经过大量实验和训练，我们的任意乐器分离4代的第二批模型现已发布，一起来看看都有什么提升吧。
萨克斯或号：提升10%
上一代的萨克斯或号模型，我们获得了6.32dB的SDR（源失真比）分数，而本代我们经过训练素材和我们自研算法的双重加持下，我们得到了6.94dB的SDR分数，这表明4代的萨克斯输出的“结果”更加清晰且保真。
在本代萨克斯或号模型中，我们主要提升了“对抗”能力。我们发现3代的萨克斯模型经常会意外的提取出非萨克斯的声音，导致提取内容混乱或伴奏丢失乐器，本代我们主要对提琴和合成器进行了大量对抗训练，尤其是提琴——萨克斯或号一般经常和提琴一起出现，这被我们称为经典的“管弦乐”，本代我们着重的让AI学习了如何仔细区别非萨克斯的声音。
但我们在实验过程中发现，和3代的“超级奔放”、尽可能的提取萨克斯或类似萨克斯的声音不同，4代中我们添加大量对抗训练数据，会导致萨克斯的提取过于“谨慎”，即AI学习过多对抗样本导致过于谨慎、认为各种声音都不是萨克斯从而放弃提取——这甚至影响了正常的萨克斯提取能力。这对我们来说是个非常大的挑战，不过最终我们在大量的实验中寻找出了一个“平衡点”，让萨克斯既能正确提取、又不会将其他声音混淆。
这间接的导致了4代的萨克斯或号对“萨克斯或号本体”的提取能力相对于3代在某些极端歌曲内可能低一些，但瑕不掩瑜，4代因为大量的对抗训练，现在对其他类似的管弦乐器能区分的更好。
我们仍然以经典的萨克斯曲子《回家（Going home）》为例，尽管三代相对于二代来说提升非常明显、有效的减少了对其他乐器的混淆，但仍有残留，而4代中因为我们进一步的增加了对抗训练，可以有效的减少提取错误问题。
原曲：
三代：
四代：
进一步的，我们以《在中国大地上》这首歌为例：
原曲：
三代：
四代：
可以发现在该片段中高音女声导致三代模型误认为是“萨克斯或号”的乐器从而错误消除，而四代中我们增加了人声的对抗训练，这让我们四代模型可以正确的提取歌曲里的目标乐器。
提琴：提升6%
上一代中我们得到了4.68dB的分数，而本代我们得到了4.96dB的分数，从量化上来说，相对提升了6%的分离质量。
4代模型相较于3代，对“高音”的提琴更加敏感，同时减少了对“低音”的大提琴敏感程度。和电吉他模型相同，我们发现3代模型中，提琴经常将错误的贝斯低音当成“大提琴”去提取（甚至还“幻觉”模拟出了大提琴的声音🤣），本代中我们增加了针对性方法，减少了提琴对于低音的错误混淆问题。
同样的，我们增加了4代提琴模型对于“合成器”以及高音提琴的敏感程度，现在4代模型可以更好的提取由电子合成器合成出的“string”乐器，这增强了针对电子音乐的提取能力；现在对高音的疑似“提琴”的声音也更加敏感，可以有效的提取3代中一些“残留”的高音提琴。
另外，提琴相较于其他几种乐器不同，它的release更长——也就是乐器会有较长的“拖尾音”，本代中，我们为提琴模型特殊的增加了更长的注意力机制，现在即便遇到长音的提琴也不会像是3代那样突然“断掉”提取，而是可以连贯的将整个音色提取出来了。
原曲：
三代：
四代：
可以听到，该歌曲中包含了“合成器”声音，而4代可以有效的提取并移除该声音，3代则“断断续续”的无法提取该声音。
接下来？
目前我们仍在训练“钢琴”、“笛子”两个模型，这会是4代模型中的最后两个。
钢琴模型经过我们的大量实验和“返工”，以及巨量的训练素材的添加（力大砖飞.jpg）、目前正在向着较好的趋势训练，有望获得较大提升。笛子模型我们正在开始实验，可能会成为最晚发布的模型。敬请期待😇
