Modell
Demucs v3 Saxophonmodell: 14,22 dB und Schmalband A/B
Gerätetrennung/Technische Hinweise
Gerätetrennung/Technische Hinweise
INSTRUMENTENTRENNUNG / TECHNISCHE NOTIZ
Das Saxofon belegt kein stabiles Frequenzband. Grundtöne, Blattgeräusche, Obertöne und Raumfahnen überschneiden sich mit Gesang, Blechbläsern und verzerrten Gitarren. Der Wert des Checkpoints liegt in seiner Trainingsverteilung, nicht in einem von Hand geschriebenen Bandpassfilter.
Für x=s_sax+s_back verringert ein Encoder die zeitliche Auflösung, der Sequenzengpass tauscht weitreichenden Kontext aus und der Decoder skaliert zwei Schätzungen hoch. Ein kompaktes Trainingsziel lautet:
L = ||ŝ_sax-s_sax||₁ + ||ŝ_back-s_back||₁ + λ||ŝ_sax+ŝ_back-x||₁
Der Konsistenzterm wirkt fehlender Energie aus der Mischung entgegen. In hohen Registern, bei langem Hall und bei gehaltenen Tönen, die mit einer Leadstimme zusammenfallen, kann weiterhin Übersprechen auftreten – Einschränkungen, die auch der Modellbericht nennt.
Das berichtete Ergebnis liegt bei etwa 14.22 dB SDR auf einem eng abgegrenzten Jazz-Saxofon-Datensatz, gegenüber rund 14.03 dB für die angeführte kommerzielle Wind-Baseline. Der kleine Abstand und die sich überschneidende Streuung rechtfertigen einen engen Vergleich innerhalb derselben Tabelle, aber keine allgemeine SOTA-Einstufung über Genres und Register hinweg.
Die Arbeit dient der Rekonstruktion des Charlie Parker Omnibook: Historische Aufnahmen werden vor der Transkription mit FiloSax getrennt. Hohe Register, Unisono-Passagen der Blechbläser, starker Hall und verzerrte Gitarren bleiben schwierig. Übersprechen muss deshalb zusammen mit ausgelassenen Noten und Einsatzfehlern in der nachgelagerten Transkription beurteilt werden.
Der Saxofon-Spezialist behält Wellenform-Encoder, Sequenzengpass und Decoder von Demucs v3 bei. Seine Zugewinne stammen jedoch aus einer enger definierten Quelle: FiloSax-Daten und ein saxofonspezifisches Ziel bündeln die Kapazität auf Blattgeräusche, Obertöne, Glissandi und Überschneidungen mit der Begleitung. Der Dateiname des Checkpoints hält 14.22 dB SDR fest, und die Modellkarte weist das hohe Register als Schwäche aus.
Die Veröffentlichung ordnet die Trennung in eine Forschungskette zu Charlie Parker und dem Omnibook ein: Saxofon aus historischen Jazzaufnahmen isolieren und anschließend mit FiloSax transkribieren. Die Trennung ist ein vorgelagerter Schritt. Das Ergebnis von 14.03 dB für LALAL.AI Wind steht in derselben Tabelle; der geringe Abstand erlaubt einen Vergleich, aber keine pauschale Überlegenheitsbehauptung.
[ŝ_sax,ŝ_back]=D(B(E(x))), L=Σ_k ℓ(ŝ_k,s_k)EWellenform-EncoderBbidirektionaler SequenzengpassDDecoder für den Ziel-StemDer Encoder komprimiert die Wellenform, ein Sequenzengpass tauscht weitreichenden Kontext aus und zwei Decoderpfade rekonstruieren Saxofon und Begleitung. Spezialdaten bündeln die Kapazität auf Blattgeräusche, Glissandi und Überschneidungen mit Jazzbegleitung.
Die Zeilen mit 14.22 und 14.03 dB beruhen auf demselben eng abgegrenzten Testdatensatz der Veröffentlichung und unterscheiden sich nur um 0.19 dB. Hohe Register, Unisono-Passagen der Blechbläser und verzerrte Gitarren erfordern weiterhin A/B-Tests für den jeweiligen Katalog.
Veröffentlichung, Code und Gewichte lassen sich über Demucs-v3-Saxofongewichte / Bericht zur Saxofontrennung / Demucs-Quellcode nachverfolgen.
Jede Zeile behält ihre ursprüngliche Architektur, Metrik oder Aufgabendefinition bei; Ergebnisse ohne gemeinsames Protokoll bleiben getrennt.
| Modell | Architektur oder Beleg | Geltungsbereich |
|---|---|---|
| Demucs v3 + FiloSax | 14.22 dB SDR | Spezialistenzeile in der Tabelle der Veröffentlichung |
| LALAL.AI Wind | 14.03 dB SDR | kommerzielle Baseline in derselben Tabelle |
| Mega53 saxophone | kein passender Tabellenwert | nur Hörvergleich mit demselben Titel |
Hohe Töne, starker Hall, Unisono-Passagen der Blechbläser und verzerrte Gitarren sind typische Fälle für Übersprechen. Neben dem SDR sollten abgeschwächte Transienten, Saxofonreste in der Begleitung und die Konsistenz der Mischung beim Summieren der Stems geprüft werden.
Mega53 saxophone eignet sich für einen Hörvergleich mit demselben Titel, besitzt aber keine Zeile in der Tabelle der Veröffentlichung. Die Modellwahl sollte für jeden Katalog und jedes Instrumentenregister neu bewertet werden.
Das Testmaterial ist stark auf Jazz-Saxofon ausgerichtet und repräsentiert nicht jedes Genre, jede Effektkette oder jedes Saxofonregister. Die berichtete Abweichung weist zudem auf erhebliche Schwankungen zwischen einzelnen Titeln hin.
Die spezialisierte Trennung verändert die Wellenform und ist keine forensische Wiederherstellung. Für Remixe oder Datensatzarbeiten müssen Originale und Verarbeitungsprotokolle aufbewahrt werden.
Modellnamen, Zahlen und Einschränkungen lassen sich auf die folgenden Veröffentlichungen, Repositories oder Modellkarten zurückführen.