概述
Spleeter 是 Deezer 的開源工具，它使用深度學習將完成的歌曲分割成單獨的曲目（人聲、鼓、貝斯等）。它使高品質的莖分離變得快速、免費，並且任何擁有筆記型電腦的人都可以使用。
Spleeter Stem Separation 位於音訊 AI 工作流程中，可轉換語音、音樂和聲音以實現通訊、可存取性和媒體製作。
深入探討
Spleeter 於 2019 年由音樂串流媒體公司 Deezer 發布，將混音錄音分離為單獨的樂器主幹。它提供三種預先訓練的配置：2-stem（人聲加伴奏）、4-stem（人聲、鼓、貝斯等）和 5-stem（添加鋼琴）。在底層，它使用 U-Net 卷積神經網路對音訊頻譜圖進行操作，預測每個來源的軟遮罩。將光罩乘以原始頻譜圖並反轉回音訊產生每個主幹。 Spleeter 之所以出名，是因為速度：它分離音訊的速度比 GPU 上即時分離的速度快大約 100 倍。它被 DJ、混音師、轉錄者和卡拉 OK 製作者廣泛使用，並引發了 Demucs 等競爭分離器的浪潮。
技術洞察
Spleeter 在時頻域中工作。音訊透過短時傅立葉變換 (STFT) 轉換為幅度譜圖。 U-Net（具有跳躍連接的編碼器-解碼器）針對每個來源學習每個時頻倉的 0 到 1 之間的遮罩。掩蔽頻譜圖與原始混合物的相位重新組合，然後逆 STFT 重建波形。因為它估計的是軟掩模而不是原始音頻，所以洩漏和重複使用的相位會導致偽影。
掌握 Spleeter 莖分離
Spleeter 是 Deezer 的開源工具，它使用深度學習將完成的歌曲分割成單獨的曲目（人聲、鼓、貝斯等）。它使高品質的莖分離變得快速、免費，並且任何擁有筆記型電腦的人都可以使用。 Spleeter Stem Separation 位於音訊 AI 工作流程中，可轉換語音、音樂和聲音以實現通訊、可存取性和媒體製作。為了建立深入的理解，請將 Spleeter Stem Separation 視為一個操作模型，而不是一個單一功能：定義所需的結果，澄清假設，並將系統可以可靠地執行的操作與仍需要專家判斷的操作分開。
在實踐中，使用 Spleeter Stem Separation 的強大團隊將品質、延遲和同意視為部署策略中同等重要的部分。他們記錄明確的成功標準，根據實際數據和工作流程進行測試，並根據觀察到的失敗模式而不是一次性基準測試勝利進行迭代。這就是理論理解轉變為跨產品、政策和營運的持久能力的地方。
它透過轉錄、旁白和語音介面提高了可訪問性。同時，如果未徵得同意，語音濫用和冒充風險就會增加。最具彈性的方法是將實驗速度與治理規則結合：運行試點、捕獲證據、發布決策日誌，並隨著模型行為、使用者期望和監管要求的發展不斷更新保障措施。
戰略影響
它透過轉錄、旁白和語音介面提高了可訪問性。
它透過轉錄、旁白和語音介面提高了可訪問性。在高品質部署中，這會轉化為可衡量的操作規則、所有權邊界和定期審查儀式，以便團隊可以增強信心，而不是擴大模糊性。
媒體團隊可以用更少的預算更快地交付精美的音訊。
媒體團隊可以用更少的預算更快地交付精美的音訊。在高品質部署中，這會轉化為可衡量的操作規則、所有權邊界和定期審查儀式，以便團隊可以增強信心，而不是擴大模糊性。
面向客戶的系統可以處理更大規模的語音互動。
面向客戶的系統可以處理更大規模的語音互動。在高品質部署中，這會轉化為可衡量的操作規則、所有權邊界和定期審查儀式，以便團隊可以增強信心，而不是擴大模糊性。
現實世界的實施
透過刪除商業歌曲中的主唱來創建即時卡拉 OK 曲目
DJ 和製作人隔離鼓或貝斯以建立混音和混搭
音樂學生提取單一樂器線進行轉錄和練習
透過分離和重新平衡渾濁的混音來恢復或清理舊錄音
實施模式
實務上的 Spleeter 莖分離
透過刪除商業歌曲中的主唱來創建即時卡拉 OK 曲目。
透過刪除商業歌曲中的主唱來創建即時卡拉 OK 團隊在預先定義品質閾值、為邊緣情況保留人工升級路徑並追蹤一段時間內的生產力提升和錯誤成本時，通常會獲得更好的結果。
實務上的 Spleeter 莖分離
DJ 和製作人隔離鼓或貝斯來建立混音和混搭。
DJ 和製作人隔離鼓或貝斯幹來建立混音和混搭團隊在預先定義品質閾值、為邊緣情況保留人工升級路徑並追蹤一段時間內的生產力增益和錯誤成本時，通常會獲得更好的結果。
實務上的 Spleeter 莖分離
音樂學生提取單一樂器線進行轉錄和練習。
音樂學生提取單一樂器線來與團隊一起轉錄和練習，如果他們預先定義品質閾值，為邊緣情況保留人工升級路徑，並隨著時間的推移追蹤生產力的提高和錯誤成本，通常會得到更好的結果。
實務上的 Spleeter 莖分離
透過分離和重新平衡渾濁的混音來恢復或清理舊錄音。
透過分離和重新平衡渾濁的混音來恢復或清理舊錄音當團隊預先定義品質閾值、為邊緣情況保留人工升級路徑並追蹤一段時間內的生產力提升和錯誤成本時，通常會獲得更好的結果。
風險與防護欄
如果未徵得同意，語音濫用和冒充風險就會增加。
由於口音、方言或嘈雜的環境，準確性可能會下降。
如果沒有明確的標籤，合成音訊可能會被誤認為是真實的語音。
實施路線圖
獲得語音捕獲、克隆和重用的明確同意。
獲得語音捕獲、克隆和重用的明確同意。將每個步驟視為證據門：如果不符合標準，則暫停推出，縮小差距，然後再擴大使用。
測試不同揚聲器和背景條件下的品質。
測試不同揚聲器和背景條件下的品質。將每個步驟視為證據門：如果不符合標準，則暫停推出，縮小差距，然後再擴大使用。
定義人員必須審查或批准輸出的時間。
定義人員必須審查或批准輸出的時間。將每個步驟視為證據門：如果不符合標準，則暫停推出，縮小差距，然後再擴大使用。
標記合成音訊並保留來源記錄以供問責。
標記合成音訊並保留來源記錄以供問責。將每個步驟視為證據門：如果不符合標準，則暫停推出，縮小差距，然後再擴大使用。