Audio source separation has been one of the major research fields in audio processing
during the past years. The main purpose of this discipline is to decompose a mixture
signal into simpler components called sources, which applied to professionally
produced music means to recover the instrument tracks. This is achieved by undoing the
mixing process, which might vary depending on the music genre. In this work, an
existing framework based on Deep Neural Networks will be adapted to the
particularities ...
Audio source separation has been one of the major research fields in audio processing
during the past years. The main purpose of this discipline is to decompose a mixture
signal into simpler components called sources, which applied to professionally
produced music means to recover the instrument tracks. This is achieved by undoing the
mixing process, which might vary depending on the music genre. In this work, an
existing framework based on Deep Neural Networks will be adapted to the
particularities to HipHop music and tested with a proposed dataset. The aim is to
determine whether or not it is a suitable approach to be implemented in a remixing
application. For this reason, objective and subjective quality tests are performed to
evaluate the resulting separations.
The isolated instrument tracks can be used for many different purposes, specially
focusing on the following two aspects. First, each instrument can be placed in a 3D
space so that the song can be reproduced not only in stereo, but in more complex
configurations for which the song was not initially produced. Second, all the
instruments can be controlled separately to edit the song, thus, enabling the possibility
to remix it. Consequently, further work on this subject will make it possible for
musicians and producers to manipulate mixed songs in new powerful ways to create
their content.
+
La separación de fuentes de audio ha sido uno de los campos de investigación
principales en procesamiento de audio durante los últimos años. El objetivo principal de
esta disciplina es descomponer una señal mezclada en componentes más simples
llamados fuentes, lo cual aplicado a música producida de forma profesional implica
recuperar los instrumentos en pistas. Esto se consigue deshaciendo el proceso de
mezcla, que puede variar dependiendo del género musical. En este estudio, un método
existente ...
La separación de fuentes de audio ha sido uno de los campos de investigación
principales en procesamiento de audio durante los últimos años. El objetivo principal de
esta disciplina es descomponer una señal mezclada en componentes más simples
llamados fuentes, lo cual aplicado a música producida de forma profesional implica
recuperar los instrumentos en pistas. Esto se consigue deshaciendo el proceso de
mezcla, que puede variar dependiendo del género musical. En este estudio, un método
existente basado en Deep Neural Networks se adaptará a las particularidades de la
música HipHop y se evaluará con un conjunto de datos propuesto. La finalidad es
determinar si es o no un método apropiado para ser implementado en una aplicación de
remezcla. Por este motivo, se realizan pruebas objetivas y subjetivas de la calidad para
evaluar los resultados de las separaciones.
Las pistas aisladas se pueden utilizar para diferentes propósitos, especialmente
centrándose en los siguientes dos aspectos. Primero, cada instrumento puede ser
colocado en un espacio 3D de manera que la canción pueda reproducirse no solo en
stereo, sino en configuraciones más complejas para las que no fue producida
inicialmente. Segundo, todos los instrumentos se pueden controlar independientemente
para editar la canción y, por tanto, brinda la posibilidad de remezclarla. De esta manera,
trabajo posterior en esta área posibilitará a músicos y productores la manipulación de
canciones mezcladas de nuevas maneras para crear su contenido.
+
