スプリーターステムの分離
Spleeter は Deezer のオープンソース ツールで、ディープ ラーニングを使用して完成した曲を個別のトラック (ボーカル、ドラム、ベースなど) に分割します。
概要
It made high-quality stem separation fast, free, and accessible to anyone with a laptop.
ディープダイブ
音楽ストリーミング会社 Deezer が 2019 年にリリースした Spleeter は、混合録音を個々の楽器ステムに分離します。 2 ステム (ボーカルと伴奏)、4 ステム (ボーカル、ドラム、ベース、その他)、5 ステム (ピアノを追加) の 3 つの事前トレーニング済み構成で出荷されます。内部では、オーディオのスペクトログラム上で動作する U-Net 畳み込みニューラル ネットワークを使用し、各ソースのソフト マスクを予測します。マスクに元のスペクトログラムを乗算し、反転してオーディオに戻すと、各ステムが得られます。 Spleeter を有名にしたのは速度です。GPU 上のリアルタイムよりも約 100 倍速くオーディオを分離できます。 DJ、リミキサー、トランスクライバー、カラオケメーカーによって広く使用されており、Demucs のような競合セパレーターの波を引き起こしました。
技術的な洞察
Spleeter は時間周波数領域で動作します。音声は、短時間フーリエ変換 (STFT) によって振幅スペクトログラムに変換されます。 U-Net (スキップ接続を備えたエンコーダ/デコーダ) は、ソースごとに、時間周波数ビンごとに 0 と 1 の間のマスクを学習します。マスクされたスペクトログラムは元の混合物の位相と再結合され、逆 STFT によって波形が再構築されます。生のオーディオではなくソフト マスクを推定するため、漏れや再利用された位相によってアーティファクトが発生します。
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。
スプリッターステム分離の未来
Demucs やハイブリッド トランス セパレーターなどの新しい波形ドメイン モデルは、品質の面で Spleeter を上回り、より鮮明なトランジェントを回復し、アーティファクトが少なくなりました。傾向としては、ステム数の増加 (個々のギターやバッキング ボーカルの分離)、DAW や携帯電話でのリアルタイムのオンデバイス分離、即時のリミックスやアクセシビリティのためのストリーミング アプリへの統合が進んでいます。 Spleeter 自体は、研究がフェーズを意識した生成的なアプローチを推進しているにもかかわらず、軽量で無料、実行が簡単であるため、依然として人気のあるベースラインです。
現実世界の実装
CMソングからリードボーカルを取り出して即席カラオケトラックを作成
DJ やプロデューサーがドラムまたはベースのステムを分離してリミックスやマッシュアップを構築する
音大生が単一の楽器ラインを抽出して採譜し、一緒に練習する
濁ったミックスを分離してバランスを取り直すことで、古い録音を復元またはクリーニングする
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 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
次のガイド
Conv-TasNet 時間領域分離
よくある質問
What is Spleeter Stem Separation?
Spleeter は Deezer のオープンソース ツールで、ディープ ラーニングを使用して完成した曲を個別のトラック (ボーカル、ドラム、ベースなど) に分割します。これにより、高品質のステム分離を高速かつ無料で行うことができ、ラップトップを持っている人なら誰でもアクセスできるようになりました。
Spleeter を最初にリリースしたのはどこの会社ですか?
Spleeter は、フランスの音楽ストリーミング会社 Deezer によって 2019 年にオープンソースとしてリリースされました。
Spleeter の 4 ステム モデルはオーディオを何に分割しますか?
4 ステム構成では、ボーカル、ドラム、ベース、そしてその他すべての「その他」ステムを出力します。
Spleeter はどのようなニューラル ネットワーク アーキテクチャを使用していますか?
Spleeter は、オーディオのスペクトログラム上のマスクを予測する U-Net 畳み込みネットワークを使用します。
Spleeter は実際にミックスから単一のソースをどのように抽出するのでしょうか?
ネットワークは、混合スペクトログラムと乗算されるソースごとのマスク (値 0 ～ 1) を予測します。
Spleeter の人気を高めた重要な実際的な利点はどれですか?
Spleeter は、GPU 上のリアルタイムより約 100 倍の速さでオーディオを分離できるため、高速かつアクセスしやすくなります。