Demucs اور HT-Demucs موسیقی کے ماخذ کی علیحدگی
Demucs Meta کا اوپن سورس میوزک سورس سیپریشن ماڈل ہے۔ ہائبرڈ ٹرانسفارمر ڈیمکس (HT-Demucs) ویوفارم اور سپیکٹروگرام پروسیسنگ کا استعمال کرتے ہوئے گانوں کو آواز، ڈرم، باس اور دیگر تنوں میں تقسیم کرتا ہے۔
گہرا غوطہ
ڈیمکس (ڈیپ ایکسٹریکٹر فار میوزک سورسز) کلاسک "غیر مکسنگ" کے مسئلے سے نمٹتا ہے: حتمی سٹیریو ریکارڈنگ سے انفرادی آلے کے ٹریک کو بازیافت کرنا۔ ابتدائی ورژن میں ایک ویوفارم ڈومین U-Net کا استعمال کیا گیا جو براہ راست خام آڈیو نمونوں پر کام کرتا تھا، جس نے مرحلے کی معلومات کو محفوظ کیا تھا جو سپیکٹروگرام کے طریقے اکثر کھو دیتے ہیں۔ بڑے پیمانے پر استعمال ہونے والے Hybrid Demucs اور بعد میں Hybrid Transformer Demucs (HT-Demucs) دونوں ویوفارم اور سپیکٹروگرام ڈومینز میں بیک وقت آڈیو پراسیس کرتے ہیں، پھر انہیں فیوز کرتے ہیں، اور کراس ڈومین ٹرانسفارمر کی توجہ ماڈل لانگ رینج سٹرکچر پر ڈالتے ہیں۔ MUSDB18 ڈیٹاسیٹ کے علاوہ اضافی ڈیٹا پر تربیت یافتہ، Demucs ایک مرکب کو چار تنوں (ووکلز، ڈرم، باس، دیگر) میں الگ کرتا ہے اور یہ ایک ڈیفالٹ ٹول بن گیا ہے کیونکہ یہ اوپن سورس ہے، صارفین کے GPUs پر چلتا ہے، اور علیحدگی کے بینچ مارکس پر مسلسل اسکور کرتا ہے۔
تکنیکی بصیرت
ہائبرڈ ڈیموکس دو متوازی انکوڈر-ڈیکوڈر شاخیں چلاتا ہے: ایک ٹائم ڈومین ویوفارم پر اور ایک STFT سپیکٹروگرام پر۔ خصوصیات کا تبادلہ شاخوں اور مشترکہ کے درمیان ہوتا ہے، لہٰذا ماڈل ویوفارم کے عین مرحلے اور سپیکٹروگرام کی واضح فریکوئنسی ساخت کا فائدہ اٹھاتا ہے۔ ہولڈ آؤٹ گانوں پر ڈیسیبلز میں سگنل ٹو ڈسٹورشن ریشو (SDR) کے ساتھ معیار کی پیمائش کی جاتی ہے۔ ٹرانسفارمر ویرینٹ سیکنڈوں میں میوزیکل سیاق و سباق کو حاصل کرنے کے لئے خود اور کراس توجہ کا اضافہ کرتا ہے۔
اسٹریٹجک اثر
رسائی اور رسائی
یہ نقل، بیان اور صوتی انٹرفیس کے ذریعے رسائی کو بہتر بناتا ہے۔
لاگت اور بجٹ
میڈیا ٹیمیں چھوٹے بجٹ کے ساتھ پالش آڈیو کو تیزی سے بھیج سکتی ہیں۔
رفتار اور پیمانہ
کسٹمر کا سامنا کرنے والے نظام بڑے پیمانے پر بولی جانے والی بات چیت پر کارروائی کر سکتے ہیں۔
ڈیموکس اور ایچ ٹی ڈیمکس میوزک سورس سیپریشن کا مستقبل
ماخذ کی علیحدگی مزید تنوں کی طرف بڑھ رہی ہے (انفرادی گٹار، پیانو، یا یہاں تک کہ مخصوص گلوکاروں کو الگ کرنا)، ریئل ٹائم اور آن ڈیوائس آپریشن، اور ٹیکسٹ پرامپٹیبل علیحدگی ("سیکسوفون کو الگ کرنا")۔ بہتر ماڈل پانی سے بھرے نمونے کو کم کر دیں گے جو اب بھی گھنے مکسز پر ظاہر ہوتے ہیں۔ جیسے جیسے معیار میں اضافہ ہوتا ہے، کسی بھی فنکار کی الگ تھلگ آواز کو صاف طور پر نکالنے کے کاپی رائٹ اور رضامندی کے مضمرات کے بارے میں جاری بحث کے ساتھ ساتھ DAWs، کراوکی اور ریمکس ایپس، اور میوزک ایجوکیشن ٹولز میں گہرے انضمام کی توقع کریں۔
حقیقی دنیا کا نفاذ
پروڈیوسر اور ریمکسرز جاری کردہ پٹریوں سے کلین ایکپیلا یا آلات نکال رہے ہیں۔
کراوکی ایپس بیکنگ ٹریک بنانے کے لیے فلائی پر لیڈ ووکلز کو ہٹا رہی ہیں۔
موسیقار ایک باس لائن یا ڈھول کی نالی کو الگ کرتے ہوئے نقل کرنے یا اس کے ساتھ مشق کرنے کے لیے
آڈیو کی بحالی اور نمونے لینے والے ورک فلوز جن کو پرانے مرکب سے ایک آلہ اٹھانے کی ضرورت ہے۔
خطرات اور گارڈریلز
رضامندی غائب ہونے پر آواز کے غلط استعمال اور نقالی کے خطرات بڑھ جاتے ہیں۔
درستگی لہجوں، بولیوں، یا شور والے ماحول میں گر سکتی ہے۔
واضح لیبلنگ کے بغیر مصنوعی آڈیو کو مستند تقریر کے لیے غلط سمجھا جا سکتا ہے۔
نفاذ کا روڈ میپ
آواز کی گرفتاری، کلوننگ اور دوبارہ استعمال کے لیے واضح رضامندی حاصل کریں۔
متنوع اسپیکرز اور پس منظر کے حالات میں معیار کی جانچ کریں۔
وضاحت کریں کہ جب ایک انسان کو آؤٹ پٹس کا جائزہ لینا یا منظور کرنا ضروری ہے۔
مصنوعی آڈیو کو لیبل کریں اور جوابدہی کے لیے پرووینس ریکارڈ رکھیں۔
دریافت کرتے رہیں
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
اگلا گائیڈ
اوپن-انمکس میوزک سیپریشن
اکثر پوچھے گئے سوالات
What is Demucs and HT-Demucs Music Source Separation?
Demucs Meta کا اوپن سورس میوزک سورس سیپریشن ماڈل ہے۔ ہائبرڈ ٹرانسفارمر ڈیمکس (HT-Demucs) ویوفارم اور سپیکٹروگرام پروسیسنگ کا استعمال کرتے ہوئے گانوں کو آواز، ڈرم، باس اور دیگر تنوں میں تقسیم کرتا ہے۔
ڈیموکس ایک مکمل گانے کا کیا کرتا ہے؟
ڈیمکس موسیقی کے ماخذ کو الگ کرنے کا کام انجام دیتا ہے، ایک سٹیریو مکس کو انفرادی آلے اور آواز کے تنوں میں تقسیم کرتا ہے۔
ہائبرڈ ڈیموکس کو 'ہائبرڈ' کیا بناتا ہے؟
ہائبرڈ ڈیمکس ایک ٹائم ڈومین ویوفارم برانچ اور سپیکٹروگرام برانچ کو جوڑتا ہے، ان کی طاقت کو فیوز کرتا ہے۔
علیحدگی کے معیار کو جانچنے کے لیے عام طور پر کون سا میٹرک استعمال ہوتا ہے؟
ایس ڈی آر، ڈیسیبل میں ماپا جاتا ہے، یہ مقدار بتاتا ہے کہ تخمینہ شدہ تنا حقیقی ماخذ سے کتنا صاف مماثل ہے۔
کس تنظیم نے اصل میں Demucs کو جاری کیا؟
ڈیموکس کو Meta AI/FAIR کے محققین نے تیار کیا اور کھلا ذریعہ بنایا۔
ابتدائی ڈیمکس خام ویوفارم پر براہ راست کیوں کام کرتے تھے؟
ویوفارم ڈومین میں کام کرنا اس مرحلے کو محفوظ رکھتا ہے، جسے سپیکٹروگرام-میگنیٹیوڈ کے طریقے اکثر ضائع کر دیتے ہیں اور اس کا تخمینہ لگانا ضروری ہے۔