Memperkenalkan Multi Stem Kantor Pusat

Multi Stem HQ dibangun berdasarkan arsitektur Band-Split yang canggih. Berbeda dengan model tradisional yang memproses spektrogram lengkap sebagai satu gambar, teknologi ini membagi audio menjadi beberapa band frekuensi.

Hal ini memungkinkan model untuk mempelajari fitur-fitur yang berbeda untuk setiap rentang frekuensi—menangkap resonansi dalam bass secara terpisah dari harmonik yang rumit pada vokal. Hasilnya adalah pengurangan yang signifikan dalam kebocoran spektral dan artefak.

Selain itu, arsitektur ini mengintegrasikan Rotary Position Embeddings (RoPE). Inovasi matematis ini memungkinkan transformer untuk memahami posisi relatif fitur audio sepanjang waktu dengan lebih efektif dibandingkan dengan embedding posisi absolut standar. Hal ini memungkinkan model untuk mempertahankan kohesi pada frasa musik yang lebih panjang, memastikan bahwa suara transien seperti pukulan drum terdengar tajam dan nada yang berkelanjutan terdengar halus.