VT2022 XXX fiche: Difference between revisions
Eve.Poitevin (talk | contribs) No edit summary |
Eve.Poitevin (talk | contribs) No edit summary |
||
| Line 18: | Line 18: | ||
==Time-Frequency Masking== |
==Time-Frequency Masking== |
||
Spleeter utilise une technique appelée Time-Frequency Masking (T-F Masking). |
|||
Les différentes pistes musicales (ou stems) d'une musique mélangeant plusieurs musiques sont réparties sur tout le spectre des fréquences audibles (20 à 2000 Hz) et chacune de ces pistes correspond à une gamme de fréquences. |
|||
C'est-à-dire que les voix, la batterie, les basses, etc. occupent différentes bandes de fréquences. |
|||
Ainsi, en utilisant le Time-Frequency Masking, les fréquences qui correspondent à une piste particulière peuvent être filtrées du mélange. |
|||
Ainsi, en filtrant chaque piste, nous nous retrouvons dans les pistes séparées de la piste mélangée donnée en entrée. |
|||
==U-Net== |
==U-Net== |
||
Revision as of 16:55, 11 December 2022
Résumé
Mots-Clés
Spleeter, Intelligence Artificielle, Deep Learning, Séparation de sources, Time-frequency masking
Abstract
Introduction
Acteurs du projet
Modèle utilisé
Time-Frequency Masking
Spleeter utilise une technique appelée Time-Frequency Masking (T-F Masking). Les différentes pistes musicales (ou stems) d'une musique mélangeant plusieurs musiques sont réparties sur tout le spectre des fréquences audibles (20 à 2000 Hz) et chacune de ces pistes correspond à une gamme de fréquences. C'est-à-dire que les voix, la batterie, les basses, etc. occupent différentes bandes de fréquences. Ainsi, en utilisant le Time-Frequency Masking, les fréquences qui correspondent à une piste particulière peuvent être filtrées du mélange. Ainsi, en filtrant chaque piste, nous nous retrouvons dans les pistes séparées de la piste mélangée donnée en entrée.