Modelo
Modelo de saxofone Demucs v3: 14,22 dB e banda estreita A/B
Separação de Instrumentos/Notas Técnicas
Separação de Instrumentos/Notas Técnicas
© 2026 TelkNet. Todos os direitos reservados.
SEPARAÇÃO DE INSTRUMENTOS / NOTA TÉCNICA
O saxofone não ocupa uma faixa de frequência estável. Frequências fundamentais, ruído da palheta, harmônicos e caudas de reverberação do ambiente se sobrepõem a vocais, metais e guitarras distorcidas. O valor desse checkpoint vem da distribuição dos dados de treinamento, não de um filtro passa-faixa escrito à mão.
Para x=s_sax+s_back, um encoder reduz a resolução temporal, o gargalo sequencial troca contexto de longo alcance e o decoder aumenta a resolução de duas estimativas. Um objetivo de treinamento compacto é:
L = ||ŝ_sax-s_sax||₁ + ||ŝ_back-s_back||₁ + λ||ŝ_sax+ŝ_back-x||₁
O termo de consistência desestimula a perda de energia da mixagem. Registros agudos, reverberação longa e notas sustentadas que coincidem com o vocal principal ainda podem vazar — limitações reconhecidas no relatório do modelo.
O resultado divulgado é de cerca de 14.22 dB SDR em um conjunto restrito de jazz com saxofone, contra aproximadamente 14.03 dB da referência comercial Wind citada. A diferença pequena e a variação sobreposta sustentam uma comparação limitada dentro da mesma tabela, não o rótulo de SOTA universal entre gêneros e registros.
O trabalho ajuda a reconstruir o Charlie Parker Omnibook: gravações históricas são separadas antes da transcrição com o FiloSax. A separação é uma etapa anterior. Registro agudo, uníssonos de metais, reverberação intensa e guitarras distorcidas continuam difíceis, por isso o vazamento precisa ser analisado junto com omissões de notas e erros de ataque na etapa seguinte.
O modelo especializado em saxofone mantém o encoder de forma de onda, o gargalo sequencial e o decoder do Demucs v3, mas seus ganhos vêm de uma fonte mais restrita: os dados do FiloSax e um objetivo específico para saxofone concentram capacidade no ruído da palheta, nos harmônicos, nos glissandos e na sobreposição com o acompanhamento. O nome do arquivo do checkpoint registra 14.22 dB SDR, e o cartão do modelo aponta o registro agudo como uma fraqueza.
O artigo posiciona a separação em uma linha de pesquisa sobre Charlie Parker e o Omnibook: isolar o saxofone de gravações históricas de jazz e depois transcrever com o FiloSax. A separação é uma etapa de entrada. O resultado de 14.03 dB do LALAL.AI Wind aparece na mesma tabela; a pequena diferença permite comparar, mas não sustenta uma alegação ampla de vitória.
[ŝ_sax,ŝ_back]=D(B(E(x))), L=Σ_k ℓ(ŝ_k,s_k)Eencoder de forma de ondaBgargalo sequencial bidirecionalDdecoder do stem de destinoO encoder comprime a forma de onda, o gargalo sequencial troca contexto longo e dois caminhos do decoder reconstroem o saxofone e o acompanhamento. Os dados especializados concentram capacidade no ruído da palheta, nos glissandos e na sobreposição com o acompanhamento de jazz.
As linhas de 14.22 e 14.03 dB compartilham um único conjunto de teste restrito do artigo e diferem por apenas 0.19 dB. Registro agudo, uníssonos de metais e guitarra distorcida ainda exigem teste A/B por catálogo.
O artigo, o código e os pesos podem ser consultados em pesos do Demucs v3 para saxofone / relatório de separação de saxofone / código-fonte do Demucs.
Cada linha mantém a arquitetura, a métrica ou a definição de tarefa da respectiva fonte; resultados sem um protocolo compartilhado permanecem separados.
| Modelo | Arquitetura ou evidência | Escopo |
|---|---|---|
| Demucs v3 + FiloSax | 14.22 dB SDR | linha especializada na tabela do artigo |
| LALAL.AI Wind | 14.03 dB SDR | referência comercial na mesma tabela |
| Mega53 saxophone | sem valor correspondente na tabela | apenas comparação auditiva na mesma faixa |
Notas agudas, reverberação intensa, uníssonos de metais e guitarra distorcida são casos comuns de vazamento. Além do SDR, é preciso observar ataques suavizados, vestígios de saxofone no acompanhamento e a consistência com a mixagem quando os stems são somados.
O Mega53 saxophone pode oferecer uma comparação auditiva na mesma faixa, mas não possui uma linha na tabela do artigo. A escolha do modelo deve ser reavaliada para cada catálogo e registro do instrumento.
O material de teste é fortemente concentrado em saxofone de jazz e não representa todos os gêneros, cadeias de efeitos ou registros do instrumento. O desvio divulgado também indica variação considerável entre faixas.
A separação especializada altera a forma de onda e não constitui uma recuperação forense. Mantenha os originais e os registros de processamento em trabalhos de remixagem ou preparação de conjuntos de dados.
Os nomes dos modelos, números e limitações podem ser rastreados nos artigos, repositórios ou cartões de modelo abaixo.