Modello di separazione
Scegli il modello di separazione audio giusto per le tue esigenze
In Youka, puoi usare la funzione "Split model" per separare le voci dagli strumentali in un brano. Hai diverse opzioni:
Demucs
Demucs (Deep Extractor for Music Sources) è un modello di deep learning all’avanguardia per la separazione delle sorgenti musicali. Opera nel dominio del tempo, preservando i dettagli temporali dell’audio, e utilizza un’architettura basata su convolutional neural network (CNN). Demucs è noto per l’elevata qualità nella separazione di voci, batteria, basso e altri strumenti, rendendolo una scelta eccellente per attività come la creazione di basi karaoke e la produzione musicale.
MDX-23C
Il modello MDX-23C è progettato per attività avanzate di music demixing, con l’obiettivo specifico di separare la musica in quattro stems: bass, drums, vocals e other instruments. Questo modello si basa su una combinazione delle architetture neurali Demucs4 e MDX e incorpora alcuni weights del progetto Ultimate Vocal Remover. MDX-23C offre una separazione di alta qualità ed è particolarmente efficace se utilizzato con una configurazione GPU potente, risultando una scelta solida per chi cerca una separazione audio precisa e di livello professionale.
ReFormer
ReFormer è un ingresso relativamente recente nel campo del music demixing, noto per il suo approccio innovativo alla separazione degli stems nelle tracce musicali. Combina tecniche tradizionali di signal processing con metodi moderni di deep learning per ottenere una separazione pulita e accurata. Questo modello punta a bilanciare qualità e velocità di elaborazione, rendendolo adatto sia a utenti professionali sia amatoriali.
MDX-Net (with backing vocals)
MDX-Net è una rete neurale a due stream sviluppata specificamente per il music demixing, con un ramo time-frequency e un ramo time-domain. Questa architettura consente al modello di separare gli stems analizzando diversi aspetti dell’audio, combinando gli output di entrambi gli stream per generare separazioni altamente accurate. MDX-Net ha dimostrato la sua efficacia assicurandosi le prime posizioni in sfide internazionali di music demixing, rendendolo un’opzione affidabile per chi necessita di alta precisione nell’elaborazione audio.