Modelo
Modelo de saxofón Demucs v3: 14,22 dB y banda estrecha A/B
Separación de instrumentos/Notas técnicas
Separación de instrumentos/Notas técnicas
© 2026 TelkNet. Todos los derechos reservados.
SEPARACIÓN DE INSTRUMENTOS / NOTA TÉCNICA
El saxofón no ocupa una banda de frecuencias estable. Sus frecuencias fundamentales, el ruido de la caña, los armónicos y las colas de reverberación se solapan con voces, metales y guitarras distorsionadas. El valor del checkpoint procede de su distribución de entrenamiento, no de un filtro paso banda escrito a mano.
Para x=s_sax+s_back, un codificador reduce la resolución temporal, el cuello de botella secuencial intercambia contexto de largo alcance y el decodificador aumenta la resolución de dos estimaciones. Un objetivo de entrenamiento compacto es:
L = ||ŝ_sax-s_sax||₁ + ||ŝ_back-s_back||₁ + λ||ŝ_sax+ŝ_back-x||₁
El término de consistencia evita que se pierda energía de la mezcla. Los registros agudos, las reverberaciones largas y las notas sostenidas que coinciden con una voz principal todavía pueden filtrarse, unas limitaciones que el informe del modelo también reconoce.
El resultado publicado ronda los 14.22 dB de SDR en un conjunto reducido de saxofón de jazz, frente a los aproximadamente 14.03 dB de la referencia comercial Wind citada. La pequeña diferencia y la variación solapada respaldan una comparación limitada dentro de la misma tabla, no una etiqueta de SOTA universal para todos los géneros y registros.
El trabajo contribuye a reconstruir el Charlie Parker Omnibook: las grabaciones históricas se separan antes de transcribirlas con FiloSax. El registro agudo, los unísonos de metales, la reverberación intensa y las guitarras distorsionadas siguen siendo difíciles, por lo que las filtraciones deben evaluarse junto con las omisiones de notas y los errores de ataque de la transcripción posterior.
El modelo especializado en saxofón conserva el codificador de formas de onda, el cuello de botella secuencial y el decodificador de Demucs v3, pero sus mejoras proceden de una fuente más acotada: los datos de FiloSax y un objetivo específico para saxofón concentran la capacidad en el ruido de la caña, los armónicos, los glissandos y el solapamiento con el acompañamiento. El nombre de archivo del checkpoint registra 14.22 dB de SDR y la tarjeta del modelo señala el registro agudo como una debilidad.
El artículo sitúa la separación dentro de una cadena de investigación sobre Charlie Parker y el Omnibook: aislar el saxofón de grabaciones históricas de jazz y transcribirlo después con FiloSax. La separación es un paso previo. El resultado de 14.03 dB de LALAL.AI Wind figura en la misma tabla; la pequeña diferencia permite compararlos, pero no justifica afirmar una victoria general.
[ŝ_sax,ŝ_back]=D(B(E(x))), L=Σ_k ℓ(ŝ_k,s_k)Ecodificador de formas de ondaBcuello de botella secuencial bidireccionalDdecodificador del stem objetivoEl codificador comprime la forma de onda, un cuello de botella secuencial intercambia contexto amplio y dos rutas de decodificación reconstruyen el saxofón y el acompañamiento. Los datos especializados concentran la capacidad en el ruido de la caña, los glissandos y el solapamiento con el acompañamiento de jazz.
Las filas de 14.22 y 14.03 dB comparten el mismo conjunto reducido de pruebas del artículo y solo difieren en 0.19 dB. El registro agudo, los unísonos de metales y la guitarra distorsionada todavía requieren pruebas A/B por catálogo.
El artículo, el código y los pesos pueden consultarse en Pesos de saxofón de Demucs v3 / Informe de separación de saxofón / Código fuente de Demucs.
Cada fila conserva su arquitectura, métrica o definición de tarea de origen; los resultados sin un protocolo común se mantienen separados.
| Modelo | Arquitectura o evidencia | Ámbito |
|---|---|---|
| Demucs v3 + FiloSax | 14.22 dB SDR | fila del especialista en la tabla del artículo |
| LALAL.AI Wind | 14.03 dB SDR | referencia comercial en la misma tabla |
| Mega53 saxophone | sin valor correspondiente en la tabla | solo comparación auditiva en la misma pista |
Las notas agudas, la reverberación intensa, los unísonos de metales y la guitarra distorsionada son casos habituales de filtración. Además del SDR, conviene revisar si los ataques se han suavizado, si quedan restos de saxofón en el acompañamiento y si la mezcla mantiene la consistencia al sumar los stems.
Mega53 saxophone puede aportar una comparación auditiva sobre la misma pista, pero no tiene una fila en la tabla del artículo. La elección del modelo debe revisarse para cada catálogo y registro instrumental.
El material de prueba está dominado por saxofón de jazz y no representa todos los géneros, cadenas de efectos ni registros del instrumento. La desviación publicada también indica una variación considerable entre pistas.
La separación especializada modifica la forma de onda y no constituye una recuperación forense. Para remezclas o trabajos con conjuntos de datos deben conservarse los originales y los registros de procesamiento.
Los nombres de modelos, las cifras y las limitaciones remiten a los artículos, repositorios o tarjetas de modelo indicados a continuación.