Modèle de saxophone Demucs v3 : 14,22 dB et bande étroite A/B

SÉPARATION D’INSTRUMENTS / NOTE TECHNIQUE

Le saxophone n’occupe pas une bande de fréquences stable. Les fondamentales, le bruit d’anche, les harmoniques et les queues de réverbération chevauchent les voix, les cuivres et les guitares saturées. La valeur du checkpoint vient de sa distribution d’entraînement, pas d’un filtre passe-bande écrit à la main.

Reconstruction de la forme d’onde

Pour x=s_sax+s_back, un encodeur réduit la résolution temporelle, le goulot d’étranglement séquentiel échange du contexte à longue portée et le décodeur suréchantillonne deux estimations. L’objectif d’entraînement peut s’écrire de manière compacte :

L = ||ŝ_sax-s_sax||₁ + ||ŝ_back-s_back||₁ + λ||ŝ_sax+ŝ_back-x||₁

Le terme de cohérence limite la perte d’énergie du mixage. Les registres aigus, les longues réverbérations et les notes tenues qui coïncident avec une voix principale peuvent encore fuir, des limites que le rapport du modèle reconnaît également.

Maintenir les 14.22 dB dans leur périmètre

Le résultat publié avoisine 14.22 dB SDR sur un jeu restreint de saxophone jazz, contre environ 14.03 dB pour la référence commerciale Wind citée. Le faible écart et les variations qui se chevauchent autorisent une comparaison limitée au sein du même tableau, mais pas une étiquette SOTA universelle couvrant tous les genres et registres.

Pourquoi la séparation figure dans une étude de transcription

Ces travaux participent à la reconstruction du Charlie Parker Omnibook : les enregistrements historiques sont séparés avant la transcription avec FiloSax. Le registre aigu, les unissons de cuivres, la forte réverbération et les guitares saturées restent difficiles. Les fuites doivent donc être examinées avec les omissions de notes et les erreurs d’attaque dans la transcription en aval.