近日，國內某音樂院校通過浪潮信息采用AI算力服務，順利完成音樂分離模型的研發(fā)部署，并將模型訓練效率提升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，或將電影配樂分成對話、音效、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，深度神經網絡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日新月異，如Facebook在2021年提出的Demucs模型是U-Net卷積架構；2022年引入了Transformer架構，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。采用新架構的模型能夠實現(xiàn)更好的分離效果，但對算力的需求也隨之升高。該院校現(xiàn)有的計算資源在數量和質量上都無法滿足模型的訓練需求，難以根據實際應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算力服務解決算力挑戰(zhàn)。浪潮信息以高性能、高質量的AI算力服務協(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練過程中的計算資源需求。同時借助浪潮信息AI算力服務，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，處理更多數據，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。

浪潮信息推出的AI算力服務產品，涵蓋國際和國內領先的4種AI算力產品、經“源”清洗驗證過的語言或多模態(tài)的大模型數據集的2種數據產品、由“源”專家團隊提供的語言或多模態(tài)的大模型訓練支持的2種算法產品以及AI訓練推理資源管理調度的1種平臺產品。目前，AI算力服務相關信息已在元腦生態(tài)AIStore平臺上線，并提供進一步購買和試用咨詢。

審核編輯 ：李倩