Tổng quan
Spleeter là một công cụ mã nguồn mở của Deezer giúp chia một bài hát đã hoàn thành thành các bản nhạc riêng biệt (giọng hát, trống, bass, v.v.) bằng cách sử dụng deep learning. Nó giúp phân tách thân cây chất lượng cao một cách nhanh chóng, miễn phí và có thể truy cập được đối với bất kỳ ai có máy tính xách tay.
Spleeter Stem Separation nằm trong quy trình làm việc về âm thanh-AI giúp chuyển đổi lời nói, âm nhạc và âm thanh để giao tiếp, khả năng tiếp cận và sản xuất phương tiện truyền thông.
Lặn sâu
Spleeter, được phát hành bởi công ty phát nhạc trực tuyến Deezer vào năm 2019, tách bản ghi âm hỗn hợp thành các thân nhạc cụ riêng lẻ. Nó có ba cấu hình được đào tạo trước: 2 cuống (giọng hát cộng với nhạc đệm), 4 cuống (giọng hát, trống, bass, loại khác) và 5 cuống (có thêm piano). Bên trong nó sử dụng mạng thần kinh tích chập U-Net hoạt động trên biểu đồ phổ của âm thanh, dự đoán mặt nạ mềm cho từng nguồn. Nhân mặt nạ với biểu đồ phổ ban đầu và đảo ngược về âm thanh sẽ tạo ra mỗi thân. Điều khiến Spleeter nổi tiếng là tốc độ: nó có thể tách âm thanh nhanh hơn khoảng 100 lần so với thời gian thực trên GPU. Nó được sử dụng rộng rãi bởi các DJ, người phối âm, người phiên âm và nhà sản xuất karaoke, đồng thời nó đã gây ra một làn sóng phân tách cạnh tranh như Demucs.
Hiểu biết kỹ thuật
Spleeter hoạt động trong miền tần số thời gian. Âm thanh được chuyển đổi thành biểu đồ phổ cường độ thông qua Biến đổi Fourier thời gian ngắn (STFT). Một U-Net (bộ mã hóa-giải mã có kết nối bỏ qua) học, trên mỗi nguồn, mặt nạ từ 0 đến 1 cho mỗi ngăn tần số thời gian. Biểu đồ phổ bị che được kết hợp lại với pha của hỗn hợp ban đầu, sau đó STFT nghịch đảo sẽ tái tạo lại dạng sóng. Bởi vì nó ước tính mặt nạ mềm chứ không phải âm thanh thô, nên rò rỉ và pha tái sử dụng sẽ gây ra hiện tượng giả.
Làm chủ việc tách thân cây Spleeter
Spleeter là một công cụ mã nguồn mở của Deezer giúp chia một bài hát đã hoàn thành thành các bản nhạc riêng biệt (giọng hát, trống, bass, v.v.) bằng cách sử dụng deep learning. Nó giúp phân tách thân cây chất lượng cao một cách nhanh chóng, miễn phí và có thể truy cập được đối với bất kỳ ai có máy tính xách tay. Spleeter Stem Separation nằm trong quy trình làm việc về âm thanh-AI giúp chuyển đổi lời nói, âm nhạc và âm thanh để giao tiếp, khả năng tiếp cận và sản xuất phương tiện truyền thông. Để xây dựng sự hiểu biết sâu sắc, hãy coi Tách tách gốc Spleeter như một mô hình vận hành chứ không phải một tính năng duy nhất: xác định kết quả mong muốn, làm rõ các giả định và tách biệt những gì hệ thống có thể thực hiện một cách đáng tin cậy với những gì vẫn cần đến sự đánh giá của chuyên gia.
Trong thực tế, các nhóm mạnh sử dụng Spleeter Stem Separation coi chất lượng, độ trễ và sự đồng ý là những phần quan trọng không kém trong chiến lược triển khai. Họ ghi lại các tiêu chí thành công rõ ràng, kiểm tra dựa trên dữ liệu và quy trình làm việc thực tế, đồng thời lặp lại dựa trên các kiểu thất bại được quan sát thay vì chiến thắng điểm chuẩn một lần. Đây là nơi sự hiểu biết về mặt lý thuyết biến thành khả năng bền vững trên toàn bộ sản phẩm, chính sách và hoạt động.
Nó cải thiện khả năng tiếp cận thông qua phiên âm, tường thuật và giao diện giọng nói. Đồng thời, nguy cơ lạm dụng giọng nói và mạo danh sẽ tăng lên khi không có sự đồng ý. Cách tiếp cận linh hoạt nhất là kết hợp tốc độ thử nghiệm với kỷ luật quản trị: chạy thử nghiệm, thu thập bằng chứng, xuất bản nhật ký quyết định và liên tục cập nhật các biện pháp bảo vệ khi hành vi của mô hình, kỳ vọng của người dùng và các yêu cầu pháp lý phát triển.
Tác động chiến lược
Nó cải thiện khả năng tiếp cận thông qua phiên âm, tường thuật và giao diện giọng nói.
Nó cải thiện khả năng tiếp cận thông qua phiên âm, tường thuật và giao diện giọng nói. Trong quá trình triển khai chất lượng cao, điều này được chuyển thành các quy tắc vận hành, ranh giới quyền sở hữu và quy trình đánh giá định kỳ có thể đo lường được để các nhóm có thể mở rộng quy mô một cách tự tin thay vì mở rộng quy mô sự mơ hồ.
Các nhóm truyền thông có thể gửi âm thanh tinh tế nhanh hơn với ngân sách nhỏ hơn.
Các nhóm truyền thông có thể gửi âm thanh tinh tế nhanh hơn với ngân sách nhỏ hơn. Trong quá trình triển khai chất lượng cao, điều này được chuyển thành các quy tắc vận hành, ranh giới quyền sở hữu và quy trình đánh giá định kỳ có thể đo lường được để các nhóm có thể mở rộng quy mô một cách tự tin thay vì mở rộng quy mô sự mơ hồ.
Các hệ thống hướng tới khách hàng có thể xử lý các tương tác bằng giọng nói ở quy mô lớn hơn.
Các hệ thống hướng tới khách hàng có thể xử lý các tương tác bằng giọng nói ở quy mô lớn hơn. Trong quá trình triển khai chất lượng cao, điều này được chuyển thành các quy tắc vận hành, ranh giới quyền sở hữu và quy trình đánh giá định kỳ có thể đo lường được để các nhóm có thể mở rộng quy mô một cách tự tin thay vì mở rộng quy mô sự mơ hồ.
Triển khai trong thế giới thực
Tạo bài hát karaoke tức thì bằng cách loại bỏ giọng ca chính khỏi bài hát thương mại
DJ và nhà sản xuất đang tách riêng thân trống hoặc bass để xây dựng các bản phối lại và mashup
Học sinh âm nhạc trích xuất một dòng nhạc cụ duy nhất để phiên âm và luyện tập cùng với
Khôi phục hoặc làm sạch các bản ghi cũ bằng cách tách và cân bằng lại các hỗn hợp bùn
Các mẫu triển khai
Tách thân Spleeter trong thực tế
Tạo các bài hát karaoke tức thì bằng cách loại bỏ giọng ca chính khỏi bài hát thương mại.
Tạo các bản nhạc karaoke ngay lập tức bằng cách loại bỏ giọng ca chính khỏi bài hát thương mại. Các nhóm thường đạt được kết quả tốt hơn khi họ xác định trước các ngưỡng chất lượng, duy trì lộ trình báo cáo của con người đối với các trường hợp khó khăn và theo dõi cả mức tăng năng suất và chi phí lỗi theo thời gian.
Tách thân Spleeter trong thực tế
DJ và nhà sản xuất tách riêng phần trống hoặc bass để xây dựng các bản phối lại và mashup.
DJ và nhà sản xuất tách riêng thân trống hoặc bass để xây dựng các bản phối lại và mashup Các nhóm thường đạt được kết quả tốt hơn khi họ xác định trước các ngưỡng chất lượng, duy trì lộ trình báo cáo của con người đối với các trường hợp khó khăn và theo dõi cả mức tăng năng suất và chi phí lỗi theo thời gian.
Tách thân Spleeter trong thực tế
Học sinh âm nhạc trích xuất một dòng nhạc cụ duy nhất để phiên âm và luyện tập cùng.
Học viên âm nhạc trích xuất một dòng nhạc cụ duy nhất để chép lời và thực hành cùng với Nhóm thường nhận được kết quả tốt hơn khi họ xác định trước các ngưỡng chất lượng, duy trì lộ trình leo thang của con người đối với các trường hợp khó khăn và theo dõi cả mức tăng năng suất và chi phí lỗi theo thời gian.
Tách thân Spleeter trong thực tế
Khôi phục hoặc làm sạch các bản ghi cũ bằng cách tách và cân bằng lại các hỗn hợp bùn.
Khôi phục hoặc làm sạch các bản ghi cũ bằng cách tách và cân bằng lại các hỗn hợp lộn xộn Các nhóm thường đạt được kết quả tốt hơn khi họ xác định trước các ngưỡng chất lượng, duy trì lộ trình leo thang của con người đối với các trường hợp khó khăn và theo dõi cả mức tăng năng suất và chi phí lỗi theo thời gian.
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.
Nhận được sự đồng ý rõ ràng để thu âm, sao chép và tái sử dụng giọng nói. Hãy coi mỗi bước như một cổng bằng chứng: nếu không đáp ứng được các tiêu chí, hãy tạm dừng triển khai, thu hẹp khoảng cách và chỉ sau đó mới mở rộng mức sử dụng.
Kiểm tra chất lượng trên nhiều loa và điều kiện nền khác nhau.
Kiểm tra chất lượng trên nhiều loa và điều kiện nền khác nhau. Hãy coi mỗi bước như một cổng bằng chứng: nếu không đáp ứng được các tiêu chí, hãy tạm dừng triển khai, thu hẹp khoảng cách và chỉ sau đó mới mở rộng mức sử dụng.
Xác định khi nào con người phải xem xét hoặc phê duyệt kết quả đầu ra.
Xác định khi nào con người phải xem xét hoặc phê duyệt kết quả đầu ra. Hãy coi mỗi bước như một cổng bằng chứng: nếu không đáp ứng được các tiêu chí, hãy tạm dừng triển khai, thu hẹp khoảng cách và chỉ sau đó mới mở rộng mức sử dụng.
Dán nhãn âm thanh tổng hợp và lưu giữ hồ sơ xuất xứ để đảm bảo trách nhiệm giải trình.
Dán nhãn âm thanh tổng hợp và lưu giữ hồ sơ xuất xứ để đảm bảo trách nhiệm giải trình. Hãy coi mỗi bước như một cổng bằng chứng: nếu không đáp ứng được các tiêu chí, hãy tạm dừng triển khai, thu hẹp khoảng cách và chỉ sau đó mới mở rộng mức sử dụng.