mp3 / wav / flac / ogg / m4a / aac / aif / aiff / mp4 / mov / mkv এর মতো ফর্ম্যাটগুলিতে ইনপুট সমর্থন করে
সমর্থিত বিন্যাস
mp3wavflacoggm4aaacaifaiffmp4movmkv
আউটপুট
MIDI
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।
এই ক্ষেত্রের মডেলসমূহ
18টি 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।
সামগ্রিক ক্রমবেশি মান ভালো · সেরা আগে
এই পরীক্ষার প্রকাশিত প্রধান সূচক ব্যবহৃত হয়; ভিন্ন পরীক্ষার স্কোর একত্র করা হয় না।
SwiftF0 0.2.0 লেখকের সর্বশেষ pitch-benchmark ব্যবহার করে: 10 করপাস, 8 শর্ত, 50 cents সহনসীমা। এটি পিচ F1; RMVPE-এর সঙ্গে পার্থক্য পরিসংখ্যানগতভাবে অনির্ধারিত। অসমমিত 95% CI রাখা হয়েছে। অসম্পূর্ণ ফলের জন্য REAPER ক্রমতালিকায় নেই; পুরোনো 0.1.x গবেষণা 0.2.0-এর মূল্যায়ন নয়।
চিহ্নগুলি এখানে ব্যবহৃত মডেল বা উপাদান বোঝায়। স্কোর ও সেটিংস উদ্ধৃত পরীক্ষার; এগুলি সাইটের সম্পূর্ণ প্রক্রিয়ার নতুন মূল্যায়ন নয়।
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।
ফল ডেটাসেট অনুযায়ী আলাদা। FiloBass সারণি 5 অন্য অ্যালগরিদমের ফল; বর্তমান FiloBass ওজনের প্রকাশিত স্কোর নেই।
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।
ফল ডেটাসেট অনুযায়ী আলাদা। FiloBass সারণি 5 অন্য অ্যালগরিদমের ফল; বর্তমান FiloBass ওজনের প্রকাশিত স্কোর নেই।
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।
ফল ডেটাসেট অনুযায়ী আলাদা। FiloBass সারণি 5 অন্য অ্যালগরিদমের ফল; বর্তমান FiloBass ওজনের প্রকাশিত স্কোর নেই।
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।
ফল ডেটাসেট অনুযায়ী আলাদা। FiloBass সারণি 5 অন্য অ্যালগরিদমের ফল; বর্তমান FiloBass ওজনের প্রকাশিত স্কোর নেই।
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।
ফল ডেটাসেট অনুযায়ী আলাদা। FiloBass সারণি 5 অন্য অ্যালগরিদমের ফল; বর্তমান FiloBass ওজনের প্রকাশিত স্কোর নেই।
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।
ফল ডেটাসেট অনুযায়ী আলাদা। FiloBass সারণি 5 অন্য অ্যালগরিদমের ফল; বর্তমান FiloBass ওজনের প্রকাশিত স্কোর নেই।
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।
SwiftF0 0.2.0 লেখকের সর্বশেষ pitch-benchmark ব্যবহার করে: 10 করপাস, 8 শর্ত, 50 cents সহনসীমা। এটি পিচ F1; RMVPE-এর সঙ্গে পার্থক্য পরিসংখ্যানগতভাবে অনির্ধারিত। অসমমিত 95% CI রাখা হয়েছে। অসম্পূর্ণ ফলের জন্য REAPER ক্রমতালিকায় নেই; পুরোনো 0.1.x গবেষণা 0.2.0-এর মূল্যায়ন 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।
Tsumugi Other ও Vocal Harmony-এর সূচক COnP, COnF1 নয়। প্রকাশিত ফল v1.5-এর; ডিফল্ট Vocal Harmony v1.6-এর স্কোর নেই। বাদ্যযন্ত্রের সূক্ষ্ম শ্রেণিবিন্যাস পরীক্ষামূলক; ডেটাসেট আলাদা দেখানো হয়।
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।
Tsumugi Other ও Vocal Harmony-এর সূচক COnP, COnF1 নয়। প্রকাশিত ফল v1.5-এর; ডিফল্ট Vocal Harmony v1.6-এর স্কোর নেই। বাদ্যযন্ত্রের সূক্ষ্ম শ্রেণিবিন্যাস পরীক্ষামূলক; ডেটাসেট আলাদা দেখানো হয়।
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।
Tsumugi Other ও Vocal Harmony-এর সূচক COnP, COnF1 নয়। প্রকাশিত ফল v1.5-এর; ডিফল্ট Vocal Harmony v1.6-এর স্কোর নেই। বাদ্যযন্ত্রের সূক্ষ্ম শ্রেণিবিন্যাস পরীক্ষামূলক; ডেটাসেট আলাদা দেখানো হয়।
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।
Tsumugi Other ও Vocal Harmony-এর সূচক COnP, COnF1 নয়। প্রকাশিত ফল v1.5-এর; ডিফল্ট Vocal Harmony v1.6-এর স্কোর নেই। বাদ্যযন্ত্রের সূক্ষ্ম শ্রেণিবিন্যাস পরীক্ষামূলক; ডেটাসেট আলাদা দেখানো হয়।
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
2/2 সারি দেখানো হচ্ছে · 1 মেট্রিক
Tsumugi · instrument refinement
পদমর্যাদা
পরীক্ষার শর্ত
মডেল
ACC (%)
#1
Held-out RWC-I
Instrument refinement model
74.50
#2
Held-out RWC-I
Base instrument classifier
71.30
মডেল, পরামিতি এবং উত্স
SwiftF0 0.2.0 একক সুরের রেকর্ডিংয়ে আনুষ্ঠানিক পিচ অনুসরণ ও নোট বিভাজন ব্যবহার করে। MIDI, প্রতি ফ্রেমের পিচের CSV এবং একটি লেখচিত্র রপ্তানি করে।
SwiftF0 0.2.0 লেখকের সর্বশেষ pitch-benchmark ব্যবহার করে: 10 করপাস, 8 শর্ত, 50 cents সহনসীমা। এটি পিচ F1; RMVPE-এর সঙ্গে পার্থক্য পরিসংখ্যানগতভাবে অনির্ধারিত। অসমমিত 95% CI রাখা হয়েছে। অসম্পূর্ণ ফলের জন্য REAPER ক্রমতালিকায় নেই; পুরোনো 0.1.x গবেষণা 0.2.0-এর মূল্যায়ন নয়।
Basic Pitch
Basic Pitch প্রায় যেকোনো বাদ্যযন্ত্রের পলিফোনিক পরিবেশনা—কণ্ঠসহ—MIDI-তে রূপান্তর করে; চাইলে pitch bend-সহ note-event CSV-ও দেয়। একবারে একটি বাদ্যযন্ত্রের রেকর্ডিংয়ে এটি সবচেয়ে ভালো কাজ করে।
নোট শুরুর সীমা — মডেলের আনুষ্ঠানিক নিয়ন্ত্রণ; নিশ্চিত না হলে ডিফল্ট রাখুন।
ফ্রেম সীমা — মডেলের আনুষ্ঠানিক নিয়ন্ত্রণ; নিশ্চিত না হলে ডিফল্ট রাখুন।
সর্বনিম্ন নোট দৈর্ঘ্য (ms) — মডেলের আনুষ্ঠানিক নিয়ন্ত্রণ; নিশ্চিত না হলে ডিফল্ট রাখুন।
সর্বনিম্ন কম্পাঙ্ক (Hz) — মডেলের আনুষ্ঠানিক নিয়ন্ত্রণ; নিশ্চিত না হলে ডিফল্ট রাখুন।
সর্বোচ্চ কম্পাঙ্ক (Hz) — মডেলের আনুষ্ঠানিক নিয়ন্ত্রণ; নিশ্চিত না হলে ডিফল্ট রাখুন।
একাধিক pitch bend — মডেলের আনুষ্ঠানিক নিয়ন্ত্রণ; নিশ্চিত না হলে ডিফল্ট রাখুন।
Melodia পরবর্তী প্রক্রিয়া — মডেলের আনুষ্ঠানিক নিয়ন্ত্রণ; নিশ্চিত না হলে ডিফল্ট রাখুন।
ইনফারেন্সের পরে Beat This final0 MIDI-তে বৈধ স্থির গতি বা প্রতি স্পন্দনের গতি-মানচিত্র লেখে এবং সব ঘটনার সেকেন্ড অবস্থান অপরিবর্তিত রাখে। বৈধ স্পন্দন-প্রমাণ তৈরি না হলে মডেলের পূর্বনির্ধারিত গতিসহ MIDI দেওয়ার বদলে কাজ ব্যর্থ হয়।
GAPS
GAPS পরিষ্কার বা আলাদা করা একক গিটারকে নোট ইভেন্ট ও MIDI-তে রূপান্তর করে। তারের অবস্থান, ফ্রেট, অবিচ্ছিন্ন F0 বা Pitch Bend দেয় না। মূল রেকর্ডিংয়ের সঙ্গে তুলনা করে MIDI ভেলোসিটি ঠিক করুন।
ফল ডেটাসেট অনুযায়ী আলাদা। FiloBass সারণি 5 অন্য অ্যালগরিদমের ফল; বর্তমান FiloBass ওজনের প্রকাশিত স্কোর নেই।
Guitar-FL
Guitar-FL François Leduc ডেটা ডোমেনের গিটার সোলোকে বিচ্ছিন্ন নোট ইভেন্ট ও MIDI-তে রূপান্তর করে; FL মানে frame-level নয়। এটি ধারাবাহিক F0 বা Pitch Bend দেয় না।
ফল ডেটাসেট অনুযায়ী আলাদা। FiloBass সারণি 5 অন্য অ্যালগরিদমের ফল; বর্তমান FiloBass ওজনের প্রকাশিত স্কোর নেই।
FiloSax
FiloSax একস্বরের জ্যাজ স্যাক্সোফোন সোলোকে লক্ষ্য করে এবং বিচ্ছিন্ন পিচ, শুরু ও শেষের ইভেন্ট MIDI হিসেবে দেয়। এটি ধারাবাহিক পিচ, স্লাইড বা ভাইব্রেটো ট্র্যাক দেয় না।
ফল ডেটাসেট অনুযায়ী আলাদা। FiloBass সারণি 5 অন্য অ্যালগরিদমের ফল; বর্তমান FiloBass ওজনের প্রকাশিত স্কোর নেই।
FiloBass
FiloBass একস্বরের জ্যাজ ডাবল বেস (double bass / upright bass)-এর জন্য, সাধারণ বা ইলেকট্রিক বেসের জন্য নয়। পরিষ্কার বা আলাদা করা stem ব্যবহার করুন; কিক ও নিম্ন-কম্পাঙ্কের লিকেজ ভুল নোট তৈরি করতে পারে।
ফল ডেটাসেট অনুযায়ী আলাদা। FiloBass সারণি 5 অন্য অ্যালগরিদমের ফল; বর্তমান FiloBass ওজনের প্রকাশিত স্কোর নেই।
VioPTT
VioPTT ভায়োলিন নোট ইভেন্ট এবং détaché, flageolet, spiccato, pizzicato—এই চার কৌশলের একটি বা কোনো কৌশল নয় এমন লেবেল দেয়। MIDI velocity স্থির; এটি পরিবেশনের ডায়নামিক্সের মাপ নয়।
প্রথমে আলাদা করুন: টার্গেট অডিও প্রতিলিপি করার আগে vocals / সঙ্গী বা stems বিভক্ত করুন।
Source Stem-এর সঙ্গে মেলা প্রকাশিত checkpoint বেছে নিন; এটি manual routing, automatic recognition নয়।
STrADi · Offline
STRAdi Offline হলো মিলযুক্ত non-causal (অকারণগত), পূর্ণ-প্রসঙ্গ রেফারেন্স পথ। এটি একই পৃথক MIDI এবং নোটের শুরু, শেষ ও pitch CSV দেয়; এটিও প্রকাশিত score-following ব্যবস্থা নয়।
প্রথমে আলাদা করুন: টার্গেট অডিও প্রতিলিপি করার আগে vocals / সঙ্গী বা stems বিভক্ত করুন।
Source Stem-এর সঙ্গে মেলা প্রকাশিত checkpoint বেছে নিন; এটি manual routing, automatic recognition নয়।
STrADi · Online
STRAdi Online পরিষ্কার সোলো ভায়োলিনের জন্য সম্পূর্ণ causal inference ব্যবহার করে, যেখানে ভবিষ্যৎ context নেই। এটি বিচ্ছিন্ন MIDI এবং onset, offset ও pitch CSV দেয়; প্রকাশ্য repository-তে score-following system নেই।
GAPS: A Large and Diverse Classical Guitar Dataset and Benchmark Transcription Model
ISMIR - 2024
GAPS পরিষ্কার বা আলাদা করা একক গিটারকে নোট ইভেন্ট ও MIDI-তে রূপান্তর করে। তারের অবস্থান, ফ্রেট, অবিচ্ছিন্ন F0 বা Pitch Bend দেয় না। মূল রেকর্ডিংয়ের সঙ্গে তুলনা করে MIDI ভেলোসিটি ঠিক করুন।
High Resolution Guitar Transcription via Domain Adaptation
ICASSP - 2024
Guitar-FL François Leduc ডেটা ডোমেনের গিটার সোলোকে বিচ্ছিন্ন নোট ইভেন্ট ও MIDI-তে রূপান্তর করে; FL মানে frame-level নয়। এটি ধারাবাহিক F0 বা Pitch Bend দেয় না।
Reconstructing the Charlie Parker Omnibook using an audio-to-score automatic transcription pipeline
SMC - 2024
FiloSax একস্বরের জ্যাজ স্যাক্সোফোন সোলোকে লক্ষ্য করে এবং বিচ্ছিন্ন পিচ, শুরু ও শেষের ইভেন্ট MIDI হিসেবে দেয়। এটি ধারাবাহিক পিচ, স্লাইড বা ভাইব্রেটো ট্র্যাক দেয় না।
FiloBass: A Dataset and Corpus Based Study of Jazz Basslines
ISMIR - 2023
FiloBass একস্বরের জ্যাজ ডাবল বেস (double bass / upright bass)-এর জন্য, সাধারণ বা ইলেকট্রিক বেসের জন্য নয়। পরিষ্কার বা আলাদা করা stem ব্যবহার করুন; কিক ও নিম্ন-কম্পাঙ্কের লিকেজ ভুল নোট তৈরি করতে পারে।
VioPTT: Violin Playing Technique-Aware Transcription from Synthetic Data Augmentation
ICASSP - 2026
VioPTT ভায়োলিন নোট ইভেন্ট এবং détaché, flageolet, spiccato, pizzicato—এই চার কৌশলের একটি বা কোনো কৌশল নয় এমন লেবেল দেয়। MIDI velocity স্থির; এটি পরিবেশনের ডায়নামিক্সের মাপ নয়।
A Lightweight Instrument-Agnostic Model for Polyphonic Note Transcription and Multipitch Estimation
ICASSP - 2022
Basic Pitch প্রায় যেকোনো বাদ্যযন্ত্রের পলিফোনিক পরিবেশনা—কণ্ঠসহ—MIDI-তে রূপান্তর করে; চাইলে pitch bend-সহ note-event CSV-ও দেয়। একবারে একটি বাদ্যযন্ত্রের রেকর্ডিংয়ে এটি সবচেয়ে ভালো কাজ করে।
Instrument-Agnostic AMT: released checkpoints and inference guide
Official technical guide - 2026
উপযুক্ত অফিসিয়াল মডেল দিয়ে আলাদা বাদ্যযন্ত্র, কণ্ঠ বা ড্রাম ট্র্যাককে MIDI-তে রূপান্তর করুন। কণ্ঠের হারমনি v1.6 ওজনও সমর্থন করে। বাদ্যযন্ত্রের লেবেল সংশোধন পরীক্ষামূলক।
SwiftF0 0.2.0 লেখকের সর্বশেষ pitch-benchmark ব্যবহার করে: 10 করপাস, 8 শর্ত, 50 cents সহনসীমা। এটি পিচ F1; RMVPE-এর সঙ্গে পার্থক্য পরিসংখ্যানগতভাবে অনির্ধারিত। অসমমিত 95% CI রাখা হয়েছে। অসম্পূর্ণ ফলের জন্য REAPER ক্রমতালিকায় নেই; পুরোনো 0.1.x গবেষণা 0.2.0-এর মূল্যায়ন নয়।
ওয়ার্কফ্লো
1একটি যন্ত্রের রেকর্ডিং দিয়ে বিশেষায়িত মডেল বাছুন।
2DAW-তে MIDI নোটের স্বর, শুরু ও দৈর্ঘ্য যাচাই করুন।
জমা দেওয়ার আগে
Source Stem-এর সঙ্গে মেলা প্রকাশিত checkpoint বেছে নিন; এটি manual routing, automatic recognition নয়।
যদি অন্যান্য যন্ত্রগুলি মিশ্রিত হয় তবে প্রতিলিপি করার আগে প্রথমে তাদের আলাদা করুন
দ্রুত মতামত
মতামতে টুলের নাম, ধাপগুলো এবং সমস্যাটি লিখুন। স্ক্রিনশট দিলে সমস্যা খুঁজতে সুবিধা হয়।