Tách nguồn nhạc Demucs và HT-Demucs
Demucs là mô hình phân tách nguồn nhạc nguồn mở của Meta; Hybrid Transformer Demucs (HT-Demucs) chia các bài hát thành vocal, trống, bass và các phần khác bằng cách sử dụng xử lý dạng sóng và quang phổ.
Lặn sâu
Demucs (Deep Extractor for Music Sources) giải quyết vấn đề "không trộn" cổ điển: khôi phục các bản nhạc cụ riêng lẻ từ bản ghi âm thanh nổi cuối cùng. Các phiên bản đầu tiên sử dụng U-Net miền dạng sóng hoạt động trực tiếp trên các mẫu âm thanh thô, giúp bảo tồn thông tin pha mà các phương pháp biểu đồ phổ thường làm mất. Hybrid Demucs và sau này là Hybrid Transformer Demucs (HT-Demucs) được sử dụng rộng rãi xử lý âm thanh ở cả hai miền dạng sóng và phổ đồ đồng thời, sau đó hợp nhất chúng và thêm sự chú ý của máy biến áp miền chéo vào cấu trúc tầm xa của mô hình. Được đào tạo về tập dữ liệu MUSDB18 cộng với dữ liệu bổ sung, Demucs tách bản phối thành bốn phần (giọng hát, trống, âm trầm, phần khác) và đã trở thành công cụ mặc định vì đây là nguồn mở, chạy trên GPU dành cho người tiêu dùng và luôn đạt điểm gần cao nhất về điểm chuẩn phân tách.
Hiểu biết kỹ thuật
Hybrid Demucs chạy hai nhánh bộ mã hóa-giải mã song song: một nhánh trên dạng sóng miền thời gian và một nhánh trên biểu đồ quang phổ STFT. Các đặc điểm được trao đổi giữa các nhánh và kết hợp lại, nhờ đó mô hình khai thác được pha chính xác của dạng sóng và cấu trúc tần số rõ ràng của biểu đồ phổ. Chất lượng được đo bằng Tỷ lệ tín hiệu trên độ méo (SDR) tính bằng decibel trên các bài hát được giữ lại. Biến thể máy biến áp bổ sung thêm sự chú ý của bản thân và sự chú ý chéo để nắm bắt bối cảnh âm nhạc trong từng giây.
Tác động chiến lược
Truy cập và tiếp cận
Nó cải thiện khả năng tiếp cận thông qua phiên âm, tường thuật và giao diện giọng nói.
Chi phí và ngân sách
Các nhóm truyền thông có thể gửi âm thanh tinh tế nhanh hơn với ngân sách nhỏ hơn.
Tốc độ và tỷ lệ
Các hệ thống hướng tới khách hàng có thể xử lý các tương tác bằng giọng nói ở quy mô lớn hơn.
Tương lai của sự tách biệt nguồn nhạc của Demucs và HT-Demucs
Việc tách nguồn đang hướng tới nhiều mục đích hơn (tách từng guitar, piano hoặc thậm chí cả ca sĩ cụ thể), hoạt động theo thời gian thực và trên thiết bị cũng như khả năng phân tách có thể nhắc bằng văn bản ("cách ly saxophone"). Các mô hình tốt hơn sẽ làm giảm hiện tượng chảy nước vẫn xuất hiện trên các hỗn hợp dày đặc. Khi chất lượng tăng lên, hãy mong đợi sự tích hợp sâu hơn vào DAW, ứng dụng karaoke và phối lại cũng như các công cụ giáo dục âm nhạc, cùng với cuộc tranh luận đang diễn ra về ý nghĩa bản quyền và sự đồng ý của việc trích xuất rõ ràng giọng hát riêng biệt của bất kỳ nghệ sĩ nào.
Triển khai trong thế giới thực
Nhà sản xuất và người phối lại trích xuất acapella hoặc nhạc cụ sạch từ các bản nhạc đã phát hành
Ứng dụng karaoke loại bỏ giọng hát chính một cách nhanh chóng để tạo bản nhạc đệm
Các nhạc sĩ cô lập rãnh trầm hoặc rãnh trống để phiên âm hoặc luyện tập cùng với
Quy trình lấy mẫu và khôi phục âm thanh cần nâng một nhạc cụ ra khỏi bản phối cũ
Rủi ro & lan can
Rủi ro lạm dụng giọng nói và mạo danh sẽ tăng lên khi thiếu sự đồng ý.
Độ chính xác có thể giảm đối với các giọng, phương ngữ hoặc môi trường ồn ào.
Âm thanh tổng hợp có thể bị nhầm lẫn với lời nói đích thực nếu không có nhãn rõ ràng.
Lộ trình thực hiện
Nhận được sự đồng ý rõ ràng để thu âm, sao chép và tái sử dụng giọng nói.
Kiểm tra chất lượng trên nhiều loa và điều kiện nền khác nhau.
Xác định khi nào con người phải xem xét hoặc phê duyệt kết quả đầu ra.
Dán nhãn âm thanh tổng hợp và lưu giữ hồ sơ xuất xứ để đảm bảo trách nhiệm giải trình.
Tiếp tục khám phá
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
Hướng dẫn tiếp theo
Tách nhạc mở-Unmix
Câu hỏi thường gặp
Demucs và HT-Demucs Nguồn Âm Nhạc Tách Biệt Là Gì?
Demucs là mô hình phân tách nguồn nhạc nguồn mở của Meta; Hybrid Transformer Demucs (HT-Demucs) chia các bài hát thành vocal, trống, bass và các phần khác bằng cách sử dụng xử lý dạng sóng và quang phổ.
Demucs làm gì với một bài hát đã hoàn thành?
Demucs thực hiện tách nguồn nhạc, tách bản phối âm thanh nổi thành từng nhạc cụ và thân giọng hát.
Điều gì khiến cho Hybrid Demucs trở thành “con lai”?
Hybrid Demucs kết hợp nhánh dạng sóng miền thời gian và nhánh biểu đồ phổ, kết hợp các điểm mạnh của chúng.
Số liệu nào thường được sử dụng để đánh giá chất lượng tách?
SDR, được đo bằng decibel, định lượng mức độ chính xác của gốc ước tính khớp với nguồn thực sự.
Tổ chức nào ban đầu phát hành Demucs?
Demucs được phát triển và có nguồn mở bởi các nhà nghiên cứu tại Meta AI / FAIR.
Tại sao Demucs thời kỳ đầu lại làm việc trực tiếp trên dạng sóng thô?
Hoạt động trong miền dạng sóng bảo toàn pha, điều mà các phương pháp cường độ phổ biểu đồ thường loại bỏ và phải ước tính.