Modello
Modello sassofono Demucs v3: 14,22 dB e banda stretta A/B
Separazione strumenti/Note tecniche
Separazione strumenti/Note tecniche
© 2026 TelkNet. Tutti i diritti riservati.
SEPARAZIONE STRUMENTALE / NOTA TECNICA
Il saxofono non occupa una banda di frequenze stabile. Fondamentali, rumore dell’ancia, armoniche e code del riverbero si sovrappongono a voci, ottoni e chitarre distorte. Il valore del checkpoint deriva dalla sua distribuzione di addestramento, non da un filtro passa-banda scritto a mano.
Per x=s_sax+s_back, un encoder riduce la risoluzione temporale, il collo di bottiglia sequenziale scambia contesto a lungo raggio e il decoder sovracampiona due stime. Un obiettivo di addestramento compatto è:
L = ||ŝ_sax-s_sax||₁ + ||ŝ_back-s_back||₁ + λ||ŝ_sax+ŝ_back-x||₁
Il termine di coerenza contrasta la perdita di energia della miscela. I registri acuti, i riverberi lunghi e le note sostenute che coincidono con una voce principale possono ancora presentare diafonia, limiti riconosciuti anche nel rapporto del modello.
Il risultato pubblicato è di circa 14.22 dB SDR su un ristretto set di saxofono jazz, contro i circa 14.03 dB del riferimento commerciale Wind citato. Il piccolo divario e le variazioni sovrapposte giustificano un confronto circoscritto alla stessa tabella, non un’etichetta di SOTA universale per generi e registri diversi.
Il lavoro contribuisce alla ricostruzione del Charlie Parker Omnibook: le registrazioni storiche vengono separate prima della trascrizione con FiloSax. Il registro acuto, gli unisoni degli ottoni, il riverbero intenso e le chitarre distorte restano difficili, perciò la diafonia va letta insieme alle omissioni di note e agli errori di attacco nella trascrizione a valle.
Il modello specializzato per saxofono conserva l’encoder della forma d’onda, il collo di bottiglia sequenziale e il decoder di Demucs v3, ma i miglioramenti derivano da una sorgente più circoscritta: i dati FiloSax e un obiettivo specifico per il saxofono concentrano la capacità su rumore dell’ancia, armoniche, glissati e sovrapposizione con l’accompagnamento. Il nome file del checkpoint registra 14.22 dB SDR e la scheda del modello indica il registro acuto come punto debole.
L’articolo colloca la separazione in una filiera di ricerca su Charlie Parker e l’Omnibook: isolare il saxofono dalle registrazioni jazz storiche e poi trascriverlo con FiloSax. La separazione è un passaggio a monte. Il risultato di 14.03 dB di LALAL.AI Wind compare nella stessa tabella; il piccolo divario consente un confronto, ma non giustifica una vittoria generalizzata.
[ŝ_sax,ŝ_back]=D(B(E(x))), L=Σ_k ℓ(ŝ_k,s_k)Eencoder della forma d’ondaBcollo di bottiglia sequenziale bidirezionaleDdecoder dello stem obiettivoL’encoder comprime la forma d’onda, un collo di bottiglia sequenziale scambia contesto esteso e due percorsi di decodifica ricostruiscono saxofono e accompagnamento. I dati specialistici concentrano la capacità su rumore dell’ancia, glissati e sovrapposizioni con l’accompagnamento jazz.
Le righe da 14.22 e 14.03 dB condividono lo stesso ristretto set di test dell’articolo e differiscono di soli 0.19 dB. Il registro acuto, gli unisoni degli ottoni e la chitarra distorta richiedono ancora test A/B per ciascun catalogo.
Articolo, codice e pesi sono consultabili tramite Pesi per saxofono Demucs v3 / Rapporto sulla separazione del saxofono / Codice sorgente di Demucs.
Ogni riga mantiene l’architettura, la metrica o la definizione del compito della propria fonte; i risultati privi di un protocollo comune restano separati.
| Modello | Architettura o evidenza | Ambito |
|---|---|---|
| Demucs v3 + FiloSax | 14.22 dB SDR | riga del modello specializzato nella tabella dell’articolo |
| LALAL.AI Wind | 14.03 dB SDR | riferimento commerciale nella stessa tabella |
| Mega53 saxophone | nessun valore corrispondente nella tabella | solo confronto d’ascolto sulla stessa traccia |
Le note acute, il riverbero intenso, gli unisoni degli ottoni e la chitarra distorta sono casi comuni di diafonia. Oltre all’SDR, occorre controllare gli attacchi attenuati, le tracce residue di saxofono nell’accompagnamento e la coerenza della miscela quando si sommano gli stem.
Mega53 saxophone può offrire un confronto d’ascolto sulla stessa traccia, ma non ha una riga nella tabella dell’articolo. La scelta del modello va rivalutata per ogni catalogo e registro strumentale.
Il materiale di test è fortemente incentrato sul saxofono jazz e non rappresenta ogni genere, catena di effetti o registro del saxofono. La deviazione riportata indica inoltre una notevole variabilità tra le tracce.
La separazione specialistica modifica la forma d’onda e non è un recupero forense. Per remix o lavori sui set di dati occorre conservare gli originali e i registri di elaborazione.
I nomi dei modelli, i numeri e i limiti rimandano agli articoli, ai repository o alle schede dei modelli riportati di seguito.