Machine learningSource separation and demixing
보컬 분리
보컬 분리는 혼합된 음악 녹음에서 노래하는 목소리를 분리하여 반주 악기만 남기는 작업입니다. Han 등(2012)에 의해 공식적으로 소개되었으며, 음악 편집, 리믹싱, 노래방 생성 및 음악 분석에 중요합니다. 현대 딥러닝 접근 방식(Défossez 등, 2021)은 인상적인 품질을 달성하여 음악 제작 및 스트리밍 서비스에서 실용적인 응용을 가능하게 했습니다. 보컬 분리는 소스 분리의 특수한 경우로, 가장 지각적으로 두드러진 소스를 분리하는 것을 목표로 합니다.
MethodMind에서 열기곧 제공Apply, compare, get guidance
Tools & resources
Learn & explore
동영상곧 제공
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
방법 지도
관련 방법들로 이루어진 인접 영역 — 노드를 선택해 살펴보세요.
출처
- Han, Y., Qin, Z., & Kang, Z. (2012). Singing voice separation using spectral floor filtered spectrograms. In Proceedings of the International Society for Music Information Retrieval Conference. link ↗
- Huang, P. S., Kim, M., Hasegawa-Johnson, M., & Smaragdis, P. (2015). Joint optimization of masks and deep recurrent neural networks for monaural source separation. IEEE Transactions on Audio, Speech, and Language Processing, 23(12), 2136-2147. DOI: 10.1109/taslp.2015.2468583 ↗
- Défossez, A., Usunier, N., Bottou, L., & Bach, F. (2021). Music source separation in the waveform domain. In International Conference on Learning Representations. link ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Vocal Separation and Source Separation Algorithm. ScholarGate. https://scholargate.app/ko/music-information-retrieval/vocal-separation
어떤 방법일까요?
이 방법을 가장 가까운 동류의 방법들과 나란히 놓고 비교해 보세요 — 라이브러리는 책을 펼쳐 놓을 뿐, 선택은 여러분의 몫입니다.
나란히 비교하기 →