Ho provato Machine Learning Spleeter. (Spiegazione di come usare)

Ho provato Machine Learning Spleeter. (Spiegazione di come usare)

Sono Yosi, l'amministratore di Chillout con Beats.

Ho provato Spleeter, che è diventato un argomento caldo nelle strade.

A causa della CLI (riga di comando), il livello di difficoltà è alto.

Riga di comando cosa?Se non capisci, non te lo consiglio.

Per il momento, ascolta i risultati della demo song.

Questo è fantastico.

dati originali

Dati vocali estratti

Dati diversi dalla voce

Panoramica di Spleeter

Sebbene non sia un argomento ben noto, la questione della separazione delle fonti è stata di interesse per un'ampia comunità di ricercatori sui segnali musicali per decenni.Si parte da una semplice osservazione.Le registrazioni musicali sono solitamente un mix di più tracce di strumenti individuali (voce solista, batteria, basso, pianoforte, ecc.).Le attività per separare le sorgenti musicali sono:Dato il mix, queste singole tracce (note anche come stem) possono essere ripristinate?Ciò ha molti potenziali usi.Prendi in considerazione la pre-elaborazione per altre attività come remix, upmixing, ascolto attivo, scopi educativi e trascrizione.

È interessante notare che il nostro cervello è molto bravo a separare gli strumenti musicali.Concentrati solo su uno degli strumenti di questa traccia (ad esempio, la voce solista) e sentirai qualcosa di completamente diverso dagli altri.Ma non è proprio una separazione, senti ancora tutte le altre parti.In molti casi potrebbe non essere possibile recuperare accuratamente le singole tracce mixate tra loro.Pertanto, la sfida è approssimarli il più vicino possibile.In altre parole, cerca di avvicinarti il ​​più possibile all'originale senza creare distorsioni eccessive.

Nel corso degli anni, molte strategie sono state studiate da dozzine di grandi gruppi di ricerca in tutto il mondo.Se sei interessato a questo affascinante viaggio, leggi la panoramica di questo articolo o leggilo.Il ritmo dei recenti progressi ha fatto un grande balzo in avanti, principalmente a causa dei progressi nei metodi di apprendimento automatico.Per tenere traccia, le persone stanno confrontando gli algoritmi nelle campagne di valutazione internazionali.Ciò mostra che le prestazioni di Spleeter corrispondono alle prestazioni dell'algoritmo ottimale proposto.
Inoltre, Spleeter è molto veloce. Se stai eseguendo la versione GPU, puoi aspettarti di isolare 100 volte più velocemente che in tempo reale, il che lo rende adatto per l'elaborazione di grandi set di dati.

Come installare Pleeter

Il primo è il posto dove ottenere informazioni.

La storia principale sulla pagina ufficiale è "Spleeter".

Preferenze più belle

Per eseguire Spleeter, devi prima preparare l'ambiente.

Scarica e installa Miniconda

Conda è probabilmente il più semplice, quindiminiondaIntrodurre.

Penso che l'installazione di default vada bene.

Installa Git

Hai bisogno di un client Git, quindi scaricalo e installalo.

Penso che l'installazione di default vada bene.

Installa Pleeter

Per Windows, avvia "Anaconda Prompt" dal menu di avvio.

Una volta avviato, copia e incolla riga per riga i seguenti comandi.

Verifica del funzionamento di Spleeter utilizzando la sorgente sonora demo

cd spleeter python -m separato -h

Se è possibile installarlo senza alcun problema, verrà visualizzata la seguente guida (viene descritta solo una parte).

Esporta in 2stem

python -m spleeter separato -i audio_example.mp3 -o audio_output

Il file è archiviato nella cartella "audio_output \ audio_example".

L'ho provato due volte, ma la prima volta ottengo solo "vocals.wav" con la voce estratta.

Se si esegue nuovamente il comando (utilizzare il tasto superiore della tastiera per tornare indietro nella cronologia del comando), verrà emesso.

Viene emesso anche "Accompagnamento.wav" diverso dalla voce.

Esporta in 4stem

spleeter separato -i audio_example.mp3 -o audio_output -p spleeter: 4stems

In caso di successo, verranno esportati 4 file come di seguito.

INFO: spleeter: File audio_output \ audio_example \ bass.wav scritto INFO: spleeter: File audio_output \ audio_example \ vocals.wav scritto INFO: spleeter: File audio_output \ audio_example \ drums.wav scritto INFO: spleeter: File audio_output \ audio_example \ altro. wav scritto

È possibile specificare quanti dividere con "-p". Attualmente, sono supportati i seguenti 3 tipi.

• spleeter:2stems（ボーカル、その他）
• spleeter:4stems（ボーカル、ベース、ドラム、その他)
• spleeter:5stems（ボーカル、ベース、ドラム、ピアノ、その他)

Usa Spleeter per la tua sorgente sonora

Se vuoi divertirti per te stesso, penso che fosse giusto estrarre solo la voce dalla sorgente sonora che hai strappato da solo. (Attenzione perché uscirà se lo carichi in rete)

Descriverò solo come farlo.

Per prima cosa, copia il file che hai preparato allo stesso livello di "audio_example.mp3".

Tutto quello che devi fare ora è cambiare il comando "audio_example.mp3" con il nome del file che hai preparato.

spleeter separato -i audio_example.mp3 -o audio_output

L'ho provato in giapponese, ma ha funzionato.

Sono sorpreso che possa essere estratto in modo abbastanza bello.

Se ricevi un errore, potrebbe funzionare se lo cambi in alfanumerico.

Ho provato Machine Learning Spleeter. (Spiegazione di come utilizzare) Riepilogo

È una grande tecnologia.

Inoltre, se hai uno stelo, puoi saperne di più.

Questa è un'ipotesi, ma al momento sembra che ci sia poco apprendimento della voce giapponese.

Se impari da un CD karaoke ecc., potrebbe essere possibile estrarre con notevole precisione.

Inoltre, poiché questo software può essere utilizzato gratuitamente, esiste un'elevata possibilità che in futuro vengano pubblicate applicazioni con interfaccia grafica che utilizzano questa tecnologia.

Improvvisamente ho pensato che sarebbe stato fantastico se questa tecnologia e la tecnologia di Dialogue Match di iZotope rilasciata l'altro giorno fossero fuse.