写歌填词、改换风格、续写音乐的AI，今天又来做编曲人了！

上传一段《Stay》，一键按下：

伴奏和人声就轻松分离：

https://mp.weixin.qq.com/s?__biz=M字节zIzNjc1NzUzMw==&mid=2247594465&idx=3&sn=83a18be3019dbecd6040031618d112dc&chksm=e8d1博士c693dfa64f85e7db0f5157d533361da6c8b71a9ceacdfc29a28399bd6d0bade7a046014f&token=497180065&la搞的ng=zh_CN#rd

人声颇有种在空旷地带清唱的清晰感，背景乐都能直接拿去做混剪了！

这样惊人的效果也引发了Reddit热议：

这项研究的主要负责人孔秋强来自字节跳动，全球最大的古典钢琴数据集GiAIantMIDI-Piano，也是由他在去年牵头发布的。

那么今天，他又带来了怎样的一个AI音乐家呢？

一起来看看。

基于深度残差网络的音源分离

这是一个包含了相位估计的音乐源分离（MSS）系统。

首先，将火了幅值（Magnitude）与相位（Phase）解耦，用以估计复数理想比例掩码（cIRM）。

其次，为了实现更灵活的幅值估计，将有界掩码估计和直接幅值预测结合起来。

最后，为MSS系统引入一个143，一层的深度残差网络（Deep Residual UNets），利用残差编码块（REB）和残差解码块（RDB）来增加其深度：

残差编码块和残差卷积块中间还引入了中间卷积块（ICB），以提高残差网络的表达能力。

其键完中每个残差编码块由4个残差卷积块（RCB）组成，残差卷积块又由两个核大小为3×3的卷积层组成。

每个残差解码块由8个卷积层和1个反卷积层组成。

实验结果

接下来，将这一系统在MUSDB18数据集上进行实美分验。

MUSDB18中的训练/验证集分别包含100/50个完整的立体声音轨，包括独立的人声、伴奏、低音、鼓和其他乐器。

在训练时，利用上述系统进行并行的混合音频数据增强，随机混合来自同一来源的两个3秒片离人段，然后作为一个新的3秒片段进行训练。

以信号失真率（SDR）作为评判标准，可以看到ResUNetDecouple系统在分离人声、低音、其他和伴奏方面明显优于以前的方法：

在消融实验中，143层声和残差网络的表现也证实了，结合有界掩码估计和直接幅值预测确实能够改善声音源分离系统的性能。

作者介绍

这项研究的论文一作为孔秋强，本硕都毕业于华南理工大学，博士则毕业于英国萨里大学的电子信息工程专业伴奏。

他在2019年加入字节跳动的Speech, Audio and Music Intelligence研究小组，主要负责音频信号处理和声音事件检测等领域的研究。

论文：
https://arxiv.org字节/abs/2109.05418

试玩：
https://huggingface.co/spaces/akhaliq/Music_Source_Separation

开源地址：
https://github.博士com/bytedance/music_source_separation

参考链接：
https://www.reddit.com/r/MachineLearning/comments/pqpl搞的7m/r_decoupling_magnitude_and_phase_estimation_with/

• ·蚂蚁百灵团队全新开源高性能思考模型 Ring-flash-2.0
• ·标签: 王石 田朴珺 万科 造谣
• ·标签: 郭美美 微博 劳斯莱斯
• ·​苹果推出全新 FS-DFM 模型，AI 长文本写作效率提升128倍!
• ·标签: 车联天下 港交所上市 招股书 智能科技
• ·图样图森破-pyecharts之时间轴
• ·终于有人将Seaborn可视化讲明白了
• ·数仓 | 几种常见的数据同步方式
• ·北京查处首例AI虚假广告案：AI 冒充知名主持人卖鱼油
• ·巨额投资难解信任危机:Meta与Scale AI合作现裂痕
• ·标签: 蔚来 李斌 轻量化 新能源车
• ·京东云高礼强：过去一年京东云实现超110%增长
• ·标签: CHANNELV 星空传媒 星空卫视 音乐频道
• ·标签: 长安汽车 新能源汽车 自主品牌 财报
• ·谷歌在美国投资 90 亿美元，推动人工智能未来
• ·标签: OpenAI GPT-5.2 Sam Altman 壁街见闻