فصل المصادر

يقسّم Open-Unmix HQ مقطعًا موسيقيًا ستيريو إلى أربع طبقات مستقلّة — vocals وdrums وbass وother. تنتج أربعة نماذج BiLSTM مستقلّة (واحد لكل طبقة) أقنعة بمقدار فوق STFT الخلطة؛ ويعمل مرشّح Wiener اللاحق الاختياري على التوفيق بينها. يعمل النموذج على Apple Silicon عبر MLX.

ما هو

• 4 طبقات لكل مقطع — vocals وdrums وbass وother. كل ملف طبقة بقناتين بمعدّل 44.1 كيلوهرتز.
• نموذج إخفاء بمقدار — يتنبأ كل نموذج طبقة بقناع غير سالب يُطبّق على طيف الخلطة، ويُؤخذ الطور من الخلطة.
• مرشّح Wiener اللاحق (اختياري) — تنقيح بقناع ناعم عبر الطبقات الأربع كي تتجمّع بترابط لتعطي الخلطة. يضيف نحو 0.5 ديسيبل من SDR.
• بصمة صغيرة — 8.9 مليون معامِل لكل طبقة، ~136 ميغابايت إجمالًا للطبقات الأربع.
• Apache-2.0 — الأوزان الأصلية تحت رخصة MIT، وتحويلنا إلى CoreML/MLX تحت Apache-2.0.

المعمارية

أربع طبقات مستقلّة، كلٌّ منها نسخة من الشبكة نفسها:

النموذج

بداية سريعة — Swift

import SourceSeparation
import AudioCommon

let separator = try await SourceSeparator.fromPretrained()

let stereo = try AudioFileLoader.loadStereo(
    url: URL(fileURLWithPath: "song.wav"),
    targetSampleRate: 44100
)

let stems = separator.separate(audio: stereo, sampleRate: 44100)
// stems[.vocals], stems[.drums], stems[.bass], stems[.other]
// Each is [[Float]] — left channel, right channel.

try WAVWriter.writeStereo(
    left: stems[.vocals]![0],
    right: stems[.vocals]![1],
    sampleRate: 44100,
    to: URL(fileURLWithPath: "vocals.wav")
)

مرّر wiener: true (الافتراضي) للحصول على أفضل جودة. مرّر targets: [.vocals] لاستخراج مجموعة فرعية من الطبقات فقط وتخطّي بقيّة النماذج.

CLI

speech separate song.wav                              # all 4 stems into song_stems/
speech separate song.wav --stems vocals               # vocals only
speech separate song.wav --stems vocals,drums         # subset
speech separate song.wav --output-dir /tmp/stems/     # custom output dir
speech separate song.wav --verbose                    # show timing

متى تستخدمه