Carregando...
Separe músicas em faixas vocais e instrumentais para ouvir, mixar ou praticar com acompanhamento.
Entrada
Suporta entradas em formatos como mp3 / wav / flac / ogg / m4a / aac / aif / aiff / mp4 / mov / mkv
Formatos suportados
Produção
4 × WAV
Caso de uso
Sony MIMO SCNet gera voz, baixo, bateria e outros instrumentos em duas iterações. Gen acrescenta ruído generativo. Cada versão tem vantagens, sem superioridade geral comprovada sobre Huge SCNet.
Escolha um modelo para seu material e objetivo e confira os exemplos antes de enviar.
Custo, tempo, formatos e parâmetros dependem do modelo escolhido.
No feedback, informe a ferramenta, os passos e o problema encontrado. Capturas de tela ajudam a localizá-lo.
Sony MIMO SCNet separa voz, bateria, baixo e outros instrumentos, com versões SCNet e SCNet Gen.
CrowdioSet SCNet: M1 usa áudio limpo, M2 acrescenta reverberação, M3 plateia e M4 ambos. M1/M2 geram quatro faixas; M3/M4 acrescentam a plateia. A reverberação é mantida e o canto da plateia pode permanecer.
CrowdioSet SCNet: M1 usa áudio limpo, M2 acrescenta reverberação, M3 plateia e M4 ambos. M1/M2 geram quatro faixas; M3/M4 acrescentam a plateia. A reverberação é mantida e o canto da plateia pode permanecer.
CrowdioSet SCNet: M1 usa áudio limpo, M2 acrescenta reverberação, M3 plateia e M4 ambos. M1/M2 geram quatro faixas; M3/M4 acrescentam a plateia. A reverberação é mantida e o canto da plateia pode permanecer.
CrowdioSet SCNet: M1 usa áudio limpo, M2 acrescenta reverberação, M3 plateia e M4 ambos. M1/M2 geram quatro faixas; M3/M4 acrescentam a plateia. A reverberação é mantida e o canto da plateia pode permanecer.
BS-RoFormer SW Fixed usa BS-Rofo-SW-Fixed.ckpt mais BS-Rofo-SW-Fixed.yaml para dividir uma mixagem completa em six WAV stems.
Separa uma mistura completa em quatro stems padrão no estilo MUSDB.
XLANCE-MSR é um sistema de source-restoration de oito classes para separação, além de redução de ruído, dereverb e restauração com MIT checkpoint weights público. Não é uma direção não relacionada; É uma extensão de engenharia/desafio construída a partir de uma rota six-stem BS-RoFormer forte.
MVSep Mega 53 Stems separa a mixagem pelos instrumentos detectados para explorar arranjos complexos. Algumas partes podem ficar menos limpas do que com modelos especializados.
BS-RoFormer SW Fixed usa BS-Rofo-SW-Fixed.ckpt mais BS-Rofo-SW-Fixed.yaml para dividir uma mixagem completa em six WAV stems.
MDX23C Phantom Centre extrai sinais semelhantes dos canais estéreo e um resíduo lateral. Pode incluir instrumentos centralizados e deixar vozes deslocadas; não identifica instrumentos.
Extrai as cordas friccionadas e exporta o restante do áudio. Timbres semelhantes e cordas sintetizadas podem vazar entre as faixas.
arXiv - 2026
SDR médio das tabelas 2 e 3: clean é limpo, noisy inclui plateia e noisyrev inclui plateia e reverberação. Classificações separadas por condição; treinamento com reverberação não significa remoção dela.
SDX23 music separation track - 2023
BS-RoFormer utiliza recursos de espectrograma dividido em banda mais transformadores RoPE; o sistema SDX23 ficou em primeiro lugar na faixa de separação de fontes musicais e uma versão menor reportou uma média de 9,80 dB SDR em MUSDB18HQ.
ICASSP - 2023
O HT Demucs substitui as camadas centrais do Demucs por cross-domain Transformer attention e reporta 9,20 dB SDR com dados extras e ajustes finos.
ICASSP - 2025
Apresenta a arquitetura de compressão esparsa de sub-bandas usada pelo Huge-SCNet-4stems: o espectrograma da mixagem é dividido em bandas comprimidas em proporções diferentes para uma separação eficiente e de alta qualidade.
arXiv - 2026
Relatório técnico do sistema XLANCE-MSR submetido ao primeiro Music Source Restoration Challenge.
arXiv - 2026
Resumo do desafio descrevendo a tarefa MSR, conjuntos de dados, métricas objetivas, avaliação subjetiva e tabelas finais de classificação.
arXiv - 2026
README Sony fixado: MUSDB18-HQ, mediana das medianas no museval. Compare somente neste protocolo, separadamente de MVSEP e outros artigos.
4 categorias de saída
São exibidos apenas registros com implementação pública de inferência e pesos correspondentes verificados, além de algoritmos que não precisam de pesos. Serviços fechados, pesos não publicados e versões experimentais sem correspondência confirmada são excluídos. Esta não é uma classificação de todos os modelos.
Cada conjunto de pesos aparece uma vez por teste, com o melhor resultado publicado para a métrica selecionada. A pontuação geral vem de uma única avaliação. Expanda para comparar avaliações e configurações.
Pesos públicos não comprovam uma licença de código aberto completa. Expanda os dados para consultar as licenças declaradas e as condições de acesso. Licenças não declaradas são indicadas separadamente.
As marcações identificam modelos ou componentes usados aqui. As pontuações e configurações vêm dos testes citados, não de uma nova avaliação de todo o processo do site.
Escolha um conjunto de dados para ver todas as métricas de cada modelo. As linhas seguem a classificação oficial ou a métrica selecionada. O negrito indica o melhor valor comparável de cada coluna, incluindo empates. Protocolos de avaliação diferentes são classificados separadamente; pontuações ausentes aparecem como -.
Entradas implantáveis 3 / linhas originais 3
README Sony fixado: MUSDB18-HQ, mediana das medianas no museval. Compare somente neste protocolo, separadamente de MVSEP e outros artigos.
| Classificação por métrica | Modelo | Params | Input length | Batch Size | Training Steps | museval SDR · (Vocals / Bass / Drums / Other) | Download |
|---|---|---|---|---|---|---|---|
| - | Sony SCNet baselinePesos públicos · Código de inferência | 10.6 M | 11 sec | 48 | 1,500,000 | 9.71 / 9.65 / 10.61 / 7.26 | Download |
| - | Sony MIMO SCNetModelo usado aquiPesos públicos · Código de inferência | 10.6 M | 11 sec | 48 | 1,500,000 | 9.82 / 10.46 / 10.93 / 7.69 | Download |
| - | Sony MIMO SCNet GenPesos públicos · Código de inferência | 10.6 M | 11 sec | 48 | 1,500,000 | 9.88 / 10.17 / 10.81 / 7.61 | Download |
As marcações identificam modelos ou componentes usados aqui. As pontuações e configurações vêm dos testes citados, não de uma nova avaliação de todo o processo do site.
Conjuntos, versões e condições ficam separados, inclusive fontes sem linhas elegíveis.
Entradas implantáveis 3 / linhas originais 3
As pontuações correspondem ao conjunto de dados, métrica e versão indicados; testes diferentes não são diretamente comparáveis.
A tabela inclui apenas modelos com pesos ou configurações públicas que podem ser executados localmente.
Escolha um conjunto de dados para ver todas as métricas de cada modelo. As linhas seguem a classificação oficial ou a métrica selecionada. O negrito indica o melhor valor comparável de cada coluna, incluindo empates. Protocolos de avaliação diferentes são classificados separadamente; pontuações ausentes aparecem como -.
Entradas implantáveis 3 / linhas originais 3
README Sony fixado: MUSDB18-HQ, mediana das medianas no museval. Compare somente neste protocolo, separadamente de MVSEP e outros artigos.
| Classificação por métrica | Modelo | Params | Input length | Batch Size | Training Steps | museval SDR · (Vocals / Bass / Drums / Other) | Download |
|---|---|---|---|---|---|---|---|
| - | Sony SCNet baselinePesos públicos · Código de inferência | 10.6 M | 11 sec | 48 | 1,500,000 | 9.71 / 9.65 / 10.61 / 7.26 | Download |
| - | Sony MIMO SCNetPesos públicos · Código de inferência | 10.6 M | 11 sec | 48 | 1,500,000 | 9.82 / 10.46 / 10.93 / 7.69 | Download |
| - | Sony MIMO SCNet GenPesos públicos · Código de inferência | 10.6 M | 11 sec | 48 | 1,500,000 | 9.88 / 10.17 / 10.81 / 7.61 | Download |