english Icono del idioma   español Icono del idioma  

Por favor, use este identificador para citar o enlazar este ítem: https://hdl.handle.net/20.500.12008/51720 Cómo citar
Título: Leveraging Carnatic live recordings for singing voice separation using regression-guided latent diffusion
Autor: Plaja-Roglans, Genís
Serra, Xavier
Rocamora, Martín
Tipo: Ponencia
Palabras clave: Carnatic music, Live recordings, Singing voice separation, Regression-guided latent diffusion
Fecha de publicación: 2025
Resumen: Diffusion models have demonstrated potential to separate individual sources from music mixtures in a generative fashion, enabling a new solution for this challenging problem. However, existing works require clean multi-stem data, which is scarce for several repertoires, consequently compromising generalization. We explore the potential of generative modeling to perform weakly-supervised singing voice separation for Carnatic Music, a music repertoire for which large quantities of multi-stem recordings with bleeding between sources have been collected from live performances. We pre-train a latent diffusion model to perform preliminary vocal separation conditioning on the corresponding mixture. Then, using a regressive model which is separately trained on a clean, smaller, and out-of-domain dataset, we estimate the level of bleeding in the preliminary separations and use that information to guide the diffusion model toward generating cleaner samples. The objective and perceptual evaluations show the potential of the proposed generative system for Carnatic vocal separation. Code, weights, and further materials are available online https://github.com/genisplaja/ldm-carnatic-separation.
Enlace: https://github.com/genisplaja/ldm-carnatic-separation
Editorial: ISMIR
EN: 26th International Society for Music Information Retrieval Conference, ISMIR 2025, Daejeon, Korea, 21-25 sep. 2025, pp. 1-9.
Financiadores: Este trabajo cuenta con el apoyo de IA y Música: Cátedra en Inteligencia Artificial y Música (TSI-100929-2023-1), financiado por la Secretaría de Estado de Digitalización e In- teligencia Artificial, y la Unión Europea-Next Gen- eración UE, en el marco del programa Cátedras ENIA 2022 para la creación de cátedras universidad-empresa en IA, y IMPA: IA multimodal para procesamiento de audio (PID2023- 152250OB-I00), financiado por el Ministerio de Ciencia, In- Novación y Universidades del Gobierno español, la Agencia Estatal de Investigación (AEI) y cofinanciado por la Unión Europea.
Citación: Plaja-Roglans, G., Serra, X. y Rocamora, M. Leveraging Carnatic live recordings for singing voice separation using regression-guided latent diffusion [en línea]. EN: 26th International Society for Music Information Retrieval Conference, ISMIR 2025, Daejeon, Korea, 21-25 sep. 2025, pp. 1-9.
Departamento académico: Procesamiento de Señales
Grupo de investigación: Procesamiento de Audio (GPA)
Licencia: Licencia Creative Commons Atribución (CC - By 4.0)
Aparece en las colecciones: Publicaciones académicas y científicas - Instituto de Ingeniería Eléctrica

Ficheros en este ítem:
Fichero Descripción Tamaño Formato   
PSR25a.pdfVersión publicada658,74 kBAdobe PDFVisualizar/Abrir


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons