BS-RoFormer

收录理由

做音乐人声分离，过去要么从零训练一个沉重的分离模型，要么将就使用效果平平的通用方案；BS-RoFormer给出了另一条路，更直接。它是对字节跳动提出的频带分割Transformer的PyTorch实现，在频率和时间两个维度上采用轴向注意力，并用旋转位置编码取代了学习得到的绝对位置——论文认为这一改动显著提升了输出质量。仓库同时支持立体声训练，一次推理就能产出多个音轨，社区成员也已开源了训练好的权重和针对人声的训练代码，包括一个Mel-Band RoFormer变体。也就是说，你不必重头训练所有组件，就能从论文出发跑到真正的推理环节。这套模型还被用在过实际的混音作品里，比如一首凯蒂·佩里的重混。如果你打算做音轨分离或重混工具，想找一个在真实场景中留下过足迹、而非只在榜单上亮眼的模型，这里是个很实在的起点。