સ્પ્લીટર માટે ઓપન સોર્સ, સંગીત અને અવાજને અલગ કરવા માટેની સિસ્ટમ

સ્ટ્રીમિંગ પ્રદાતા ડીઝર ખોલ્યું પ્રાયોગિક પ્રોજેક્ટ સ્પ્લીટરના સ્ત્રોત ગ્રંથો, જે જટિલ ઓડિયો કમ્પોઝિશનમાંથી ધ્વનિ સ્ત્રોતોને અલગ કરવા માટે મશીન લર્નિંગ સિસ્ટમ વિકસાવે છે. પ્રોગ્રામ તમને કમ્પોઝિશનમાંથી વોકલ્સ દૂર કરવા અને ફક્ત સંગીતની સાથોસાથ છોડી દેવા, વ્યક્તિગત વાદ્યોના અવાજમાં ચાલાકી કરવા અથવા સંગીતને કાઢી નાખવા અને મિક્સ, કરાઓકે અથવા ટ્રાંસ્ક્રિપ્શન બનાવવા, અન્ય ધ્વનિ શ્રેણી સાથે ઓવરલે કરવા માટે અવાજ છોડવાની મંજૂરી આપે છે. પ્રોજેક્ટ કોડ ટેન્સરફ્લો એન્જિનનો ઉપયોગ કરીને પાયથોનમાં લખાયેલ છે અને દ્વારા વિતરિત MIT લાયસન્સ હેઠળ.

લોડ કરવા માટે ઓફર કરવામાં આવે છે ગાયક (એક અવાજ)ને સાથથી અલગ કરવા માટે તેમજ 4 અને 5 સ્ટ્રીમમાં વિભાજિત કરવા માટે પહેલેથી જ પ્રશિક્ષિત મોડેલો, જેમાં વોકલ્સ, ડ્રમ્સ, બાસ, પિયાનો અને બાકીના અવાજનો સમાવેશ થાય છે. સ્પ્લીટરનો ઉપયોગ પાયથોન લાઇબ્રેરી તરીકે અને એકલ કમાન્ડ લાઇન ઉપયોગિતા તરીકે બંને રીતે થઈ શકે છે. સરળ કિસ્સામાં, સ્ત્રોત ફાઇલ પર આધારિત બનાવ્યું અવાજ અને સાથના ઘટકો સાથેની બે, ચાર અથવા પાંચ ફાઇલો (vocals.wav, drums.wav, bass.wav, piano.wav, other.wav).

જ્યારે 2 અને 4 થ્રેડોમાં વિભાજીત થાય છે, ત્યારે સ્પ્લીટર ખૂબ જ ઉચ્ચ પ્રદર્શન પ્રદાન કરે છે, ઉદાહરણ તરીકે, જ્યારે GPU નો ઉપયોગ કરવામાં આવે છે, ત્યારે ઑડિઓ ફાઇલને 4 થ્રેડોમાં વિભાજીત કરવામાં મૂળ રચનાના સમયગાળા કરતાં 100 ગણો ઓછો સમય લાગે છે. NVIDIA GeForce GTX 1080 GPU અને 32-core Intel Xeon Gold 6134 CPU ધરાવતી સિસ્ટમ પર, musDB ટેસ્ટ કલેક્શન, જે ત્રણ કલાક અને 27 મિનિટ ચાલ્યું હતું, 90 સેકન્ડમાં પ્રક્રિયા કરવામાં આવી હતી.

સ્પ્લીટરના ફાયદાઓમાં, ઑડિઓ વિભાજનના ક્ષેત્રમાં અન્ય વિકાસની તુલનામાં, જેમ કે ઓપન સોર્સ પ્રોજેક્ટ ઓપન-અનમિક્સ, ધ્વનિ ફાઇલોના વ્યાપક સંગ્રહમાંથી બનેલા ઉચ્ચ ગુણવત્તાવાળા મોડલ્સના ઉપયોગનો ઉલ્લેખ કરે છે. કૉપિરાઇટ પ્રતિબંધોને લીધે, મશીન લર્નિંગ સંશોધકો મ્યુઝિક ફાઇલોના એકદમ છૂટાછવાયા સાર્વજનિક સંગ્રહને ઍક્સેસ કરવા માટે મર્યાદિત છે, જ્યારે સ્પ્લીટરના મોડલ ડીઝરના વિશાળ સંગીત સૂચિમાંથી ડેટાનો ઉપયોગ કરીને બનાવવામાં આવ્યા હતા.

દ્વારા સરખામણી ઓપન-અનમિક્સ સાથે, જ્યારે CPU પર પરીક્ષણ કરવામાં આવે ત્યારે સ્પ્લીટરનું વિભાજન ટૂલ લગભગ 35% ઝડપી હોય છે, MP3 ફાઇલોને સપોર્ટ કરે છે અને નોંધપાત્ર રીતે વધુ સારા પરિણામો જનરેટ કરે છે (ઓપન-અનમિક્સમાં સિંગલ વૉઇસ કેટલાક ટૂલ્સના નિશાન છોડે છે, જે સંભવતઃ એ હકીકતને કારણે છે કે ઓપન-અનમિક્સ મોડલ્સને માત્ર 150 કમ્પોઝિશનના સંગ્રહ પર તાલીમ આપવામાં આવે છે).

સોર્સ: opennet.ru