模型Demucs
Demucs
Meta（Facebook AI Research）于2019年开源的音源分离模型，采用编码器-解码器架构，直接在原始波形上进行学习，后续版本引入混合Transformer结构，是目前主流的开源音源分离工具之一。
时间轴 (近 90 天)
9月4日
Demucs最新的Hybrid Transformer版本在信号失真比（SDR）上达到了约9dB的水平
待验证50%
9月4日
Meta Research开源的Demucs和Deezer开发的Spleeter是音轨分离领域的里程碑模型，基于U-Net或Transformer架构
待验证50%
8月30日
Demucs 由 Meta（Facebook）的研究团队开发
待验证50%
8月30日
Demucs 早期版本在时域（波形）上直接操作，后续的 Hybrid Demucs（v3）和 HTDemucs（v4）采用同时在时域和频域处理的混合域策略
待验证50%
8月30日
Demucs v4 在多项国际音轨分离基准测试（如 MDX Challenge）中保持领先水平
待验证50%
全部知识事实 (5)
待验证
Demucs最新的Hybrid Transformer版本在信号失真比（SDR）上达到了约9dB的水平
50%待验证Meta Research开源的Demucs和Deezer开发的Spleeter是音轨分离领域的里程碑模型，基于U-Net或Transformer架构
50%待验证Demucs 由 Meta（Facebook）的研究团队开发
50%待验证Demucs 早期版本在时域（波形）上直接操作，后续的 Hybrid Demucs（v3）和 HTDemucs（v4）采用同时在时域和频域处理的混合域策略
50%待验证Demucs v4 在多项国际音轨分离基准测试（如 MDX Challenge）中保持领先水平
50%