SJTU X-LANCE 实验室为 MSR Challenge 2025 提交的系统
声音
2026-02-11 v1 音频与语音处理
摘要
本报告描述了提交给 2025 年音乐源恢复（MSR）挑战的系统。我们的方案由顺序的 BS-RoFormers 组成，每个模块分别处理一个任务，包括音乐源分离（MSS）、降噪和去混响。为支持该任务中给出的 8 种乐器，我们利用来自 MSS 社区的预训练检查点，并通过几种训练方案微调 MSS 模型，包括（1）数据集的混合与清洗；（2）音乐片段的随机混合用于数据增强；（3）音频长度的扩展。我们的系统在所有三个主观评估指标和三个客观评估指标中均取得第一名，包括 MMSNR 分数为 4.4623 和 FAD 分数为 0.1988。我们已在 https://github.com/ModistAndrew/xlance-msr 上开源所有代码和模型权重。
引用
@article{arxiv.2602.09042,
title = {The SJTU X-LANCE Lab System for MSR Challenge 2025},
author = {Jinxuan Zhu and Hao Qiu and Haina Zhu and Jianwei Yu and Kai Yu and Xie Chen},
journal= {arXiv preprint arXiv:2602.09042},
year = {2026}
}