(￣ω￣(￣ω￣〃 (￣ω￣〃)ゝ先祝各位小伙伴们国庆节快乐~
本月（以及未来数月）仍然是研发之月🧐一起来看下9月份的研发进度吧。
伴奏人声提取12.0研发中
本月我们主线研发仍然在伴奏人声提取的架构设计中。
和之前不同的是，新的架构相对于上一代算法来说几乎大了3-4倍，这意味着将近有1b级（10亿级）的参数量，对工程上以及实验都是非常大的挑战🤒每次的实验失败付出的代价都会更高、实验的耗时也会更久。
我们将算法分为了三个抽象的目标，需要完成三个目标才算完成本次研发。
目前我们仍然在目标1的中后期阶段，本月的进度有点难以启齿🤒我们将近消耗了15-20天左右实验了一个完全错误的方向，耽误了非常久的时间，目前已经更换了方向。
（省流：憋了半天啥也没有.jpg）
不过相比上个月，本月的下旬我们基本固定了训练目标，目前的模型在大多数歌曲均比上一代模型更好，但在部分问题上仍然没有得到改进。我们正在定向的微调这方面问题，来获得更一致性、更准确的输出结果。
在纯粹的指标方面，上个月我们达到了18.83dB的SDR分数，本月则达到了18.89dB，我们内部除了自动计算的指标以外，还会有人工听测的平台，本月我们的输出质量均比上个月要高非常多。
全新“轻微杂音移除”（名称待定）模型确认发布
在12.0的研发中，我们也抽出部分算力用来实验这款全新的模型。
上个月的研发日志中我们介绍，该模型用来进一步、彻底的移除人声“录音”音频中那些细微的杂声、底噪、耳返漏音等非常小但又能足以让人听见、很“膈应”的声音。
最终的成果非常满意🧐我们分别比较了市面上开源的实现、以及某些软件或网站的实现，大部分的解决方案只能在歌曲中提取人声，而不是专门用来移除这些杂音，因此在这些模型上输出甚至无变化——小声音仍然存在。少部分的解决方案能部分、不完全的移除一些声音。
归因是这些模型的架构本身不够“敏感”，另外工程方面，由于“完全无杂音”的人声的训练素材非常难以获得，因此在普通的人声上进行训练，网络的上限会遭到制约，无论再怎么训练，网络永远都会忽视某些声音。
团子在模型和工程两个角度一起出发，彻底解决了这个问题，最终的输出符合我们产品发布标准，因此在12.0发布时，该模型也会作为伴奏人声提取系列的一个算法进行发布，这为人声提取提供了两个解决方案：需要在嘈杂的音乐或声音环境中提取人声、又或者需要在母带人声录音中进一步后处理移除不需要内容。
（从上到下分别是：原音频、团子处理后音频、团子提取出的“杂音”），由于本模型特性用于移除“超小声音”，外放可能无感，因此如需试听建议佩戴耳机并注意音量。音频为中期模型，不代表最终结果。
接下来？
“轻微杂音移除”模型将近满意，我们已经暂停最终微调环节，将一切训练的算力全部用来研发12.0系列“伴奏人声提取”算法，来尝试加速我们的实验和研发阶段。
而12.0系列目前我们估算仅处于25%左右的进度，当然小伙伴不需要从前几个月的时间线性的外推最终落地时间，就像游戏一样，如果某一天遇到了好事件（村民向您分享了核聚变技术.jpg），研发的进度产生“大跳”的可能性也是非常高的👻
下个月理论来说我们将在抽象的三个目标的目标1中，完成将近收尾的工作，有望对12.0系列 DangoNet6架构做出定性级别的结果。
