Apprentissage par transfert avec Jukebox pour la séparation des sources musicales

Dans ce travail, nous démontrons comment un modèle Jukebox pré-entraîné et disponible publiquement peut être adapté au problème de la séparation des sources audio à partir d’un unique canal audio mélangé. Notre architecture de réseau neuronal, basée sur l’apprentissage par transfert, s’entraîne rapidement, et les résultats obtenus montrent une performance comparable à celle d’autres approches de pointe nécessitant bien plus de ressources informatiques, de données d’entraînement et de temps. Nous mettons à disposition une implémentation open source de notre architecture (https://github.com/wzaielamri/unmix).