লোড হচ্ছে...

ড্রাম আলাদা করা · TelkNet

বিচ্ছেদ ও stem বিভাজনGPU কাজের চাপGitHub 456656868538205ef756912c7cf5b0fd936de8af / 5856a9bee7c6d503842795756d238dc8470f6f3e010e9e4f33ede0362850cb4c

ড্রাম আলাদা করা

DrumSep, IDM বা MSG-LD দিয়ে ড্রামের রেকর্ডিং আলাদা সম্পাদনাযোগ্য ট্র্যাকে ভাগ করুন, যন্ত্র ও আউটপুট ফরম্যাট তুলনা করে শুনুন এবং WAV ফাইল ডাউনলোড করুন।

35 ক্রেডিট/ব্যবহারফাইল ইনপুটসর্বোচ্চ 100 MBআনুমানিক 20-1800 সেকেন্ড

ইনপুট

mp3 / wav / flac / ogg / m4a / aac / aif / aiff / mp4 / mov / mkv এর মতো ফর্ম্যাটগুলিতে ইনপুট সমর্থন করে

সমর্থিত বিন্যাস

mp3wavflacoggm4aaacaifaiffmp4movmkv

আউটপুট

9 × WAV

কেস ব্যবহার করুন

IDM বা MSG-LD দিয়ে ড্রামকে আলাদা অডিও ট্র্যাকে ভাগ করুন।

মডেল পরিবার বেছে নিন

MDX23C DrumSepউপলভ্যMDX23C DrumSep · 5 stems: ড্রাম রিমিক্সিং, প্রতিস্থাপন, ক্ষণস্থায়ী সম্পাদনা, অনুশীলন ট্র্যাক এবং ড্রাম-কেন্দ্রিক বিশ্লেষণ।ড্রাম আলাদা করা · IDMউপলভ্যIDM MIDI ছাড়া নয়টি ড্রাম ট্র্যাক তৈরি করে।MSG-LDউপলভ্যMSG-LD পাঁচটি ড্রাম ট্র্যাক তৈরি করে ও আঘাতের শুরু শনাক্ত করে; MIDI-তে বেগ 100 এবং বাজানোর দৈর্ঘ্য 0.1 সেকেন্ড স্থির।

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।

এই ক্ষেত্রের মডেলসমূহ

2টি ফলাফল

প্রকাশিত ফলাফলে এই সাইটের এবং বাইরের মডেল রয়েছে। প্রথমে সামগ্রিক ক্রম দেখায়; পরীক্ষাসেট বা বিভাগ বদলালে তার ক্রম দেখাবে। প্রতিটি পরীক্ষার মূল্যায়নের শর্ত আলাদা।

শুধু যাচাইকৃত প্রকাশ্য ওজন ও ইনফারেন্স কোডসহ মডেল অন্তর্ভুক্ত। বন্ধ পরিষেবা এবং ওজন যাচাই করা যায়নি এমন ফল বাদ দেওয়া হয়েছে।

তুলনামূলক পরীক্ষাক্রমের বিভাগ

সামগ্রিক ক্রমবেশি মান ভালো · সেরা আগে

সামগ্রিক স্কোর একই শর্তে 5টি ফলাফলের সমান ওজনের গড়। সব উপাদানের স্কোর থাকা ফলাফলই অন্তর্ভুক্ত।

স্কোরের উপাদান：কিক ড্রাম · স্নেয়ার · টমস · হাই-হ্যাট · সিম্বল

চিহ্নগুলি এখানে ব্যবহৃত মডেল বা উপাদান বোঝায়। স্কোর ও সেটিংস উদ্ধৃত পরীক্ষার; এগুলি সাইটের সম্পূর্ণ প্রক্রিয়ার নতুন মূল্যায়ন নয়।

MVSEP · মান মূল্যায়ন ↗যাচাই: 2026-09-28

চার্টের তথ্য দেখুন

পদমর্যাদা	মডেল	গড় SDR (dB)
1	MDX23C DrumSep 5 stems by Aufr33 & Jarredouএই সাইটে ব্যবহৃত মডেল প্রকাশ্য ওজন ইনফারেন্স কোড	10.1846
2	MDX23C DrumSep 6 stems by Aufr33 & Jarredouএই সাইটে ব্যবহৃত মডেল প্রকাশ্য ওজন ইনফারেন্স কোড	8.4534

সব মূল ফলাফল ও উৎস

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।

বেঞ্চমার্ক চার্ট: মডেল তুলনা

স্কোরগুলো উল্লেখিত প্রকাশ্য উৎস থেকে নেওয়া; নীল সারি এই টুলে উপলভ্য মডেল দেখায়।

কাগজ এবং বেঞ্চমার্ক নোট

Pinned MSST pretrained-model table

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: 2026-09-23

পরীক্ষার শর্ত	মডেল	SDR (dB) ↑	বিস্তারিত মেট্রিক্স
DrumSep test · official five-stem checkpoint	MDX23C DrumSep · 5 stemsMSST table · kick SDR is the headline value	16.66	স্নেয়ার11.53টমস12.33হাই-হ্যাট4.04সিম্বল6.36
DrumSep test · official six-stem checkpoint	MDX23C DrumSep · 6 stemsMSST table · kick SDR is the headline value; ride and crash are reported jointly	14.54	স্নেয়ার9.79টমস10.63হাই-হ্যাট3.19রাইড + ক্র্যাশ6.08

IDM · StemGMD · 9 classes

IDM · Table III

IDM নয় ধরনের ড্রাম WAV তৈরি করে। nSDR, LSD ও PES অডিও পৃথকীকরণ মাপে, MIDI ট্রান্সক্রিপশন নয়; এগুলো MSG-LD-এর FAD-এর সঙ্গে একসঙ্গে ক্রমায়িত হয় না।

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

মেট্রিক অনুযায়ী র‍্যাঙ্কপরীক্ষার শর্ত

9/9 সারি দেখানো হচ্ছে · 5 মেট্রিক

IDM · StemGMD · 9 classes
পদমর্যাদা	পরীক্ষার শর্ত	মডেল	nSDR (dB)	LSD	PES	Synth LSD	Synth PES
—	kick	IDMTelkNet	17.47	2.58	-54.37	1.84	-55.46
—	snare	IDMTelkNet	17.29	1.73	-57.20	1.83	-58.87
—	hihat_closed	IDMTelkNet	1.66	1.90	-55.88	1.94	-56.83
—	hihat_open	IDMTelkNet	6.68	1.71	-59.81	1.86	-59.99
—	hi_tom	IDMTelkNet	8.50	1.16	-59.57	1.03	-59.85
—	mid_tom	IDMTelkNet	6.41	1.11	-59.62	0.90	-59.70
—	low_tom	IDMTelkNet	7.35	1.62	-59.30	1.32	-59.57
—	ride	IDMTelkNet	2.12	2.09	-59.57	2.24	-59.65
—	crash_left	IDMTelkNet	4.78	2.84	-59.88	2.99	-59.94

MSG-LD · mel-MSE

MSG-LD · Table 1

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।

প্রকাশ্য উৎস যাচাই: 2026-09-23

মেট্রিক অনুযায়ী র‍্যাঙ্কপরীক্ষার শর্ত

12/12 সারি দেখানো হচ্ছে · 1 মেট্রিক

MSG-LD · mel-MSE
পদমর্যাদা	পরীক্ষার শর্ত	মডেল	mel-MSE
#1	Kick · MSG-LD Table 1	MSG-LD OBTB	0.78
#2	Kick · MSG-LD Table 1	MSG-LD OB	1.03
#1	Snare · MSG-LD Table 1	MSG-LD OB	1.33
#2	Snare · MSG-LD Table 1	MSG-LD OBTB	1.42
#1	Toms · MSG-LD Table 1	MSG-LD OBTB	1.41
#2	Toms · MSG-LD Table 1	MSG-LD OB	1.45
#1	Hi-Hats · MSG-LD Table 1	MSG-LD OB	3.46
#2	Hi-Hats · MSG-LD Table 1	MSG-LD OBTB	4.30
#1	Cymbals · MSG-LD Table 1	MSG-LD OB	1.92
#2	Cymbals · MSG-LD Table 1	MSG-LD OBTB	3.52
#1	Overall · MSG-LD Table 1	MSG-LD OB	2.12
#2	Overall · MSG-LD Table 1	MSG-LD OBTB	2.29

MSG-LD · FAD

MSG-LD · Table 2

প্রকাশ্য উৎস যাচাই: 2026-09-23

মেট্রিক অনুযায়ী র‍্যাঙ্কপরীক্ষার শর্ত

12/12 সারি দেখানো হচ্ছে · 1 মেট্রিক

MSG-LD · FAD
পদমর্যাদা	পরীক্ষার শর্ত	মডেল	FAD
#1	Kick · MSG-LD Table 2	MSG-LD OBTB	0.23
#2	Kick · MSG-LD Table 2	MSG-LD OB	0.32
#1	Snare · MSG-LD Table 2	MSG-LD OBTB	0.09
#2	Snare · MSG-LD Table 2	MSG-LD OB	0.10
#1	Toms · MSG-LD Table 2	MSG-LD OBTB	0.13
#2	Toms · MSG-LD Table 2	MSG-LD OB	0.16
#1	Hi-Hats · MSG-LD Table 2	MSG-LD OB	0.38
#2	Hi-Hats · MSG-LD Table 2	MSG-LD OBTB	0.48
#1	Cymbals · MSG-LD Table 2	MSG-LD OB	0.71
#2	Cymbals · MSG-LD Table 2	MSG-LD OBTB	0.82
#1	Mean · MSG-LD Table 2	MSG-LD OB	0.33
#2	Mean · MSG-LD Table 2	MSG-LD OBTB	0.35

MSG-LD · MDB / ENST · 50 ms

MSG-LD · Table 3

প্রকাশ্য উৎস যাচাই: 2026-09-23

মেট্রিক অনুযায়ী র‍্যাঙ্কপরীক্ষার শর্ত

12/12 সারি দেখানো হচ্ছে · 3 মেট্রিক

MSG-LD · MDB / ENST · 50 ms
পদমর্যাদা	পরীক্ষার শর্ত	মডেল	F1%	নির্ভুলতা %	প্রত্যাহার %
—	MDB · Kick · 50 ms · MSG-LD Table 3	MSG-LD OB	93.10	93.90	92.30
—	MDB · Snare · 50 ms · MSG-LD Table 3	MSG-LD OB	76.00	79.10	73.20
—	MDB · Toms · 50 ms · MSG-LD Table 3	MSG-LD OB	26.80	30.90	23.60
—	MDB · Hi-Hats · 50 ms · MSG-LD Table 3	MSG-LD OB	65.00	55.00	79.40
—	MDB · Cymbals · 50 ms · MSG-LD Table 3	MSG-LD OB	48.10	66.30	37.70
—	MDB · Overall · 50 ms · MSG-LD Table 3	MSG-LD OB	70.70	70.90	70.40
—	ENST · Kick · 50 ms · MSG-LD Table 3	MSG-LD OB	82.10	94.10	72.90
—	ENST · Snare · 50 ms · MSG-LD Table 3	MSG-LD OB	64.20	69.80	59.40
—	ENST · Toms · 50 ms · MSG-LD Table 3	MSG-LD OB	49.10	41.50	60.20
—	ENST · Hi-Hats · 50 ms · MSG-LD Table 3	MSG-LD OB	63.00	64.30	61.80
—	ENST · Cymbals · 50 ms · MSG-LD Table 3	MSG-LD OB	39.10	61.10	28.70
—	ENST · Overall · 50 ms · MSG-LD Table 3	MSG-LD OB	64.00	69.50	59.30

MSG-LD · Vanilla / OB / TB / OBTB

MSG-LD · Table 4

প্রকাশ্য উৎস যাচাই: 2026-09-23

মেট্রিক অনুযায়ী র‍্যাঙ্কপরীক্ষার শর্ত

6/6 সারি দেখানো হচ্ছে · 3 মেট্রিক

MSG-LD · Vanilla / OB / TB / OBTB
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 OBTB	69.00	70.90	67.20
#1	ENST Overall · MSG-LD Table 4	MSG-LD OB	64.00	69.50	59.30
#2	ENST Overall · MSG-LD Table 4	MSG-LD OBTB	63.60	70.30	58.00
#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 OBTB	66.30	—	—

মডেল, পরামিতি এবং উত্স

IDM MIDI ছাড়া নয়টি ড্রাম ট্র্যাক তৈরি করে।

MDX23C DrumSep · 5 stemsOfficial 5-stem checkpointOfficial 5-stem configPinned immutable mirror used by TelkNetPinned MSST pretrained-model tableDrumSep test · official five-stem checkpointMSST table · kick SDR is the headline valueMDX23C DrumSep · 6 stemsDrumSep test · official six-stem checkpointMSST table · kick SDR is the headline value; ride and crash are reported jointlyA Semantically Consistent Dataset for Data-Efficient Query-Based Universal Sound SeparationICML

MDX23C DrumSep · 5 stems

MDX23C DrumSep · 5 stems: ড্রাম রিমিক্সিং, প্রতিস্থাপন, ক্ষণস্থায়ী সম্পাদনা, অনুশীলন ট্র্যাক এবং ড্রাম-কেন্দ্রিক বিশ্লেষণ।

Official 5-stem checkpoint Official 5-stem config Pinned immutable mirror used by TelkNet

MDX23C DrumSep · 6 stems

MDX23C DrumSep · 6 stems: ড্রাম রিমিক্সিং, প্রতিস্থাপন, ক্ষণস্থায়ী সম্পাদনা, অনুশীলন ট্র্যাক এবং ড্রাম-কেন্দ্রিক বিশ্লেষণ।

Official 6-stem checkpoint Official 6-stem config Pinned checkpoint bytes used by TelkNet

IDM

bernardo-torres/inverse-drum-machine IDM · checkpoint ddman1101/Separate-and-detect MSG-LD · checkpoint IDM

wiener অফিসিয়াল Wiener মাস্ক ব্যবহার করে; none মাস্ক বন্ধ করে।
Wiener মাস্কের ঘাত; অফিসিয়াল ডিফল্ট 1।
পূর্ণ মিক্স থেকে আগে ড্রাম আলাদা করা হয়: MSG-LD-তে অফিসিয়াল Demucs, অন্য নতুন মডেলে AudioSep। শুধু ড্রাম হলে এই ধাপ বাদ যায়।
IDM নয় ধরনের ড্রাম WAV তৈরি করে। nSDR, LSD ও PES অডিও পৃথকীকরণ মাপে, MIDI ট্রান্সক্রিপশন নয়; এগুলো MSG-LD-এর FAD-এর সঙ্গে একসঙ্গে ক্রমায়িত হয় না।

MSG-LD · OBTB

MSG-LD পাঁচটি ড্রাম ট্র্যাক তৈরি করে ও আঘাতের শুরু শনাক্ত করে; MIDI-তে বেগ 100 এবং বাজানোর দৈর্ঘ্য 0.1 সেকেন্ড স্থির।

ddman1101/Separate-and-detect MSG-LD · checkpoint MSG-LD

msgld_ob শুরুর শাখা ব্যবহার করে; msgld_obtb শুরু ও ধ্বনির রঙের দুই শাখাই ব্যবহার করে।
অফিসিয়াল DDIM ধাপসংখ্যা, ডিফল্ট 200; অসমর্থিত সময়ধাপের সমন্বয়ে ত্রুটি হবে।
পূর্ণ মিক্স থেকে আগে ড্রাম আলাদা করা হয়: MSG-LD-তে অফিসিয়াল Demucs, অন্য নতুন মডেলে AudioSep। শুধু ড্রাম হলে এই ধাপ বাদ যায়।
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।

MSG-LD · OB

ddman1101/Separate-and-detect MSG-LD · checkpoint MSG-LD

msgld_ob শুরুর শাখা ব্যবহার করে; msgld_obtb শুরু ও ধ্বনির রঙের দুই শাখাই ব্যবহার করে।
অফিসিয়াল DDIM ধাপসংখ্যা, ডিফল্ট 200; অসমর্থিত সময়ধাপের সমন্বয়ে ত্রুটি হবে।
পূর্ণ মিক্স থেকে আগে ড্রাম আলাদা করা হয়: MSG-LD-তে অফিসিয়াল Demucs, অন্য নতুন মডেলে AudioSep। শুধু ড্রাম হলে এই ধাপ বাদ যায়।
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।

মডেল তুলনা

মডেল

ভূমিকা

কেন এটি ব্যবহার করা হয়

আউটপুট প্রভাব

কাগজ এবং বেঞ্চমার্ক নোট

A Semantically Consistent Dataset for Data-Efficient Query-Based Universal Sound Separation

ICML - 2026

AudioSep-Hive, FlowSep-Hive বা CLAPSep দিয়ে স্বাভাবিক ভাষায় বর্ণিত শব্দ বের করুন, অথবা Banquet দিয়ে ১০ সেকেন্ডের রেফারেন্সের সঙ্গে মেলা উৎস আলাদা করুন।

arXiv:2601.22599

The Inverse Drum Machine: Source Separation Through Joint Transcription and Analysis-by-Synthesis

arXiv - 2025

IDM

Separate-and-Detect: Unified Drum Transcription and Stem Generation via Latent Diffusion

arXiv - 2026

MSG-LD

অফিসিয়াল / সংগ্রহস্থল

Official 5-stem checkpoint Official 5-stem config Pinned immutable mirror used by TelkNet Official 6-stem checkpoint Official 6-stem config Pinned checkpoint bytes used by TelkNet bernardo-torres/inverse-drum-machine IDM · checkpoint ddman1101/Separate-and-detect MSG-LD · checkpoint

কাগজপত্র / প্রযুক্তিগত নোট

IDM MSG-LD

প্যারামিটার গাইড

wiener অফিসিয়াল Wiener মাস্ক ব্যবহার করে; none মাস্ক বন্ধ করে।
Wiener মাস্কের ঘাত; অফিসিয়াল ডিফল্ট 1।
পূর্ণ মিক্স থেকে আগে ড্রাম আলাদা করা হয়: MSG-LD-তে অফিসিয়াল Demucs, অন্য নতুন মডেলে AudioSep। শুধু ড্রাম হলে এই ধাপ বাদ যায়।
IDM নয় ধরনের ড্রাম WAV তৈরি করে। nSDR, LSD ও PES অডিও পৃথকীকরণ মাপে, MIDI ট্রান্সক্রিপশন নয়; এগুলো MSG-LD-এর FAD-এর সঙ্গে একসঙ্গে ক্রমায়িত হয় না।

ওয়ার্কফ্লো

1পূর্ণ মিক্স থেকে আগে ড্রাম আলাদা করা হয়: MSG-LD-তে অফিসিয়াল Demucs, অন্য নতুন মডেলে AudioSep। শুধু ড্রাম হলে এই ধাপ বাদ যায়।
2IDM বা MSG-LD বেছে রেকর্ডিং জমা দিন, তারপর WAV ট্র্যাকগুলো শুনে ডাউনলোড করুন; MSG-LD আঘাতের শুরুর সময় CSV ও MIDI-তেও দেয়।

জমা দেওয়ার আগে

IDM নয় শ্রেণির এবং MSG-LD পাঁচ শ্রেণির ড্রাম দেয়; MIDI-তে ড্রামের আঘাতের শুরু থাকে, সুরের পিচ নয়।

দ্রুত মতামত

মতামতে টুলের নাম, ধাপগুলো এবং সমস্যাটি লিখুন। স্ক্রিনশট দিলে সমস্যা খুঁজতে সুবিধা হয়।