സ്‌പ്ലീറ്ററിനായുള്ള ഓപ്പൺ സോഴ്‌സ്, സംഗീതവും ശബ്ദവും വേർതിരിക്കുന്നതിനുള്ള സംവിധാനമാണ്

സ്ട്രീമിംഗ് ദാതാവ് Deezer തുറന്നു സങ്കീർണ്ണമായ ഓഡിയോ കോമ്പോസിഷനുകളിൽ നിന്ന് ശബ്‌ദ സ്രോതസ്സുകളെ വേർതിരിക്കുന്നതിനുള്ള ഒരു മെഷീൻ ലേണിംഗ് സിസ്റ്റം വികസിപ്പിക്കുന്ന പരീക്ഷണാത്മക പ്രോജക്റ്റ് സ്പ്ലീറ്ററിന്റെ ഉറവിട പാഠങ്ങൾ. ഒരു കോമ്പോസിഷനിൽ നിന്ന് വോക്കൽ നീക്കം ചെയ്യാനും സംഗീതോപകരണങ്ങൾ മാത്രം വിടാനും വ്യക്തിഗത ഉപകരണങ്ങളുടെ ശബ്ദം കൈകാര്യം ചെയ്യാനും അല്ലെങ്കിൽ സംഗീതം ഉപേക്ഷിച്ച് മറ്റൊരു ശബ്‌ദ ശ്രേണിയിൽ ഓവർലേ ചെയ്യാനും മിക്സുകൾ, കരോക്കെ അല്ലെങ്കിൽ ട്രാൻസ്ക്രിപ്ഷൻ എന്നിവ സൃഷ്ടിക്കാനും പ്രോഗ്രാം നിങ്ങളെ അനുവദിക്കുന്നു. ടെൻസർഫ്ലോ എഞ്ചിൻ ഉപയോഗിച്ച് പൈത്തണിലാണ് പ്രോജക്റ്റ് കോഡ് എഴുതിയിരിക്കുന്നത് വിതരണം ചെയ്തത് MIT ലൈസൻസിന് കീഴിൽ.

ലോഡിംഗിനായി വാഗ്ദാനം ചെയ്തു വോക്കൽ (ഒരു ശബ്ദം) അകമ്പടിയിൽ നിന്ന് വേർതിരിക്കുന്നതിനും അതുപോലെ വോക്കൽസ്, ഡ്രംസ്, ബാസ്, പിയാനോ, മറ്റ് ശബ്ദങ്ങൾ എന്നിവയുൾപ്പെടെ 4, 5 സ്ട്രീമുകളായി വിഭജിക്കാനും ഇതിനകം പരിശീലനം ലഭിച്ച മോഡലുകൾ. സ്പ്ലീറ്റർ ഒരു പൈത്തൺ ലൈബ്രറിയായും ഒരു ഒറ്റപ്പെട്ട കമാൻഡ് ലൈൻ യൂട്ടിലിറ്റിയായും ഉപയോഗിക്കാം. ഏറ്റവും ലളിതമായ സാഹചര്യത്തിൽ, ഉറവിട ഫയലിനെ അടിസ്ഥാനമാക്കി സൃഷ്ടിച്ചു ശബ്ദവും അനുബന്ധ ഘടകങ്ങളും ഉള്ള രണ്ടോ നാലോ അഞ്ചോ ഫയലുകൾ (vocals.wav, drums.wav, bass.wav, piano.wav, other.wav).

2, 4 ത്രെഡുകളായി വിഭജിക്കുമ്പോൾ, സ്പ്ലീറ്റർ വളരെ ഉയർന്ന പ്രകടനം നൽകുന്നു, ഉദാഹരണത്തിന്, GPU ഉപയോഗിക്കുമ്പോൾ, ഒരു ഓഡിയോ ഫയൽ 4 ത്രെഡുകളായി വിഭജിക്കുന്നത് യഥാർത്ഥ കോമ്പോസിഷന്റെ ദൈർഘ്യത്തേക്കാൾ 100 മടങ്ങ് കുറവാണ്. NVIDIA GeForce GTX 1080 GPU, 32-core Intel Xeon Gold 6134 CPU എന്നിവയുള്ള ഒരു സിസ്റ്റത്തിൽ, മൂന്ന് മണിക്കൂറും 27 മിനിറ്റും നീണ്ടുനിന്ന musDB ടെസ്റ്റ് ശേഖരം 90 സെക്കൻഡിൽ പ്രോസസ്സ് ചെയ്തു.

ഓപ്പൺ സോഴ്സ് പ്രോജക്റ്റ് പോലെയുള്ള ഓഡിയോ വേർതിരിക്കൽ മേഖലയിലെ മറ്റ് സംഭവവികാസങ്ങളുമായി താരതമ്യപ്പെടുത്തുമ്പോൾ സ്പ്ലീറ്ററിന്റെ ഗുണങ്ങളിൽ ഒന്ന് ഓപ്പൺ-അൺമിക്സ്, ശബ്ദ ഫയലുകളുടെ വിപുലമായ ശേഖരത്തിൽ നിന്ന് നിർമ്മിച്ച ഉയർന്ന നിലവാരമുള്ള മോഡലുകളുടെ ഉപയോഗം പരാമർശിക്കുന്നു. പകർപ്പവകാശ നിയന്ത്രണങ്ങൾ കാരണം, മെഷീൻ ലേണിംഗ് ഗവേഷകർ മ്യൂസിക് ഫയലുകളുടെ വളരെ വിരളമായ പൊതു ശേഖരങ്ങളിലേക്ക് ആക്‌സസ് ചെയ്യാൻ പരിമിതപ്പെടുത്തിയിരിക്കുന്നു, അതേസമയം സ്‌പ്ലീറ്ററിന്റെ മോഡലുകൾ ഡീസറിന്റെ വിശാലമായ സംഗീത കാറ്റലോഗിൽ നിന്നുള്ള ഡാറ്റ ഉപയോഗിച്ചാണ് നിർമ്മിച്ചിരിക്കുന്നത്.

വഴി താരതമ്യം ഓപ്പൺ-അൺമിക്‌സ് ഉപയോഗിച്ച്, സിപിയുവിൽ പരീക്ഷിക്കുമ്പോൾ സ്‌പ്ലീറ്ററിന്റെ വേർതിരിക്കൽ ഉപകരണം ഏകദേശം 35% വേഗതയുള്ളതാണ്, MP3 ഫയലുകളെ പിന്തുണയ്‌ക്കുന്നു, കൂടാതെ ശ്രദ്ധേയമായ മികച്ച ഫലങ്ങൾ സൃഷ്ടിക്കുന്നു (ഓപ്പൺ-അൺമിക്‌സിലെ സിംഗിൾ വോയ്‌സ് ചില ടൂളുകളുടെ അവശിഷ്ടങ്ങൾ അവശേഷിക്കുന്നു, ഇത് ഓപ്പൺ-അൺമിക്സ് മോഡലുകൾ 150 കോമ്പോസിഷനുകളുടെ ശേഖരത്തിൽ മാത്രം പരിശീലിപ്പിച്ചിരിക്കുന്നു).

അവലംബം: opennet.ru