Iterative Audio Separation with Mixture Consistency via MIMO Model Extension
arXiv - 2026
Sony README-এর নির্দিষ্ট সংস্করণ: MUSDB18-HQ ও museval-এর মধ্যমার মধ্যমা। শুধু এই পরীক্ষাপদ্ধতির ভেতরে তুলনা করা হয়; MVSEP বা অন্য গবেষণার স্কোরের সঙ্গে নয়।
লোড হচ্ছে...
প্রধান কণ্ঠ, হারমনি ও সঙ্গত আলাদা করুন বা কভার ও কারাওকের জন্য শুষ্ক কণ্ঠ বের করুন।
ইনপুট
mp3 / wav / flac / ogg / m4a / aac / aif / aiff / mp4 / mov / mkv এর মতো ফর্ম্যাটগুলিতে ইনপুট সমর্থন করে
সমর্থিত বিন্যাস
আউটপুট
2 × WAV
কেস ব্যবহার করুন
Sony MIMO BS-RoFormer তিন দফায় কণ্ঠ ও সঙ্গত আলাদা করে; Large ও Small সংস্করণ আছে। জটিল মিশ্রণে অন্য শব্দ থেকে যেতে পারে। এই সাইটের Leap মডেলের সঙ্গে একই শর্তে তুলনা নেই।
আপনার উপাদান ও উদ্দেশ্যের উপযোগী মডেল বেছে নিন এবং জমা দেওয়ার আগে উদাহরণগুলো দেখুন।
খরচ, সময়, ফরম্যাট ও প্যারামিটার নির্বাচিত মডেলের ওপর নির্ভর করে।
মতামতে টুলের নাম, ধাপগুলো এবং সমস্যাটি লিখুন। স্ক্রিনশট দিলে সমস্যা খুঁজতে সুবিধা হয়।
Sony MIMO BS-RoFormer কণ্ঠ ও সঙ্গত আলাদা করে; Large ও Small সংস্করণ রয়েছে। জটিল মিক্সে অন্য অংশের শব্দ থেকে যেতে পারে।
ইউভিআর / MVSep-স্টাইল বিভাজক checkpoints জন্য রানটাইম মোড়ক। এটি এই সরঞ্জামটি দ্বারা ব্যবহৃত মডেল লোডিং, WAV stem রফতানি এবং এফএফএমপিইজি-সমর্থিত অডিও ফর্ম্যাট হ্যান্ডলিং সরবরাহ করে।
হারমনি বিচ্ছেদ: MVSep 9205 সীসা / সহ-হারমনি লেগ সরবরাহ করে, BS-RoFormer লিপ এক্সই 90 ব্যান্ডগুলি vocals হারমনি সরবরাহ করে এবং বিএস Leap Instrumental ব্যান্ডগুলি সহচর রেফারেন্স সরবরাহ করে।
ড্রাই ভোকাল এক্সট্রাকশন: Leap XE 90 bands মূল ভোকাল দেয়, BS-RoFormer Leap Instrumental সঙ্গত রেফারেন্স, MVSep 9205 BS-Kar AVG ব্যাকগ্রাউন্ড হারমনি সরায় এবং anvuew BS-RoFormer dereverb মডেল রিভার্ব সরায়।
MelBand Aspiration শ্বাস ও বাতাসমিশ্রিত শব্দকে অন্য শব্দ থেকে আলাদা করে। সাধারণ ও কম তীব্র সংস্করণ আছে। ঘর্ষণধ্বনিও বের হতে পারে; আলাদা কণ্ঠ ব্যবহার করে উচ্চারণ অক্ষুণ্ণ আছে কি না দেখুন।
MelBand Aspiration শ্বাস ও বাতাসমিশ্রিত শব্দকে অন্য শব্দ থেকে আলাদা করে। সাধারণ ও কম তীব্র সংস্করণ আছে। ঘর্ষণধ্বনিও বের হতে পারে; আলাদা কণ্ঠ ব্যবহার করে উচ্চারণ অক্ষুণ্ণ আছে কি না দেখুন।
arXiv - 2026
Sony README-এর নির্দিষ্ট সংস্করণ: MUSDB18-HQ ও museval-এর মধ্যমার মধ্যমা। শুধু এই পরীক্ষাপদ্ধতির ভেতরে তুলনা করা হয়; MVSEP বা অন্য গবেষণার স্কোরের সঙ্গে নয়।
SDX23 music separation track - 2023
BS-RoFormer ব্যান্ড-স্প্লিট স্পেকট্রোগ্রাম বৈশিষ্ট্য এবং রোপিই ট্রান্সফরমার ব্যবহার করে; এসডিএক্স 23 সিস্টেমটি সংগীত উত্স পৃথকীকরণ ট্র্যাকে প্রথম স্থান অর্জন করেছে এবং একটি ছোট সংস্করণ MUSDB18HQ 9.80 ডিবি গড় SDR রিপোর্ট করেছে।
TISMIR - 2024
এসডিএক্স 23 মিউজিক ডিমিক্সিং পেপার শক্তিশালী এমএসএস বেঞ্চমার্ক, শ্রবণ পরীক্ষাগুলি নথিভুক্ত করে এবং সেরা সিস্টেমটি পূর্ববর্তী চ্যালেঞ্জের চেয়ে 1.6 ডিবি SDR MDXDB21 এর বেশি উন্নত হয়েছে।
arXiv / ISMIR late-breaking demo - 2023
মেল-RoFormer ওভারল্যাপিং মেল-ব্যান্ড সাবব্যান্ডগুলির সাথে হিউরিস্টিক নন-ওভারল্যাপিং ব্যান্ডগুলি প্রতিস্থাপন করে এবং MUSDB18HQ vocals, drums এবং অন্যান্য stems এর জন্য BS-RoFormer চেয়ে ভাল পৃথকীকরণের প্রতিবেদন করে।
আউটপুট বিভাগ: 2
শুধু যাচাই করা প্রকাশ্য ইনফারেন্স বাস্তবায়ন ও পরীক্ষার সঙ্গে মিলে যাওয়া ওজনের রেকর্ড দেখানো হয়; ওজন লাগে না এমন অ্যালগরিদমও অন্তর্ভুক্ত। বন্ধ সেবা, অপ্রকাশিত ওজন ও অমিল পরীক্ষামূলক সংস্করণ বাদ দেওয়া হয়। এটি সব মডেলের সামগ্রিক তালিকা নয়।
প্রতিটি বেঞ্চমার্কে একই ওজনের সেট একবারই দেখানো হয়, নির্বাচিত সূচকে তার সেরা প্রকাশিত ফলাফলসহ। সামগ্রিক স্কোর একটি মূল্যায়ন থেকেই নেওয়া হয়। মূল্যায়ন ও সেটিংস তুলনা করতে প্রসারিত করুন।
ওজন প্রকাশ করলেই পূর্ণ ওপেন সোর্স লাইসেন্স নিশ্চিত হয় না। ঘোষিত ওজনের লাইসেন্স ও প্রবেশের শর্ত দেখতে তথ্য খুলুন। অঘোষিত লাইসেন্স আলাদাভাবে চিহ্নিত থাকে।
চিহ্নগুলি এখানে ব্যবহৃত মডেল বা উপাদান বোঝায়। স্কোর ও সেটিংস উদ্ধৃত পরীক্ষার; এগুলি সাইটের সম্পূর্ণ প্রক্রিয়ার নতুন মূল্যায়ন নয়।
প্রতিটি মডেলের সব মেট্রিক দেখতে ডেটাসেট বেছে নিন। সারিগুলি সরকারি র্যাঙ্ক বা নির্বাচিত মেট্রিক অনুযায়ী সাজানো হয়। প্রতি কলামের সেরা তুলনাযোগ্য মান, সমান মানসহ, গাঢ় করে দেখানো হয়। ভিন্ন মূল্যায়ন পদ্ধতির র্যাঙ্ক আলাদা থাকে; অনুপস্থিত স্কোর - দিয়ে দেখানো হয়।
স্থাপনযোগ্য 4 / উৎসের সারি 4
Sony README-এর নির্দিষ্ট সংস্করণ: MUSDB18-HQ ও museval-এর মধ্যমার মধ্যমা। শুধু এই পরীক্ষাপদ্ধতির ভেতরে তুলনা করা হয়; MVSEP বা অন্য গবেষণার স্কোরের সঙ্গে নয়।
| মেট্রিক র্যাঙ্ক | মডেল | পরীক্ষার শর্ত | Params | Input length | Batch Size | Training Steps | museval SDR · (Vocals / Accomp) | Download |
|---|---|---|---|---|---|---|---|---|
| - | Sony BS-RoFormer Small baselineপ্রকাশ্য ওজন · ইনফারেন্স কোড | Small | 12.1 M | 4 sec | 96 | 1,000,000 | 9.64 / 16.80 | Download |
| - | Sony MIMO BS-RoFormer Smallপ্রকাশ্য ওজন · ইনফারেন্স কোড | Small | 16.3 M | 4 sec | 96 | 1,000,000 | 10.17 / 17.64 | Download |
| - | Sony BS-RoFormer Large baselineপ্রকাশ্য ওজন · ইনফারেন্স কোড | Large | 72.2 M | 8 sec | 96 | 1,000,000 | 11.40 / 18.48 | Download |
| - | Sony MIMO BS-RoFormer Largeএই সাইটে ব্যবহৃত মডেলপ্রকাশ্য ওজন · ইনফারেন্স কোড | Large | 71.4 M | 8 sec | 96 | 1,000,000 | 11.62 / 19.04 | Download |
চিহ্নগুলি এখানে ব্যবহৃত মডেল বা উপাদান বোঝায়। স্কোর ও সেটিংস উদ্ধৃত পরীক্ষার; এগুলি সাইটের সম্পূর্ণ প্রক্রিয়ার নতুন মূল্যায়ন নয়।
ডেটাসেট, সংস্করণ ও শর্ত আলাদা থাকে; যোগ্য সারি না থাকা উৎসও রাখা হয়।
স্থাপনযোগ্য 4 / উৎসের সারি 4
স্কোর নির্দিষ্ট ডেটাসেট, মেট্রিক ও মডেল সংস্করণের জন্য প্রযোজ্য; ভিন্ন পরীক্ষার ফল সরাসরি তুলনাযোগ্য নয়।
টেবিলে শুধু সেই মডেলগুলো আছে যাদের প্রকাশ্য ওজন বা কনফিগারেশন রয়েছে এবং স্থানীয়ভাবে চালানো যায়।
প্রতিটি মডেলের সব মেট্রিক দেখতে ডেটাসেট বেছে নিন। সারিগুলি সরকারি র্যাঙ্ক বা নির্বাচিত মেট্রিক অনুযায়ী সাজানো হয়। প্রতি কলামের সেরা তুলনাযোগ্য মান, সমান মানসহ, গাঢ় করে দেখানো হয়। ভিন্ন মূল্যায়ন পদ্ধতির র্যাঙ্ক আলাদা থাকে; অনুপস্থিত স্কোর - দিয়ে দেখানো হয়।
স্থাপনযোগ্য 4 / উৎসের সারি 4
Sony README-এর নির্দিষ্ট সংস্করণ: MUSDB18-HQ ও museval-এর মধ্যমার মধ্যমা। শুধু এই পরীক্ষাপদ্ধতির ভেতরে তুলনা করা হয়; MVSEP বা অন্য গবেষণার স্কোরের সঙ্গে নয়।
| মেট্রিক র্যাঙ্ক | মডেল | পরীক্ষার শর্ত | Params | Input length | Batch Size | Training Steps | museval SDR · (Vocals / Accomp) | Download |
|---|---|---|---|---|---|---|---|---|
| - | Sony BS-RoFormer Small baselineপ্রকাশ্য ওজন · ইনফারেন্স কোড | Small | 12.1 M | 4 sec | 96 | 1,000,000 | 9.64 / 16.80 | Download |
| - | Sony MIMO BS-RoFormer Smallপ্রকাশ্য ওজন · ইনফারেন্স কোড | Small | 16.3 M | 4 sec | 96 | 1,000,000 | 10.17 / 17.64 | Download |
| - | Sony BS-RoFormer Large baselineপ্রকাশ্য ওজন · ইনফারেন্স কোড | Large | 72.2 M | 8 sec | 96 | 1,000,000 | 11.40 / 18.48 | Download |
| - | Sony MIMO BS-RoFormer Largeপ্রকাশ্য ওজন · ইনফারেন্স কোড | Large | 71.4 M | 8 sec | 96 | 1,000,000 | 11.62 / 19.04 | Download |