近日,國內(nèi)某音樂院校通過浪潮信息采用AI算力服務(wù),順利完成音樂分離模型的研發(fā)部署,并將模型訓(xùn)練效率提升5倍。該模型可以快速分離歌曲中的人聲、貝斯、鼓、鋼琴等多種聲音,或?qū)㈦娪芭錁贩殖蓪υ挕⒁粜?、音樂等軌道用于后續(xù)的視頻剪輯和創(chuàng)作,助力影音從業(yè)者大幅提升工作效率。
某音樂院校是國內(nèi)率先使用AI方法研究音樂分離模型的高校之一。相比傳統(tǒng)方法,深度神經(jīng)網(wǎng)絡(luò)模型能夠達到更好的音樂分離效果,并且具備更強的泛化性。但隨著研究工作的深入,算力問題日益凸顯。音樂分離模型的架構(gòu)日新月異,如Facebook在2021年提出的Demucs模型是U-Net卷積架構(gòu);2022年引入了Transformer架構(gòu),將Demucs迭代為使用Self-attention(自注意力)機制的混合頻譜圖和波形分離模型。采用新架構(gòu)的模型能夠?qū)崿F(xiàn)更好的分離效果,但對算力的需求也隨之升高。該院?，F(xiàn)有的計算資源在數(shù)量和質(zhì)量上都無法滿足模型的訓(xùn)練需求,難以根據(jù)實際應(yīng)用場景的需求快速升級、迭代算法。
該音樂院校與浪潮信息密切合作,通過AI算力服務(wù)解決算力挑戰(zhàn)。浪潮信息以高性能、高質(zhì)量的AI算力服務(wù)協(xié)助用戶進行音樂分離AI模型的研究開發(fā),很好地滿足了模型訓(xùn)練過程中的計算資源需求。同時借助浪潮信息AI算力服務(wù),該音樂院校消除了CPU計算瓶頸并有效提升了GPU資源利用率,將模型的訓(xùn)練效率提升了5倍,從而能夠更快、更高效地迭代音樂分離AI模型,處理更多數(shù)據(jù),達到更好的分離效果。該院校計劃通過AI算力合作,進一步降低模型的使用門檻,為更多影音從業(yè)者提供專業(yè)服務(wù)。
浪潮信息推出的AI算力服務(wù)產(chǎn)品,涵蓋國際和國內(nèi)領(lǐng)先的4種AI算力產(chǎn)品、經(jīng)“源”清洗驗證過的語言或多模態(tài)的大模型數(shù)據(jù)集的2種數(shù)據(jù)產(chǎn)品、由“源”專家團隊提供的語言或多模態(tài)的大模型訓(xùn)練支持的2種算法產(chǎn)品以及AI訓(xùn)練推理資源管理調(diào)度的1種平臺產(chǎn)品。目前,AI算力服務(wù)相關(guān)信息已在元腦生態(tài)AIStore平臺上線,并提供進一步購買和試用咨詢。
