🥇 स्प्लीटरचा कोड, संगीत आणि आवाज विभक्त करणारी प्रणाली, खुली आहे

स्ट्रीमिंग प्रदाता Deezer उघडले प्रायोगिक प्रकल्प स्प्लीटरचे स्त्रोत मजकूर, जे जटिल ऑडिओ रचनांपासून ध्वनी स्रोत वेगळे करण्यासाठी मशीन शिक्षण प्रणाली विकसित करते. प्रोग्राम तुम्हाला कंपोझिशनमधून व्होकल्स काढून टाकण्याची आणि फक्त संगीताची साथ सोडण्याची परवानगी देतो, वैयक्तिक वाद्यांचा आवाज हाताळू शकतो किंवा संगीत टाकून देतो आणि मिक्स, कराओके किंवा ट्रान्सक्रिप्शन तयार करण्यासाठी, दुसर्या ध्वनी मालिकेसह आच्छादित करण्यासाठी आवाज सोडू शकतो. प्रोजेक्ट कोड Tensorflow इंजिन वापरून Python मध्ये लिहिलेला आहे आणि द्वारा वितरित MIT परवान्या अंतर्गत.

लोडिंगसाठी देऊ केले कंपोनमेंटपासून व्होकल्स (एक आवाज) वेगळे करण्यासाठी, तसेच व्होकल्स, ड्रम, बास, पियानो आणि उर्वरित आवाजासह 4 आणि 5 प्रवाहांमध्ये विभागण्यासाठी आधीच प्रशिक्षित मॉडेल. स्प्लीटरचा वापर पायथन लायब्ररी आणि स्वतंत्र कमांड लाइन युटिलिटी म्हणून केला जाऊ शकतो. सोप्या प्रकरणात, स्त्रोत फाइलवर आधारित तयार केले दोन, चार किंवा पाच फायली ज्यात आवाज आणि साथीदार घटक आहेत (vocals.wav, drums.wav, bass.wav, piano.wav, other.wav).

2 आणि 4 प्रवाहांमध्ये विभाजित केल्यावर, स्प्लीटर खूप उच्च कार्यप्रदर्शन प्रदान करते, उदाहरणार्थ, GPU वापरताना, ऑडिओ फाइलला 4 प्रवाहांमध्ये विभाजित करण्यासाठी मूळ रचना कालावधीपेक्षा 100 पट कमी वेळ लागतो. NVIDIA GeForce GTX 1080 GPU आणि 32-core Intel Xeon Gold 6134 CPU असलेल्या सिस्टीमवर, musDB चाचणी संकलन, जे तीन तास आणि 27 मिनिटे चालले, 90 सेकंदात प्रक्रिया केली गेली.

स्प्लीटरच्या फायद्यांपैकी, ऑडिओ विभक्त करण्याच्या क्षेत्रातील इतर घडामोडींच्या तुलनेत, जसे की मुक्त स्त्रोत प्रकल्प उघडा-अनमिक्स, ध्वनी फाइल्सच्या विस्तृत संग्रहातून तयार केलेल्या उच्च दर्जाच्या मॉडेलच्या वापराचा उल्लेख करते. कॉपीराइट निर्बंधांमुळे, मशिन लर्निंग संशोधक संगीत फाइल्सच्या अगदी विरळ सार्वजनिक संग्रहांमध्ये प्रवेश करण्यासाठी मर्यादित आहेत, तर स्प्लीटरचे मॉडेल डीझरच्या विशाल संगीत कॅटलॉगमधील डेटा वापरून तयार केले गेले आहेत.

द्वारा तुलना ओपन-अनमिक्ससह, स्प्लीटरचे सेपरेशन टूल सीपीयूवर चाचणी केल्यावर सुमारे 35% वेगवान आहे, एमपी3 फायलींना समर्थन देते आणि लक्षणीय चांगले परिणाम व्युत्पन्न करते (ओपन-अनमिक्समध्ये एकल आवाज काही टूल्सचे ट्रेस सोडतो, जे बहुधा या वस्तुस्थितीमुळे होते. ओपन-अनमिक्स मॉडेल्स केवळ 150 रचनांच्या संग्रहावर प्रशिक्षित आहेत).

स्त्रोत: opennet.ru

स्प्लीटरसाठी मुक्त स्रोत, संगीत आणि आवाज वेगळे करणारी प्रणाली

एक टिप्पणी जोडा Отменить ответ