Mẫu saxophone Demucs v3: 14,22 dB và băng tần hẹp A/B

TÁCH NHẠC CỤ / GHI CHÚ KỸ THUẬT

Saxophone không nằm trong một dải tần ổn định. Tần số cơ bản, tiếng dăm, họa âm và đuôi vang của phòng chồng lấn với giọng hát, kèn đồng và guitar méo tiếng. Giá trị của checkpoint đến từ phân bố dữ liệu huấn luyện, không phải một bộ lọc thông dải viết thủ công.

Tái tạo dạng sóng

Với x=s_sax+s_back, bộ mã hóa giảm độ phân giải theo thời gian, nút thắt chuỗi trao đổi ngữ cảnh tầm xa và bộ giải mã lấy mẫu tăng cho hai ước lượng. Có thể viết gọn mục tiêu huấn luyện như sau:

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

Thành phần nhất quán hạn chế việc làm mất năng lượng của bản phối. Quãng âm cao, tiếng vang kéo dài và nốt ngân trùng với giọng hát chính vẫn có thể bị rò âm—đây cũng là những giới hạn được thừa nhận trong báo cáo mô hình.

Đặt 14.22 dB đúng phạm vi

Kết quả được công bố là khoảng 14.22 dB SDR trên một tập saxophone jazz có phạm vi hẹp, so với khoảng 14.03 dB của mốc thương mại Wind được trích dẫn. Chênh lệch nhỏ và khoảng biến thiên chồng lấn chỉ cho phép so sánh hạn chế trong cùng một bảng, không đủ để gắn nhãn SOTA phổ quát cho mọi thể loại và quãng âm.

Vì sao tách nguồn xuất hiện trong một nghiên cứu phiên âm

Công trình hỗ trợ việc tái dựng Charlie Parker Omnibook: các bản thu lịch sử được tách trước khi phiên âm bằng FiloSax. Quãng âm cao, kèn đồng chơi đồng âm, tiếng vang mạnh và guitar méo tiếng vẫn là những trường hợp khó, vì vậy phải xem xét rò âm cùng với các nốt bị bỏ sót và lỗi thời điểm khởi âm ở bước tiếp theo.