伴奏分离
网上关于"伴奏分离"的话题非常热门。本文整理了一些相关信息，旨在解决读者的困惑，帮助大家更好地了解伴奏分离的概念和相关软件工具。
音乐伴奏分离技术
伴奏分离作为音乐源分离的一个重要分支，近年来引起了人们的广泛关注。它在卡拉OK创作、音乐混音和相关的商业应用中发挥着至关重要的作用，尤其是在没有干净的音乐来源（如现场录音）的情况下。随着深度学习的迅速发展，越来越多的研究者开始将语音与伴奏分离作为一个回归问题来研究。其基本思想是将谱特征输入神经网络（NNs）进行源估计。早期的一些基于神经网络的研究采用前馈全连接神经网络（FNNs）或长短期记忆（LSTM）递归神经网络（RNNs）来完成这项任务。与传统的基于模型的方法如非负矩阵分解（NMF）相比，它们已经显示出巨大的改进。
基于注意卷积神经网络的音乐伴奏分离
在某项工作中，提出了一个新颖的自我注意网络来分离音乐中的声音和伴奏。该工作建立了一个具有密集连接CNN块的卷积神经网络（CNN）作为基础网络。随后，在基础CNN的不同层次插入了自我注意子网，以利用音乐的长期内在依赖性，即重复性。自我注意子网中，相同音乐模式的重复为重建其他重复提供信息，以获得更好的源分离性能。结果表明，该方法在语音分离方面相对提高了19.5%。同时，该方法还与最先进的系统，即MMDenseNet和MMDenseLSTM进行了比较。
提取伴奏人声的软件工具
对于音乐制作人、DJ 和音乐爱好者来说，提取伴奏人声分离是非常有用的。以下是一些推荐的在线声音分离工具：
- moises.ai：对于提取音乐中的人声和伴奏非常有效，提取速度快且质量高。需要注意的是提取之后的文件存放在谷歌服务器上，下载文件需要梯子。
- 分轨：支持AI分离人声和伴奏，每月免费时长为10分钟，单个文件体积上限15 M。
- spleeter：由法国的音乐流媒体公司 Deezer 研发，能支持AI分离人声和伴奏。
除此之外，还有一些其他的神奇网站和软件工具，如Adobe Audition和配音工厂等，也可以实现音乐中伴奏人声的快速分离。
提取音乐中的人声和伴奏对于音视频制作和后期处理非常有帮助，希望以上推荐的软件和工具能对大家有所帮助。
本文对"伴奏分离"的概念进行了介绍，同时推荐了几款提取伴奏人声分离的软件工具。希望能为音乐制作和后期处理领域的朋友们提供一些帮助。
以上便是姑苏网络报社透露出的关于伴奏分离的最新消息，对此您是怎么看的呢?欢迎转发评论。本文内容由作者综合攻略投稿，版权归作者个人所有，本站仅供作者发布展示内容，本站已与作者签下协议，本站为首发更新站点，转载请留下本文链接，关注收藏本站可获得更加及时的讯息。
转载请留下本文地址：伴奏分离http://www.jsgusuqu.com/pt/46565.html