参考文献：Luo Y, Yu J. Music source separation with band-split rnn[J]. arXiv preprint arXiv:2209.15174, 2022.这里的核心思想是音乐信号除了在时间上存在着很强的相互关系，同时在频域上也存在着很强的关系，BSRNN 从音乐信号的本质考虑分离任务，相比于之前直接用更深的网络，或者从 CV 等其他领域去迁移到音频领域的方式，对音乐领域可能具有更强的适配性。
另外一些应用场景包括，TME 聚星平台、TME Studio 和启明星，直接面向用户提供音乐分离服务，包括声伴分离，6 轨分离，大家可以到官网体验。
除了在 QQ 音乐上应用音乐分离，在全民 K 歌上也有很多应用场景，比如全民 K 歌临境音效，作为 VIP 用户的核心权益，用户可以 DIY 音效，在分离之后，用户可以根据自己的喜好去设置乐器的不同摆放方位，获得实时空间感的体验。此外，音乐分离还可以用于全民 K 歌五维打分模板的制作，以及全民 K 歌伴奏库，帮助实现伴奏分离，补充全民 K 歌伴奏库。
另外，音乐分离还应用在懒人听书，比如长音频消伴场景。因为有些长音频，会存在背景音乐或噪声，而用户可能只关注于内容本身，这时可以通过干声分离技术为用户提供纯净版的音频，也就是更优质的音质选项。音乐分离技术还应用到了 AIGC-X，通过干声分离将歌曲人声分离出来，然后通过模型去判断这个人声是否是 AI 生成的。另一应用场景是启明星音色试唱，通过声伴分离，干声音色转换，再与伴奏 mix，生成一个新的试听 Demo。
