。元のフェーズが再利用され、ウィーナー フィルターがすべてのステムを共同で洗練して、よりクリーンな結果を得ることができます。
戦略的影響
アクセスと到達範囲
文字起こし、ナレーション、音声インターフェイスを通じてアクセシビリティを向上させます。
費用と予算
メディア チームは、より少ない予算で洗練されたオーディオをより迅速に出荷できます。
速度とスケール
顧客対応システムは、音声対話を大規模に処理できます。
オープンアンミックス音楽分離の未来
Open-Unmix は、生の品質では Demucs やハイブリッド スペクトログラム波形システムなどの波形モデルに追い越されましたが、明確でハッキング可能なリファレンスとしての役割により、教育やラピッド プロトタイピングに関連性を保っています。教育や健全性チェックのベースラインとしての継続的な使用が期待される一方で、より広範な分野では、より忠実度の高いハイブリッドおよび変圧器ベースの分離器、およびより細分化された機器カテゴリの分離に向けて移行しています。
現実世界の実装
孤立したボーカル トラックを抽出して、曲のカラオケまたはインストゥルメンタル バージョンを作成します。
プロデューサーによるリミックスやサンプリングのためにドラムまたはベースのステムを引き出します。
MUSDB18 の新しい分離モデルを評価するための再現可能な研究ベースラインとして機能します。
音楽の学生に 1 つの楽器を分離して、ミックス内のそのパートを研究させます。
リスクとガードレール
同意がない場合、音声の悪用やなりすましのリスクが高まります。
アクセント、方言、または騒がしい環境では精度が低下する可能性があります。
合成音声は、明確なラベルが付けられていないと、本物の音声と間違われる可能性があります。
実装ロードマップ
音声のキャプチャ、複製、再利用については明示的な同意を取得してください。
さまざまな話者や背景条件で品質をテストします。
人間がいつ出力をレビューまたは承認する必要があるかを定義します。
合成音声にラベルを付け、出所記録を保管して説明責任を果たします。
探検を続けましょう
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.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
次のガイド
音楽の分離
よくある質問
オープンアンミックス音楽分離とは何か?
Open-Unmix (UMX) は、曲をボーカル、ドラム、ベース、その他の楽器のパートに分割するオープンソースの深層学習システムです。これは、研究者、ミュージシャン、愛好家が音楽ソースの分離を利用できるようにする、再現可能なリファレンス品質のベースラインとして重要です。
Open-Unmix は何をしますか?
Open-Unmix は、混合物を個々の楽器とボーカルのステムに分割する音楽ソース分離システムです。
Open-Unmix の中核となるニューラル ネットワークは何ですか?
Open-Unmix は、完全に接続された層でラップされた双方向 LSTM を使用してスペクトル マスクを予測します。
Open-Unmix はどのような表現で動作しますか?
これは、マグニチュード スペクトログラムに作用し、マスクを予測し、混合物の位相を再構成に再利用します。
Open-Unmix のトレーニングに使用されるデータセットはどれですか?
Open-Unmix は、トレーニングと評価にオープンな MUSDB18 音楽分離データセットを使用します。
Open-Unmix の主な設計目標は何でしたか?
これは、最高得点のブラック ボックスではなく、明確で十分に文書化された再現可能なベースラインとして構築されました。