লোড হচ্ছে...
ADTOF Plus · ADTOF Direct · ADT_STR · MSG-LD. সম্পূর্ণ মিক্সে নির্বাচিত প্রক্রিয়া অনুযায়ী আগে ড্রাম আলাদা করা হয়। আলাদা ড্রাম ট্র্যাক সরাসরি নির্বাচিত ট্রান্সক্রিপশন বা পৃথকীকরণ মডেলে যায়।
ইনপুট
mp3 / wav / flac / ogg / m4a / aac / aif / aiff / mp4 / mov / mkv এর মতো ফর্ম্যাটগুলিতে ইনপুট সমর্থন করে
সমর্থিত বিন্যাস
আউটপুট
5 × WAV · MIDI · CSV
কেস ব্যবহার করুন
নোট, যন্ত্রবিন্যাস ও পরিবেশনার খুঁটিনাটি সম্পাদনা করুন।
প্রথমে ইনপুট ও আউটপুটের চাহিদা, তারপর একই শর্তের পরীক্ষা, প্রকাশিত মূল্যায়ন ও সক্ষমতা দেখুন। স্কোর না থাকা মানে কম মান নয়; বেশি প্যারামিটার বা নতুন সংস্করণ শ্রেষ্ঠত্বের প্রমাণ নয়। এটি ব্যবহারের প্রস্তাবিত ক্রম, সামগ্রিক র্যাঙ্কিং নয়।
খরচ, সময়, ফরম্যাট ও প্যারামিটার নির্বাচিত মডেলের ওপর নির্ভর করে।
প্রকাশিত ফলাফলে এই সাইটের এবং বাইরের মডেল রয়েছে। প্রথমে সামগ্রিক ক্রম দেখায়; পরীক্ষাসেট বা বিভাগ বদলালে তার ক্রম দেখাবে। প্রতিটি পরীক্ষার মূল্যায়নের শর্ত আলাদা।
সামগ্রিক স্কোর একই শর্তে 2টি ফলাফলের সমান ওজনের গড়। সব উপাদানের স্কোর থাকা ফলাফলই অন্তর্ভুক্ত।
স্কোরের উপাদান：MDB · Overall · ENST · Overall
চিহ্নগুলি এখানে ব্যবহৃত মডেল বা উপাদান বোঝায়। স্কোর ও সেটিংস উদ্ধৃত পরীক্ষার; এগুলি সাইটের সম্পূর্ণ প্রক্রিয়ার নতুন মূল্যায়ন নয়।
| পদমর্যাদা | মডেল | F1% |
|---|---|---|
| 1 | ADTOF | 75.2 |
| 2 | MSG-LD OBএই সাইটে ব্যবহৃত মডেল | 67.35 |
| 3 | MSG-LD Vanilla | 66.7 |
| 4 | MSG-LD OBTBএই সাইটে ব্যবহৃত মডেল | 66.3 |
| 5 | MSG-LD TB | 66.2 |
| 6 | LarsNet | 55.3 |
স্কোর কেবল উল্লিখিত ডেটাসেট, সূচক ও সংস্করণের জন্য প্রযোজ্য। টেবিলে এগিয়ে থাকা বর্তমান বিশ্বরেকর্ড বা এই সেবার ফল নয়। তুলনীয় স্কোর না থাকলেও সক্ষমতা ও পরীক্ষা অগ্রাধিকার দিতে পারে।
টেবিলে শুধু সেই মডেলগুলো আছে যাদের প্রকাশ্য ওজন বা কনফিগারেশন রয়েছে এবং স্থানীয়ভাবে চালানো যায়।
ADTOF-PyTorch README · PyTorch 88.51 · Keras 88.74
প্রকাশ্য উৎস যাচাই: 2026-09-27
| পদমর্যাদা | পরীক্ষার শর্ত | মডেল | F-মাপ (%) | বিস্তারিত মেট্রিক্স |
|---|---|---|---|---|
| #1 | মূল Keras রানটাইম | ADTOF (original)Pinned README table | 88.74 | নির্ভুলতা %89.90প্রত্যাহার %88.68 |
| #2 | রূপান্তরিত PyTorch রানটাইম | ADTOF Direct · PyTorchPinned README table | 88.51 | নির্ভুলতা %89.83প্রত্যাহার %88.26 |
সংখ্যাগুলো লিংকের প্রকাশ্য উৎস থেকে নেওয়া। প্রতিটি সারিতে টেস্ট সেট বা checkpoint দেওয়া আছে; একই শর্তের ফল না থাকলে মডেলটি রাখা হয়নি।
প্রকাশ্য উৎস যাচাই: 2026-09-27
| পদমর্যাদা | পরীক্ষার শর্ত | মডেল | F1% | বিস্তারিত মেট্রিক্স |
|---|---|---|---|---|
| #1 | MDB · 5 classes · onset only · 50 ms | ADTOF PlusPaper Table 1 | 89.00 | নির্ভুলতা %89.00প্রত্যাহার %89.00 |
| #2 | MDB · 5 classes · onset only · 50 ms | Original ADTOFPaper Table 1 | 87.00 | |
| #2 | RBMA · 5 classes · onset only · 50 ms | ADTOF PlusPaper Table 1 | 63.00 | নির্ভুলতা %66.00প্রত্যাহার %62.00 |
| #1 | RBMA · 5 classes · onset only · 50 ms | Original ADTOFPaper Table 1 | 65.00 | |
| #1 | ENST · 5 classes · onset only · 50 ms | ADTOF PlusPaper Table 1 | 85.00 | নির্ভুলতা %91.00প্রত্যাহার %81.00 |
| #2 | ENST · 5 classes · onset only · 50 ms | Original ADTOFPaper Table 1 | 84.00 |
সংখ্যাগুলো লিংকের প্রকাশ্য উৎস থেকে নেওয়া। প্রতিটি সারিতে টেস্ট সেট বা checkpoint দেওয়া আছে; একই শর্তের ফল না থাকলে মডেলটি রাখা হয়নি।
প্রকাশ্য উৎস যাচাই: 2026-09-27
| পদমর্যাদা | পরীক্ষার শর্ত | মডেল | F1% | বিস্তারিত মেট্রিক্স |
|---|---|---|---|---|
| #1 | MDB · 8-class evaluation · onset only · 50 ms | ADTOF PlusPaper Table 2 | 84.00 | নির্ভুলতা %84.00প্রত্যাহার %84.00 |
| #2 | MDB · 8-class evaluation · onset only · 50 ms | Vogl et al. 8-class baselinePaper Table 2 | 72.00 | |
| #2 | RBMA · 8-class evaluation · onset only · 50 ms | ADTOF PlusPaper Table 2 | 56.00 | নির্ভুলতা %60.00প্রত্যাহার %55.00 |
| #1 | RBMA · 8-class evaluation · onset only · 50 ms | Vogl et al. 8-class baselinePaper Table 2 | 58.00 | |
| #1 | ENST · 8-class evaluation · onset only · 50 ms | ADTOF PlusPaper Table 2 | 76.00 | নির্ভুলতা %81.00প্রত্যাহার %72.00 |
| #2 | ENST · 8-class evaluation · onset only · 50 ms | Vogl et al. 8-class baselinePaper Table 2 | 65.00 |
সারণি 2-এর Setting-1 থেকে Setting-4 প্রশিক্ষণের পরীক্ষা, বেছে নেওয়া যায় এমন τ=0.4/0.6/0.8 ওজন নয়। স্কোরগুলো আলাদা ড্রাম অডিওর, সম্পূর্ণ মিক্সের ফল নয়।
একই সারণি ও শর্তের মধ্যে র্যাঙ্ক গণনা হয় এবং সমান স্কোরের স্থান অক্ষুণ্ণ থাকে। মেট্রিক বদলালে ক্রম বদলায়; সব কলাম দেখতে আড়াআড়ি স্ক্রল করুন। অনুপস্থিত মান শূন্য নয় এবং র্যাঙ্ক পায় না।
প্রকাশ্য উৎস যাচাই: 2026-09-23
8/8 সারি দেখানো হচ্ছে · 6 মেট্রিক
| পদমর্যাদা | পরীক্ষার শর্ত | মডেল | SUM F1 (%) | BD F1 (%) | SD F1 (%) | TT F1 (%) | HH F1 (%) | CY+RD F1 (%) |
|---|---|---|---|---|---|---|---|---|
| #1 | ENST · ADT-STR Table 2 | ADT-STR Setting-1 | 73.00 | 87.00 | 80.00 | 55.00 | 77.00 | 49.00 |
| #2 | ENST · ADT-STR Table 2 | ADT-STR Setting-3 | 70.00 | 85.00 | 75.00 | 42.00 | 73.00 | 52.00 |
| #3 | ENST · ADT-STR Table 2 | ADT-STR Setting-4 | 69.00 | 83.00 | 75.00 | 58.00 | 69.00 | 50.00 |
| #4 | ENST · ADT-STR Table 2 | ADT-STR Setting-2 | 67.00 | 84.00 | 77.00 | 43.00 | 75.00 | 38.00 |
| #1 | MDB · ADT-STR Table 2 | ADT-STR Setting-1 | 79.00 | 92.00 | 85.00 | 77.00 | 74.00 | 52.00 |
| #1 | MDB · ADT-STR Table 2 | ADT-STR Setting-4 | 79.00 | 91.00 | 85.00 | 75.00 | 77.00 | 52.00 |
| #3 | MDB · ADT-STR Table 2 | ADT-STR Setting-3 | 76.00 | 93.00 | 83.00 | 46.00 | 73.00 | 44.00 |
| #4 | MDB · ADT-STR Table 2 | ADT-STR Setting-2 | 73.00 | 91.00 | 79.00 | 45.00 | 72.00 | 43.00 |
গবেষণায় OB, TB ও OBTB আলাদাভাবে মূল্যায়িত; OB-এর স্কোর ডিফল্ট OBTB-এর নয়। নোট F1 এবং অডিও mel-MSE/FAD পৃথক সারণিতে আছে। গবেষণার শনাক্তকরণ প্রক্রিয়া এখানে পুনরায় মাপা হয়নি।
একই সারণি ও শর্তের মধ্যে র্যাঙ্ক গণনা হয় এবং সমান স্কোরের স্থান অক্ষুণ্ণ থাকে। মেট্রিক বদলালে ক্রম বদলায়; সব কলাম দেখতে আড়াআড়ি স্ক্রল করুন। অনুপস্থিত মান শূন্য নয় এবং র্যাঙ্ক পায় না।
প্রকাশ্য উৎস যাচাই: 2026-09-23
36/36 সারি দেখানো হচ্ছে · 3 মেট্রিক
| পদমর্যাদা | পরীক্ষার শর্ত | মডেল | F1% | নির্ভুলতা % | প্রত্যাহার % |
|---|---|---|---|---|---|
| #1 | MDB · Kick · 50 ms · MSG-LD Table 3 | MSG-LD OB | 93.10 | 93.90 | 92.30 |
| #2 | MDB · Kick · 50 ms · MSG-LD Table 3 | LarsNet | 89.90 | 89.30 | 90.60 |
| #3 | MDB · Kick · 50 ms · MSG-LD Table 3 | ADTOF | 85.10 | 79.00 | 92.30 |
| #1 | MDB · Snare · 50 ms · MSG-LD Table 3 | MSG-LD OB | 76.00 | 79.10 | 73.20 |
| #2 | MDB · Snare · 50 ms · MSG-LD Table 3 | ADTOF | 75.20 | 82.80 | 69.00 |
| #3 | MDB · Snare · 50 ms · MSG-LD Table 3 | LarsNet | 75.10 | 82.10 | 69.20 |
| #1 | MDB · Toms · 50 ms · MSG-LD Table 3 | ADTOF | 52.00 | 52.00 | 52.00 |
| #2 | MDB · Toms · 50 ms · MSG-LD Table 3 | MSG-LD OB | 26.80 | 30.90 | 23.60 |
| #3 | MDB · Toms · 50 ms · MSG-LD Table 3 | LarsNet | 26.10 | 42.10 | 18.90 |
| #1 | MDB · Hi-Hats · 50 ms · MSG-LD Table 3 | ADTOF | 77.30 | 85.90 | 70.30 |
| #2 | MDB · Hi-Hats · 50 ms · MSG-LD Table 3 | MSG-LD OB | 65.00 | 55.00 | 79.40 |
| #3 | MDB · Hi-Hats · 50 ms · MSG-LD Table 3 | LarsNet | 41.00 | 40.50 | 41.50 |
| #1 | MDB · Cymbals · 50 ms · MSG-LD Table 3 | ADTOF | 84.90 | 80.20 | 90.20 |
| #2 | MDB · Cymbals · 50 ms · MSG-LD Table 3 | MSG-LD OB | 48.10 | 66.30 | 37.70 |
| #3 | MDB · Cymbals · 50 ms · MSG-LD Table 3 | LarsNet | 21.70 | 87.30 | 12.40 |
| #1 | MDB · Overall · 50 ms · MSG-LD Table 3 | ADTOF | 79.50 | 81.30 | 77.80 |
| #2 | MDB · Overall · 50 ms · MSG-LD Table 3 | MSG-LD OB | 70.70 | 70.90 | 70.40 |
| #3 | MDB · Overall · 50 ms · MSG-LD Table 3 | LarsNet | 61.30 | 70.00 | 54.50 |
| #1 | ENST · Kick · 50 ms · MSG-LD Table 3 | MSG-LD OB | 82.10 | 94.10 | 72.90 |
| #2 | ENST · Kick · 50 ms · MSG-LD Table 3 | ADTOF | 79.50 | 98.40 | 66.70 |
| #3 | ENST · Kick · 50 ms · MSG-LD Table 3 | LarsNet | 77.90 | 89.30 | 69.00 |
| #1 | ENST · Snare · 50 ms · MSG-LD Table 3 | MSG-LD OB | 64.20 | 69.80 | 59.40 |
| #2 | ENST · Snare · 50 ms · MSG-LD Table 3 | LarsNet | 60.60 | 78.70 | 49.30 |
| #3 | ENST · Snare · 50 ms · MSG-LD Table 3 | ADTOF | 59.90 | 93.20 | 44.10 |
| #1 | ENST · Toms · 50 ms · MSG-LD Table 3 | ADTOF | 58.10 | 66.90 | 51.30 |
| #2 | ENST · Toms · 50 ms · MSG-LD Table 3 | MSG-LD OB | 49.10 | 41.50 | 60.20 |
| #3 | ENST · Toms · 50 ms · MSG-LD Table 3 | LarsNet | 34.80 | 23.10 | 69.80 |
| #1 | ENST · Hi-Hats · 50 ms · MSG-LD Table 3 | ADTOF | 77.70 | 93.60 | 66.30 |
| #2 | ENST · Hi-Hats · 50 ms · MSG-LD Table 3 | MSG-LD OB | 63.00 | 64.30 | 61.80 |
| #3 | ENST · Hi-Hats · 50 ms · MSG-LD Table 3 | LarsNet | 34.00 | 69.90 | 22.50 |
| #1 | ENST · Cymbals · 50 ms · MSG-LD Table 3 | ADTOF | 65.70 | 78.80 | 56.30 |
| #2 | ENST · Cymbals · 50 ms · MSG-LD Table 3 | MSG-LD OB | 39.10 | 61.10 | 28.70 |
| #3 | ENST · Cymbals · 50 ms · MSG-LD Table 3 | LarsNet | 34.90 | 24.30 | 61.90 |
| #1 | ENST · Overall · 50 ms · MSG-LD Table 3 | ADTOF | 70.90 | 90.80 | 58.20 |
| #2 | ENST · Overall · 50 ms · MSG-LD Table 3 | MSG-LD OB | 64.00 | 69.50 | 59.30 |
| #3 | ENST · Overall · 50 ms · MSG-LD Table 3 | LarsNet | 49.30 | 50.40 | 48.30 |
গবেষণায় OB, TB ও OBTB আলাদাভাবে মূল্যায়িত; OB-এর স্কোর ডিফল্ট OBTB-এর নয়। নোট F1 এবং অডিও mel-MSE/FAD পৃথক সারণিতে আছে। গবেষণার শনাক্তকরণ প্রক্রিয়া এখানে পুনরায় মাপা হয়নি।
একই সারণি ও শর্তের মধ্যে র্যাঙ্ক গণনা হয় এবং সমান স্কোরের স্থান অক্ষুণ্ণ থাকে। মেট্রিক বদলালে ক্রম বদলায়; সব কলাম দেখতে আড়াআড়ি স্ক্রল করুন। অনুপস্থিত মান শূন্য নয় এবং র্যাঙ্ক পায় না।
প্রকাশ্য উৎস যাচাই: 2026-09-23
12/12 সারি দেখানো হচ্ছে · 3 মেট্রিক
| পদমর্যাদা | পরীক্ষার শর্ত | মডেল | F1% | নির্ভুলতা % | প্রত্যাহার % |
|---|---|---|---|---|---|
| #1 | MDB Overall · MSG-LD Table 4 | MSG-LD OB | 70.70 | 70.90 | 70.40 |
| #2 | MDB Overall · MSG-LD Table 4 | MSG-LD TB | 69.80 | 70.60 | 69.10 |
| #3 | MDB Overall · MSG-LD Table 4 | MSG-LD OBTBTelkNet | 69.00 | 70.90 | 67.20 |
| #4 | MDB Overall · MSG-LD Table 4 | MSG-LD Vanilla | 68.90 | 70.10 | 67.80 |
| #1 | ENST Overall · MSG-LD Table 4 | MSG-LD Vanilla | 64.50 | 71.40 | 58.80 |
| #2 | ENST Overall · MSG-LD Table 4 | MSG-LD OB | 64.00 | 69.50 | 59.30 |
| #3 | ENST Overall · MSG-LD Table 4 | MSG-LD OBTBTelkNet | 63.60 | 70.30 | 58.00 |
| #4 | ENST Overall · MSG-LD Table 4 | MSG-LD TB | 62.60 | 67.70 | 58.20 |
| #1 | Mean overall F1 (2 sets) · MSG-LD Table 4 | MSG-LD OB | 67.40 | — | — |
| #2 | Mean overall F1 (2 sets) · MSG-LD Table 4 | MSG-LD Vanilla | 66.70 | — | — |
| #3 | Mean overall F1 (2 sets) · MSG-LD Table 4 | MSG-LD OBTBTelkNet | 66.30 | — | — |
| #4 | Mean overall F1 (2 sets) · MSG-LD Table 4 | MSG-LD TB | 66.20 | — | — |
MSG-LD পাঁচটি ড্রাম ট্র্যাক তৈরি করে ও আঘাতের শুরু শনাক্ত করে; MIDI-তে বেগ 100 এবং বাজানোর দৈর্ঘ্য 0.1 সেকেন্ড স্থির।
ADTOF Plus, ADTOF-এর সঙ্গে ড্রাম পৃথকীকরণ, আঘাতের তীব্রতা নির্ধারণ ও খোলা/বন্ধ হাই-হ্যাট প্রক্রিয়াকরণ যোগ করে এবং সম্পূর্ণ মিক্স গ্রহণ করে।
ADTOF Direct, PyTorch ADTOF দিয়ে আলাদা ড্রাম ট্র্যাকের নোট তৈরি করে। সম্পূর্ণ মিক্স বেছে নিলে TelkNet আগে AudioSep-Hive দিয়ে ড্রাম আলাদা করে; Plus-এর আঘাতের তীব্রতা ও খোলা/বন্ধ হাই-হ্যাটের পরবর্তী প্রক্রিয়াকরণ প্রয়োগ করে না।
ADT_STR 26 শ্রেণির ড্রামের শুরুর সময় ও বেগ শনাক্ত করে MIDI তৈরি করে।
ADT_STR 26 শ্রেণির ড্রামের শুরুর সময় ও বেগ শনাক্ত করে MIDI তৈরি করে।
ADT_STR 26 শ্রেণির ড্রামের শুরুর সময় ও বেগ শনাক্ত করে MIDI তৈরি করে।
arXiv - 2025
ISMIR - 2021
Signals - 2023
মতামতে টুলের নাম, ধাপগুলো এবং সমস্যাটি লিখুন। স্ক্রিনশট দিলে সমস্যা খুঁজতে সুবিধা হয়।