4ステム音源分離ホワイトペーパー: Huge-SCNet が MSS 目標に合う理由

アーキテクチャの取捨選択

Mel-Band RoFormer は mel-band と RoPE によりボーカル細部に強い一方、4ステム分離では drums、bass、other 内の高周波楽器細部も守る必要があります。

SCNet 系はサブバンドモデリングと sparse compression で 4 つの stem をより均衡して扱います。そのため Huge-SCNet-4stems V1.2 が現在の 4ステムツールのモデル境界です。

MVSep Ensemble は品質上限の参照になりますが、単一モデルではなく複数モデル workflow として説明する必要があります。