Carregando...

Voz para MIDI · ROSVOT / GAME · TelkNet

MIDI / transcriçãoGPU carga de trabalhoGAME · Código-fonte GAME v1.0.3 · Pesos GAME v1.0.3 · Registro de alterações GAME · Artigo GAME · Artigo

Voz para MIDI

Converta canto, cantarolar ou faixas vocais em MIDI. Compare ROSVOT, GAME, SOME e VOCANO antes de corrigir a melodia.

25 créditos/usoEntrada de arquivoMáximo 100 MBEstimado em 45-1800 segundos

Entrada

Envie voz solo, um cantarolar ou uma faixa de voz principal isolada. Se só tiver a música pronta, escolha “Música completa” para separar a voz principal antes da transcrição.

Formatos suportados

mp3wavflacoggm4aaacaifaiffmp4movmkv

Produção

MIDI

Caso de uso

Copiar uma melodia cantada em um DAW para edição, duplicação, programação de sintetizador ou rascunho de notação.

Escolha uma família de modelos

Voz para MIDI · ROSVOTDisponívelCaminho robusto para voz cantada com ruído ou vazamento do acompanhamento; o checkpoint oficial atual foi treinado principalmente em canto em mandarim.Voz para MIDI · GAMEDisponívelConverte canto em MIDI com ajustes de idioma, segmentação e detecção de notas.Voz para MIDI · SOMEDisponívelO SOME é a rota rápida e leve de canto para MIDI.Voz para MIDI · VOCANODisponívelVOCANO extrai a altura vocal com Patch-CNN e determina os limites das notas com PyramidNet-110. A entrada de inferência publicada não oferece outros controles do modelo.

Escolha um modelo para seu material e objetivo e confira os exemplos antes de enviar.

Custo, tempo, formatos e parâmetros dependem do modelo escolhido.

Feedback rápido

No feedback, informe a ferramenta, os passos e o problema encontrado. Capturas de tela ajudam a localizá-lo.

Modelos, parâmetros e fontes

Converte canto em MIDI com ajustes de idioma, segmentação e detecção de notas.

ROSVOTROSVOT paper, Table 1ROSVOT + RWBDVOCANO: A Note Transcription Framework for Singing Voice in Polyphonic MusicRobust Singing Voice Transcription Serves SynthesisGAME: Generative Adaptive MIDI ExtractorSOME: Singing-Oriented MIDI ExtractorGAMESOMEVOCANO

ROSVOT

Caminho robusto para voz cantada com ruído ou vazamento do acompanhamento; o checkpoint oficial atual foi treinado principalmente em canto em mandarim.

ROSVOT source (pinned)ROSVOT project page ROSVOT paper

Limiar de limites de notas do ROSVOT: padrão 0.85; intervalo 0–1.
Limiar de limites de palavras do ROSVOT: padrão 0.5; intervalo 0–1.

GAME

GAME v1.0.3 source (pinned)GAME v1.0.3 weights GAME v1.0.3 technical guide (pinned)GAME v1.0.3 ONNX guide (pinned)

Deixe em branco para usar o ID de idioma oficial 0 do GAME. Isso não detecta o idioma automaticamente; selecione-o quando souber qual está sendo cantado.
Limite de segmentação — Controle oficial do modelo; em caso de dúvida, mantenha o valor padrão.
Raio de segmentação (s) — Controle oficial do modelo; em caso de dúvida, mantenha o valor padrão.
Início do D3PM — Controle oficial do modelo; em caso de dúvida, mantenha o valor padrão.
Etapas de remoção de ruído do GAME: padrão 8; intervalo 1–128.
Limite de estimativa — Controle oficial do modelo; em caso de dúvida, mantenha o valor padrão.
Após a transcrição, analisa as batidas originais e grava o andamento no MIDI, preservando os tempos das notas.
Resultados de avaliação específicos do GAME v1.0.3 ainda não estão listados.

SOME

O SOME é a rota rápida e leve de canto para MIDI.

SOME source (pinned)SOME baseline weights SOME technical guide (pinned)

Após a transcrição, analisa as batidas originais e grava o andamento no MIDI, preservando os tempos das notas.

VOCANO

VOCANO extrai a altura vocal com Patch-CNN e determina os limites das notas com PyramidNet-110. A entrada de inferência publicada não oferece outros controles do modelo.

VOCANO source and official weights VOCANO ISMIR 2021 paper

Use “Voz isolada / stem vocal” para voz a cappella ou já separada. Em “Música completa”, a voz principal será separada antes da transcrição.

Notas de papel e benchmarks

Resultados de avaliação específicos do GAME v1.0.3 ainda não estão listados.

GAME

Notas de papel e benchmarks

VOCANO: A Note Transcription Framework for Singing Voice in Polyphonic Music

ISMIR - 2021

VOCANO extrai a altura vocal com Patch-CNN e determina os limites das notas com PyramidNet-110. A entrada de inferência publicada não oferece outros controles do modelo.

Official source and citation

Robust Singing Voice Transcription Serves Synthesis

ACL - 2024

Caminho robusto para voz cantada com ruído ou vazamento do acompanhamento; o checkpoint oficial atual foi treinado principalmente em canto em mandarim.

Paper

GAME: Generative Adaptive MIDI Extractor

Official technical guide - 2026

v1.0.3 technical guide (pinned)v1.0.3 ONNX guide (pinned)v1.0.3 weights

SOME: Singing-Oriented MIDI Extractor

Official technical guide - 2023

O SOME é a rota rápida e leve de canto para MIDI.

Technical guide (pinned)Baseline weights

Oficiais / repositórios

ROSVOT source (pinned)ROSVOT project page GAME v1.0.3 source (pinned)GAME v1.0.3 weights SOME source (pinned)SOME baseline weights VOCANO source and official weights

Artigos / notas técnicas

ROSVOT paper GAME v1.0.3 technical guide (pinned)GAME v1.0.3 ONNX guide (pinned)SOME technical guide (pinned)VOCANO ISMIR 2021 paper

Guia de parâmetros

Use “Voz isolada / stem vocal” para voz a cappella ou já separada. Em “Música completa”, a voz principal será separada antes da transcrição.
Deixe em branco para usar o ID de idioma oficial 0 do GAME. Isso não detecta o idioma automaticamente; selecione-o quando souber qual está sendo cantado.
Limite de segmentação — Controle oficial do modelo; em caso de dúvida, mantenha o valor padrão.
Raio de segmentação (s) — Controle oficial do modelo; em caso de dúvida, mantenha o valor padrão.
Início do D3PM — Controle oficial do modelo; em caso de dúvida, mantenha o valor padrão.
Etapas de remoção de ruído do GAME: padrão 8; intervalo 1–128.
Limite de estimativa — Controle oficial do modelo; em caso de dúvida, mantenha o valor padrão.
Após a transcrição, analisa as batidas originais e grava o andamento no MIDI, preservando os tempos das notas.
Limiar de limites de notas do ROSVOT: padrão 0.85; intervalo 0–1.
Limiar de limites de palavras do ROSVOT: padrão 0.5; intervalo 0–1.

Casos de uso

Transforme uma linha vocal principal em notas editáveis.
Compare quatro modelos de transcrição quando a gravação apresenta sangramento, ruído ou limites de notas pouco claros.
Use o MIDI como faixa guia em um DAW e, em seguida, corrija os tons e a duração das notas de ouvido.

Fluxo de trabalho

1Escolha o tipo de áudio e envie voz solo, um stem vocal ou a música completa. A música completa será separada primeiro.
2Comece pelo modelo padrão; use a comparação em quatro versões quando for difícil avaliar um único resultado.
3Alterne entre o vocal original e cada rolo de piano, corrija o MIDI escolhido e faça o download.

O que conferir

Esta ferramenta segue a melodia cantada; não reconstrói bateria, acordes ou um arranjo completo.
GAME expõe controles de linguagem e segmentação. O checkpoint liberado do ROSVOT é treinado principalmente no canto mandarim.
A comparação executa quatro conversões separadas e entrega quatro arquivos MIDI independentes, sem combinar os modelos.

Modelos desta área

3 resultados

Inclui resultados públicos de testes de modelos usados aqui e em outros serviços. A tabela completa da fonte é exibida por padrão; também é possível escolher condições e métricas para comparação. Pontuações de condições de teste diferentes não são diretamente comparáveis.

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.

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.

Teste de referênciaCategoria

GAME 1.0 · Voz limpa

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 -.

Dados privados dos autores, 100 gravações reservadas; cada tamanho usa seu melhor K publicado. OA é a acurácia geral por quadro, não F1 de notas, e não se combina com ROSVOT.

Classificar por métrica

GAME 1.0 · Voz limpa
Classificação por métrica	Modelo	Classificação geral neste protocolo↑OA (%)	QER (%)↓	Presence F1 (%)↑	RPA (%)↑	Pitch RMSE↓	Chamfer (frames)↓
1	GAME 1.0 Medium · K=8 Pesos públicos · Código de inferência Pesos públicos Código de inferência`GAME-1.0.3-medium-onnx.zip`Licença dos pesos (declaração do repositório): MIT	95.03	12.3	99.23	94.86	0.552	1.44
1	GAME 1.0 Large · K=1Modelo usado aqui Pesos públicos · Código de inferência Pesos públicos Código de inferência`GAME-1.0.3-large-onnx.zip`Licença dos pesos (declaração do repositório): MIT	95.03	12.87	99.15	94.92	0.684	1.44
3	GAME 1.0 Small · K=2 Pesos públicos · Código de inferência Pesos públicos Código de inferência`GAME-1.0.3-small-onnx.zip`Licença dos pesos (declaração do repositório): MIT	94.99	13.13	99.14	94.99	0.653	1.5

Registros originais (3)

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.

GAME · Technical Report §10 ↗Verificado: 2026-09-27

Todas as fontes de avaliação (1)

Conjuntos, versões e condições ficam separados, inclusive fontes sem linhas elegíveis.

ROSVOT paper, Table 1 ↗
Entradas implantáveis 2 / linhas originais 10
Fora do ranking: 8
Não foi verificado um pacote público completo de inferência para esses experimentos. Outros pesos com o mesmo nome não servem como substitutos.
TONY · VOCANO · MusicYOLO · Yong et al. (2023) · ℳ (conformer) · ℳ (conv) · ℳ (w/o wbd) · ℳ (w/o noise)

Todos os resultados originais e fontes

As pontuações correspondem ao conjunto de dados, métrica e versão indicados; testes diferentes não são diretamente comparáveis.

ROSVOT paper, Table 1

Entradas implantáveis 2 / linhas originais 10

Fora do ranking: 8

Não foi verificado um pacote público completo de inferência para esses experimentos. Outros pesos com o mesmo nome não servem como substitutos.

TONY · VOCANO · MusicYOLO · Yong et al. (2023) · ℳ (conformer) · ℳ (conv) · ℳ (w/o wbd) · ℳ (w/o noise)

Caminho robusto para voz cantada com ruído ou vazamento do acompanhamento; o checkpoint oficial atual foi treinado principalmente em canto em mandarim.

Classificar por métrica

ROSVOT paper, Table 1
Classificação por métrica	Modelo	COn (F) ↑		COff (F) ↑		COnPOff (F) ↑		Pitch (AOR) ↑		Melody (RPA) ↑
Classificação por métrica	Modelo	clean	noisy	clean	noisy	clean	noisy	clean	noisy	clean	noisy
1	ℳ (ours) Pesos públicos · Código de inferência checkpoints.zip · rosvot + rwbd + rmvpe Código de inferênciaLicença dos pesos não declarada	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 ) Pesos públicos · Código de inferência checkpoints.zip · rosvot + rwbd + rmvpe Código de inferênciaLicença dos pesos não declarada	93.3	93.5	93.2	92.9	77.1	77.0	96.5	96.2	87.5	87.2

Registros originais (2)

ROSVOT paper, Table 1 ↗Verificado: 2026-10-25