音乐分离AI模型研发成功，浪潮信息以AI算力服务助力

近日,国内某音乐院校通过浪潮信息采用AI算力服务,顺利完成音乐分离模型的研发部署,并将模型训练效率提升5倍。该模型可以快速分离歌曲中的人声、贝斯、鼓、钢琴等多种声音,或将电影配乐分成对话、音效、音乐等轨道用于后续的视频剪辑和创作,助力影音从业者大幅提升工作效率。

某音乐院校是国内率先使用AI方法研究音乐分离模型的高校之一。相比传统方法,深度神经网络模型能够达到更好的音乐分离效果,并且具备更强的泛化性。但随着研究工作的深入,算力问题日益凸显。音乐分离模型的架构日新月异,如Facebook在2021年提出的Demucs模型是U-Net卷积架构;2022年引入了Transformer架构,将Demucs迭代为使用Self-attention(自注意力)机制的混合频谱图和波形分离模型。采用新架构的模型能够实现更好的分离效果,但对算力的需求也随之升高。该院校现有的计算资源在数量和质量上都无法满足模型的训练需求,难以根据实际应用场景的需求快速升级、迭代算法。

该音乐院校与浪潮信息密切合作,通过AI算力服务解决算力挑战。浪潮信息以高性能、高质量的AI算力服务协助用户进行音乐分离AI模型的研究开发,很好地满足了模型训练过程中的计算资源需求。同时借助浪潮信息AI算力服务,该音乐院校消除了CPU计算瓶颈并有效提升了GPU资源利用率,将模型的训练效率提升了5倍,从而能够更快、更高效地迭代音乐分离AI模型,处理更多数据,达到更好的分离效果。该院校计划通过AI算力合作,进一步降低模型的使用门槛,为更多影音从业者提供专业服务。

浪潮信息推出的AI算力服务产品,涵盖国际和国内领先的4种AI算力产品、经“源”清洗验证过的语言或多模态的大模型数据集的2种数据产品、由“源”专家团队提供的语言或多模态的大模型训练支持的2种算法产品以及AI训练推理资源管理调度的1种平台产品。目前,AI算力服务相关信息已在元脑生态AIStore平台上线,并提供进一步购买和试用咨询。