LALAL.AI Andromeda 模型升级：吉他分离精度突破与钢琴全面重训
LALAL.AI 近日在其官方博客中宣布，其旗舰级音频分离模型 Andromeda 迎来了重大功能更新。此次更新不仅将 Piano（钢琴） 和 Guitars（吉他） 正式纳入单一网络的处理范围，更在算法架构与训练数据上实现了质的飞跃，标志着 LALAL.AI 在复杂乐器分离领域的又一里程碑。
核心突破：吉他 Stem 的范式转移
此前，LALAL.AI 的吉他分离功能（自 Orion 及 Perseus 版本起）将吉他细分为 Acoustic Guitar（原声吉他） 和 Electric Guitar（电吉他） 两个独立 Stem。然而，这种细分在处理混合编曲时往往面临挑战：模型需要在每个片段中不断判断“这是原声还是电吉他”，一旦判断失误，会导致同一把吉他被错误地拆分到两个 Stem 中，产生“半音”或音质单薄的问题。
Andromeda 引入了全新的 Guitars Stem，其核心理念是“全类合并”。无论原声、电吉他还是介于两者之间，所有吉他内容均被提取至同一个 Stem 中。
技术优势与数据表现
- 消除分类歧义：通过移除“原声/电吉他”的二选一判断逻辑，彻底消除了因分类错误导致的乐器碎片化问题。官方测试数据显示，此类分离失败（即吉他被拆分或丢失）的频率较旧版本降低了约 20%。
- 训练数据优化：LALAL.AI 实验室确认，将吉他作为一个单一类别进行标注的数据质量优于之前的细分标注，这直接提升了模型对复杂吉他音色（如失真节奏与清音旋律共存）的识别能力。
注意：新的 Guitars Stem 不会区分吉他类型。如果曲目中同时存在原声扫弦与失真独奏，它们将混合在同一 Stem 中输出。
钢琴 Stem：基于 Andromeda 的从零重训
钢琴 Stem 在 Andromeda 架构下经历了彻底的重新训练。与旧版相比，新模型在处理高频泛音、长延音以及密集和弦段落时表现更为出色。
- 更纯净的分离：显著减少了钢琴与其他乐器（如人声、贝斯）的频率重叠（Bleed）。
- 更自然的音色：保留了钢琴丰富的动态范围，解决了旧模型在复杂段落中钢琴部分“断裂”或“空洞”的问题。
兼容性与多端部署
LALAL.AI 采取了平滑过渡策略，Perseus 版本中的 Acoustic Guitar 和 Electric Guitar Stem 将继续保留，用户可根据需求选择：
- 追求极致纯净度：优先选择新的 Guitars Stem，适用于伴奏制作、翻唱、混音及转录等场景。
- 需要精细分离：若曲目仅包含单一类型的吉他，或需严格区分原声与电吉他，继续使用旧的 Acoustic 或 Electric Stem。
新功能已全面上线：
- Web 端：Stem Splitter 与 Vocal Remover 工具已更新界面。
- API：开发者可直接调用新模型，无缝集成至自有产品。
- 移动端：iOS 和 Android 应用现已支持新吉他 Stem 及重训钢琴。
- 桌面端：Andromeda 版本在云端模式下运行。
LALAL.AI 表示，此次更新旨在解决乐器分离中最棘手的“高频重叠”与“分类模糊”难题，为创作者提供更可靠的音频处理工具。
官方引言
“吉他与钢琴是音频分离中最具挑战性的乐器，因为它们占据了极宽的频率范围且极易与其他乐器重叠。Andromeda 通过重新思考分类逻辑与数据标注，我们不仅提升了分离质量，更让复杂的音乐制作流程变得更加可靠。” —— LALAL.AI 技术团队
