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。
审核编辑 ：李倩
免责声明：文章内容来自互联网，本站仅提供信息存储空间服务，真实性请自行鉴别，本站不承担任何责任，如有侵权等情况，请与本站联系删除。
