logic-drumsep-model
модель разделения ударных из Logic Pro 13
2 мин чтения
Модель извлечена из фреймворка MAMLStemSplitter.framework программы Logic Pro 13 и переведена в формат PyTorch. Она принимает на вход аудиозапись с ударными и разделяет её на 6 отдельных дорожек (стемов), например бочку (kick) и другие элементы установки. В отличие от 6-стемового разделителя треков, который в Logic 13 остался побитово идентичен версии 11.2, модель для ударных оказалась совершенно новой гибридной архитектурой (186.6M параметров). Инструмент пригодится битмейкерам, звукорежиссёрам и разработчикам аудиосервисов, которым нужно качественно разбирать барабанные партии на чистом PyTorch без привязки к macOS.
Ключевые особенности
- Двухветвевая архитектура: сочетает спектральную ветку на базе BS-RoFormer (62 частотные полосы) и временную ветку на основе Conv U-Net, которые обмениваются данными через 4 моста cross-attention.
- Минимальные зависимости: автономный скрипт инференса работает только на
torch(безeinops,beartypeиrotary_embedding_torch), для чтения аудио используетtorchaudioили связкуsoundfile+librosa. - Взаимное подавление утечек: выходы спектральной и временной веток суммируются, при этом остаток (~1% сигнала) гасит проникновение чужих звуков в пустых дорожках (например, при отсутствии томов).
- Набор инструментов реверс-инжиниринга: в репозитории также лежат скрипты конвертации из CoreML (
.milиweight.bin) и послойной верификации тензоров.
Что можно сделать
- Разложить готовый барабанный луп или партию на 6 отдельных FLAC-файлов (с помощью флага
--stem_namesфайлы сразу получат понятные имена вроде01_kick.flac). - Встроить модель в собственный Python-пайплайн или аудиоредактор на базе PyTorch для автоматического разбора сэмплов без запуска Logic Pro.
- Сравнить качество разделения в трёх доступных режимах вывода: суммарном (
sumпо умолчанию), только спектральном (spectral) или только временном (time).
Пример
python inference.py \
--audio_path drums.wav \
--weights logic13_drum_splitter.ckpt \
--stem_names
Подробнее
Размер чекпоинта: 747 MB (186.6M параметров), конфиг для pymss (model_type: logic_drums) прилагается.Длина чанка при инференсе обязана быть кратна 1024 (по умолчанию
chunk_size: 266240, перекрытие overlap: 2).Параметр
inference.normalize должен оставаться false, так как модель сама выполняет глобальную стандартизацию внутри чанка.









Комментарии