VOCANO: A Note Transcription Framework for Singing Voice in Polyphonic Music
ISMIR - 2021
VOCANO Patch-CNN দিয়ে কণ্ঠের পিচ বের করে এবং PyramidNet-110 দিয়ে নোটের সীমানা নির্ধারণ করে। প্রকাশিত অনুমান চালানোর পথে অতিরিক্ত মডেল নিয়ন্ত্রণ নেই।
লোড হচ্ছে...
গান, গুনগুন বা কণ্ঠের ট্র্যাক MIDI-তে বদলান। সুর ঠিক করার আগে ROSVOT, GAME, SOME ও VOCANO তুলনা করুন।
ইনপুট
খালি গলার গান, গুনগুন বা আলাদা লিড ভোকাল আপলোড করুন। শুধু তৈরি গান থাকলে ‘পূর্ণ গান’ বাছুন; ট্রান্সক্রিপশনের আগে লিড ভোকাল আলাদা হবে।
সমর্থিত বিন্যাস
আউটপুট
MIDI
কেস ব্যবহার করুন
সম্পাদনা, দ্বিগুণ, সিন্থ প্রোগ্রামিং বা একটি স্বরলিপি খসড়ার জন্য একটি DAW-তে একটি গাওয়া সুর অনুলিপি করা।
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।
গানকে MIDI-তে বদলায়; গানের ভাষা, অংশ বিভাজন ও নোট শনাক্তকরণ ঠিক করা যায়।
শব্দ বা সঙ্গত লিক থাকা ভোকালের জন্য মজবুত পথ; বর্তমান অফিসিয়াল চেকপয়েন্টটি মূলত ম্যান্ডারিন গানে প্রশিক্ষিত।
SOME দ্রুত ও হালকা singing-to-MIDI পথ।
VOCANO Patch-CNN দিয়ে কণ্ঠের পিচ বের করে এবং PyramidNet-110 দিয়ে নোটের সীমানা নির্ধারণ করে। প্রকাশিত অনুমান চালানোর পথে অতিরিক্ত মডেল নিয়ন্ত্রণ নেই।
GAME v1.0.3-এর আলাদা মূল্যায়ন ফলাফল এখনও তালিকায় নেই।
ISMIR - 2021
VOCANO Patch-CNN দিয়ে কণ্ঠের পিচ বের করে এবং PyramidNet-110 দিয়ে নোটের সীমানা নির্ধারণ করে। প্রকাশিত অনুমান চালানোর পথে অতিরিক্ত মডেল নিয়ন্ত্রণ নেই।
ACL - 2024
শব্দ বা সঙ্গত লিক থাকা ভোকালের জন্য মজবুত পথ; বর্তমান অফিসিয়াল চেকপয়েন্টটি মূলত ম্যান্ডারিন গানে প্রশিক্ষিত।
Official technical guide - 2026
Official technical guide - 2023
SOME দ্রুত ও হালকা singing-to-MIDI পথ।
এখানে এবং অন্যত্র ব্যবহৃত মডেলগুলোর প্রকাশিত পরীক্ষার ফল অন্তর্ভুক্ত আছে। শুরুতে উৎসের সম্পূর্ণ সারণি দেখানো হয়; তুলনার জন্য শর্ত ও মাপকাঠিও বেছে নেওয়া যায়। ভিন্ন পরীক্ষার শর্তের স্কোর সরাসরি তুলনাযোগ্য নয়।
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।
ওজন প্রকাশ করলেই পূর্ণ ওপেন সোর্স লাইসেন্স নিশ্চিত হয় না। ঘোষিত ওজনের লাইসেন্স ও প্রবেশের শর্ত দেখতে তথ্য খুলুন। অঘোষিত লাইসেন্স আলাদাভাবে চিহ্নিত থাকে।
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।
লেখকদের ব্যক্তিগত ডেটা, আলাদা রাখা 100টি রেকর্ডিং; প্রতিটি আকারে প্রকাশিত সেরা K ব্যবহৃত। OA হলো সামগ্রিক ফ্রেম নির্ভুলতা, নোট F1 নয়; ROSVOT স্কোরের সঙ্গে মেশানো যাবে না।
| মেট্রিক র্যাঙ্ক | মডেল | একই পরীক্ষার পদ্ধতিতে সামগ্রিক ক্রম↑OA (%) | QER (%)↓ | Presence F1 (%)↑ | RPA (%)↑ | Pitch RMSE↓ | Chamfer (frames)↓ |
|---|---|---|---|---|---|---|---|
| 1 | GAME 1.0 Medium · K=8প্রকাশ্য ওজন · ইনফারেন্স কোড | 95.03 | 12.3 | 99.23 | 94.86 | 0.552 | 1.44 |
| 1 | GAME 1.0 Large · K=1এই সাইটে ব্যবহৃত মডেলপ্রকাশ্য ওজন · ইনফারেন্স কোড | 95.03 | 12.87 | 99.15 | 94.92 | 0.684 | 1.44 |
| 3 | GAME 1.0 Small · K=2প্রকাশ্য ওজন · ইনফারেন্স কোড | 94.99 | 13.13 | 99.14 | 94.99 | 0.653 | 1.5 |
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 2 / উৎসের সারি 10
এই পরীক্ষাগুলোর পূর্ণ প্রকাশ্য ইনফারেন্স প্যাকেজ যাচাই করা হয়নি। একই নামের মডেলের অন্য ওজন বিকল্প নয়।
TONY · VOCANO · MusicYOLO · Yong et al. (2023) · ℳ (conformer) · ℳ (conv) · ℳ (w/o wbd) · ℳ (w/o noise)
স্কোর নির্দিষ্ট ডেটাসেট, মেট্রিক ও মডেল সংস্করণের জন্য প্রযোজ্য; ভিন্ন পরীক্ষার ফল সরাসরি তুলনাযোগ্য 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 2 / উৎসের সারি 10
এই পরীক্ষাগুলোর পূর্ণ প্রকাশ্য ইনফারেন্স প্যাকেজ যাচাই করা হয়নি। একই নামের মডেলের অন্য ওজন বিকল্প নয়।
TONY · VOCANO · MusicYOLO · Yong et al. (2023) · ℳ (conformer) · ℳ (conv) · ℳ (w/o wbd) · ℳ (w/o noise)
শব্দ বা সঙ্গত লিক থাকা ভোকালের জন্য মজবুত পথ; বর্তমান অফিসিয়াল চেকপয়েন্টটি মূলত ম্যান্ডারিন গানে প্রশিক্ষিত।
| মেট্রিক র্যাঙ্ক | মডেল | COn (F) ↑ | COff (F) ↑ | COnPOff (F) ↑ | Pitch (AOR) ↑ | Melody (RPA) ↑ | |||||
|---|---|---|---|---|---|---|---|---|---|---|---|
| clean | noisy | clean | noisy | clean | noisy | clean | noisy | clean | noisy | ||
| 1 | ℳ (ours)প্রকাশ্য ওজন · ইনফারেন্স কোড | 94.0 | 93.8 | 94.5 | 94.4 | 77.4 | 77.0 | 97.0 | 97.1 | 87.6 | 87.4 |
| 2 | ℳ (w/ E W )প্রকাশ্য ওজন · ইনফারেন্স কোড | 93.3 | 93.5 | 93.2 | 92.9 | 77.1 | 77.0 | 96.5 | 96.2 | 87.5 | 87.2 |