Moises-Light: 轻量化分频U-Net模型用于音乐源分离
音频与语音处理
2025-10-09 v1 声音
摘要
在近年来,音乐源分离领域取得了显著进展,模型架构如双路径建模、分频模块或变换器层均取得相当好的结果。然而,这些模型通常包含大量参数,在计算资源有限的设备上在训练和实际应用方面存在挑战。虽然已有轻量化模型被引入,但通常表现不如其大型对应物。在本文中,我们借鉴了这些最新进展来改进轻量化模型。我们展示ed,通过精心设计,轻量化模型可以实现与最高多达13倍参数量的模型相当的SDRs。我们提出的模型Moises-Light在MUSDB-HQ基准数据集上实现了四种音乐 stems的竞争性分离结果。该提出模型还在使用MoisesDB作为额外训练数据时表现出竞争性的可扩展性。
引用
@article{arxiv.2510.06785,
title = {Moises-Light: Resource-efficient Band-split U-Net For Music Source Separation},
author = {Yun-Ning and Hung and Igor Pereira and Filip Korzeniowski},
journal= {arXiv preprint arXiv:2510.06785},
year = {2025}
}