স্ট্রিমিং সঙ্গীত সরবরাহকারী ডিজার, মুক্তি পেয়েছে খবর যে সম্প্রতি একটি "স্প্লিটার" পাইলট প্রকল্পের জন্য উত্স কোড খোলার সিদ্ধান্ত নিয়েছে যে হিসাবে বিকাশ শব্দ উত্স পৃথক করতে একটি মেশিন লার্নিং সিস্টেম জটিল শব্দ রচনাগুলির। প্রোগ্রামটি নিজেই আপনাকে রচনা থেকে কণ্ঠস্বর সরাতে এবং কেবল বাদ্যযন্ত্রের সঙ্গ ছাড়তে, স্বতন্ত্র বাদ্যযন্ত্রের শব্দটি ম্যানিপুলেট করতে বা সঙ্গীতটি ফেলে দেয় এবং ভয়েসকে অন্য সাউন্ড লাইনে ওভারল্যাপ করতে দেয়, মিশ্রণ তৈরি করে, কারাওকে বা প্রতিলিপি তৈরি করতে দেয়।
এই "স্প্লিটার" পাইলট প্রকল্পে, ডাউনলোড এবং ভয়েস পৃথক করতে ইতিমধ্যে প্রশিক্ষিত মডেল অফার করুন offer শাব্দ সঙ্গী, পাশাপাশি কণ্ঠ্য, ড্রামস, বাসস, পিয়ানো এবং বাকী শব্দ সহ 4 এবং 5 টি স্ট্রিমগুলিতে তাদের ভাগ করা। স্প্লিটারটি পাইথন লাইব্রেরি বা স্ট্যান্ডেলোন কমান্ড লাইন ইউটিলিটি হিসাবে ব্যবহার করা যেতে পারে।
2 এবং 4 টি স্ট্রিমে বিভক্ত হওয়ার সময়, স্পিলেটর খুব উচ্চ কার্যকারিতা সরবরাহ করেযেমন জিপিইউ ব্যবহার করার সময় একটি অডিও ফাইলকে 4 টি স্ট্রিমে বিভক্ত করুন মূল রচনাটির সময়কালের চেয়ে 100 গুণ কম সময় নেয়।
ফণা অধীনে, স্প্লিটার একটি মোটামুটি জটিল এবং নকশাযুক্ত ইঞ্জিন, তবে আমরা এটি ব্যবহার করা সত্যিই সহজ করার জন্য কঠোর পরিশ্রম করেছি। প্রকৃত পৃথকীকরণ একটি একক কমান্ড লাইনের মাধ্যমে অর্জন করা যায় এবং এটি আপনার ল্যাপটপে আপনার অপারেটিং সিস্টেম নির্বিশেষে কাজ করা উচিত। আরও উন্নত ব্যবহারকারীদের জন্য পৃথককারী নামে একটি পাইথন এপিআই ক্লাস রয়েছে যা আপনি আপনার সাধারণ পাইপলাইনে সরাসরি পরিচালনা করতে পারেন।
এনভিআইডিআইএ জিফর্স জিটিএক্স 1080 জিপিইউ এবং একটি 6134-কোর ইন্টেল শিওন সোনার 32 সিপিইউ সহ একটি সিস্টেমে, তিন ঘন্টা এবং 27 মিনিট ধরে চলে আসা মাসডিবি পরীক্ষার প্রক্রিয়াটি 90 সেকেন্ডের মধ্যে শেষ হয়েছিল।
সুবিধার মধ্যে স্প্লিয়েটারের দ্বারা প্রস্তাবিত, শব্দ বিভাজনের ক্ষেত্রের অন্যান্য বিকাশের তুলনায় যেমন ওপেন প্রকল্প ওপেন-আনমিক্স, উন্নত নির্মিত মডেলগুলির ব্যবহারের কথা উল্লেখ করা হয়েছে সাউন্ড ফাইলগুলির একটি বিস্তৃত সংগ্রহের ভিত্তিতে।
এখানে কেন ডিজারের সিদ্ধান্ত স্প্লিটার কোড প্রকাশ করতে, কারণ এটি সম্পর্কে পোস্টে, তিনি মন্তব্য করেছেন:
কেন স্প্লিটার চালু?
সংক্ষিপ্ত উত্তর: আমরা এটি আমাদের গবেষণার জন্য ব্যবহার করি এবং আমরা মনে করি অন্যরাও এটি চাইবে।
আমরা দীর্ঘদিন ধরে উত্স বিচ্ছেদে কাজ করছি (এবং ইতিমধ্যে আইসিএএসএসপি 2019 এ আমাদের একটি পোস্ট ছিল)। আমরা স্প্লিটারকে ওপেন-আনমিক্সের সাথে তুলনা করেছি, সম্প্রতি একটি ইনরিয়া গবেষণা দল প্রকাশিত আরেকটি ওপেন সোর্স মডেল এবং উচ্চ গতির সাথে কিছুটা আরও ভাল পারফরম্যান্সের প্রতিবেদন করেছে (নোট করুন যে প্রশিক্ষণ ডেটাসেটটি এক নয়))
সর্বশেষে তবে কম নয়, এই ধরণের মডেলদের প্রশিক্ষণ দিতে অনেক সময় এবং শক্তি লাগে। এটি একবার করে এবং ফলাফল ভাগ করে নেওয়ার মাধ্যমে আমরা অন্যদের কিছু সমস্যা এবং সংস্থানগুলি সংরক্ষণ করার আশা করি।
কপিরাইট সীমাবদ্ধতার কারণে, মেশিন লার্নিং গবেষকরা সংগীত ফাইল সংগ্রহের সীমিত অ্যাক্সেস রয়েছে বরং জনসাধারণের অ্যাক্সেসের মডেলগুলি অল্প অল্প করে দিয়ে যায়, যখন স্প্লিটার মডেলগুলির জন্য তারা ডিজারের বিস্তৃত সঙ্গীত ক্যাটালগের ডেটা ব্যবহার করে তৈরি করা হয়েছিল।
আনমিক্সের মতো মুক্ত সরঞ্জামগুলির সাথে তুলনা করে, স্প্লিটার সিপিইউ বেঞ্চমার্কগুলিতে প্রায় 35% দ্রুত সম্পাদন করে, এটি এমপি 3 ফাইলগুলিকে সমর্থন করে এবং আরও ভাল ফলাফল উত্পন্ন করে (ওপেন-আনডোতে ভোট বন্টনে এটি কিছু সরঞ্জামের চিহ্ন মিশ্রিত করে যেগুলি সম্ভবত ওপেন-আনমিক্স মডেলগুলি কেবল 150 টি ট্র্যাক সংগ্রহের প্রশিক্ষণপ্রাপ্ত হওয়ার কারণে হয়েছে)।
প্রকল্পের কোডটি পাইথন লাইব্রেরির আকারে আসে টেনসরফ্লো ভিত্তিক, 2, 4 এবং 5 সংক্রমণ বিচ্ছিন্নকরণের জন্য প্রাক প্রশিক্ষিত মডেলগুলি সহ এবং এমআইটি লাইসেন্সের অধীনে বিতরণ করা হয়। সহজতম ক্ষেত্রে, সোর্স ফাইলের উপর ভিত্তি করে ভোকাল এবং সঙ্গী উপাদান (ভোকালস.ওয়াভ, ড্রামস.ওয়াভ, বাস.ওয়াভ, পিয়ানো.ওয়াভ, অন্যান্য.ওয়াভ) সহ দুটি, চার, বা পাঁচটি ফাইল তৈরি করা হয়েছে।
আপনি যদি এই প্রকল্পটি সম্পর্কে আরও জানতে চান তবে পরামর্শ নিতে পারেন নিম্নলিখিত লিঙ্ক অথবা আপনি এর উত্স কোডটি চেক করতে পারেন এই লিঙ্কে
স্প্লিটার ডেলফ্টে ইসমির 2019 সম্মেলনে সরাসরি উপস্থাপিত এবং প্রদর্শিত হবে।