Input-Adaptive Spectral Feature Compression by Sequence Modeling for Source Separation
arXiv - 2026
Izdvojite jasne dijaloge iz zvuka filmova i TV emisija i podijelite pozadinu na zasebne zapise muzike i zvučnih efekata.
Učitavanje...
Razdvojite filmski zvuk na dijalog, muziku i efekte za sinhronizaciju i miksanje.
Ulaz
Podržava ulaze u formatima kao što su mp3 / wav / flac / ogg / m4a / aac / aif / aiff / mp4 / mov / mkv
Podržani formati
Izlaz
WAV
Slučaj upotrebe
Razdvojite filmski zvuk na dijalog, muziku i efekte za sinhronizaciju i miksanje.
Odaberite model prema materijalu i namjeni te pregledajte primjere prije slanja.
Cijena, vrijeme, formati i parametri zavise od odabranog modela.
U povratnim informacijama navedite alat, korake i problem. Snimci ekrana mogu pomoći u pronalaženju uzroka.
Mreža podijeljena u frekvencijske opsege za dijalog, muziku i efekte; uporedite miješanje i detalje pozadine.
Dijalog, muzika i efekti u tri trake za sinhronizaciju, montažu i remiks.
Vremensko-frekvencijski model za tri filmske trake; TIGER DnR se razlikuje od TIGER za dva govornika.
Razdvaja zvuk filma i videa na dijalog, muziku i zvučne efekte. Izlaz je mono pri 44.1 kHz; stereo ulaz se prvo svodi na mono.
arXiv - 2026
Izdvojite jasne dijaloge iz zvuka filmova i TV emisija i podijelite pozadinu na zasebne zapise muzike i zvučnih efekata.
IEEE OJSP - 2024
Izdvojite jasne dijaloge iz zvuka filmova i TV emisija i podijelite pozadinu na zasebne zapise muzike i zvučnih efekata.
arXiv - 2024
Izdvojite jasne dijaloge iz zvuka filmova i TV emisija i podijelite pozadinu na zasebne zapise muzike i zvučnih efekata.
arXiv - 2026
Razdvaja zvuk filma i videa na dijalog, muziku i zvučne efekte. Izlaz je mono pri 44.1 kHz; stereo ulaz se prvo svodi na mono.
CVPR - 2026
Koristi vizuelne i zvučne uslove AV-CASS-a za razdvajanje govora, efekata i muzike; dostupan je i direktan test samo sa zvukom.
Broj izlaznih kategorija: 3
Prikazani su samo zapisi s provjerenom javnom implementacijom inferencije i odgovarajućim težinama, kao i algoritmi kojima težine nisu potrebne. Zatvoreni servisi, neobjavljene težine i nepotvrđene verzije eksperimenata su isključeni. Ovo nije rangiranje svih modela.
Svaki skup težina prikazan je jednom po testu, s najboljim objavljenim rezultatom za odabranu metriku. Ukupni rezultat potiče iz jedne evaluacije. Proširite prikaz da uporedite evaluacije i postavke.
Javne težine ne potvrđuju potpunu licencu otvorenog koda. Proširite podatke za navedene licence težina i uslove pristupa. Nedeklarisane licence su posebno označene.
Oznake prikazuju modele ili komponente korištene ovdje. Rezultati i postavke dolaze iz navedenih testova, a ne iz nove procjene cijelog postupka obrade na stranici.
Odaberite skup podataka za prikaz svih metrika svakog modela. Redovi slijede službeni poredak ili odabranu metriku. Podebljano je označena najbolja uporediva vrijednost u svakoj koloni, uključujući izjednačenja. Različiti protokoli ocjenjivanja rangiraju se zasebno; nedostajući rezultati prikazani su kao -.
Lokalno pokretanje 2 / izvorni redovi 10
Potpun javni paket za inferenciju ovih eksperimenata nije provjeren. Druge težine s istim nazivom modela nisu zamjena.
MRX-C † · - · Hybrid Demucs (v3) †‡ · - · BS-Locoformer (Small) · C1 · Band-split (64) · SFC-Locoformer (Small) · C2 · SFC-Mamba (64) · SFC-Locoformer (Small) · C3 · SFC-CA (64) · BS-Locoformer (Medium) · D1 · Band-split (64) · SFC-Locoformer (Medium) · D2 · SFC-Mamba (64) · SFC-Locoformer (Medium) † · D4 · SFC-CA (64)
Vrijednosti dolaze iz povezanog javnog izvora. Oznake redova navode testni skup ili kontrolnu tačku; neobjavljeni rezultati prikazuju se kao -.
| Poredak po metrici | Model | Uslov testa | Params. | Speech | Music | Sfx | Average | ||||
|---|---|---|---|---|---|---|---|---|---|---|---|
| SNR↑ | SISDR↑ | SNR↑ | SISDR↑ | SNR↑ | SISDR↑ | SNR↑ | SISDR↑ | ||||
| 1 | SFC-Locoformer (Medium) | D3 · SFC-CA (64) | 16.0 M | 16.38 | 16.32 | 9.70 | 9.28 | 10.56 | 9.88 | 12.21 | 11.83 |
| 2 | BandIt †Model na ovoj straniciJavne težine · Kod za inferenciju | Band-split (64) | 37.0 M | 15.7 | 15.6 | 8.7 | 8.0 | 9.8 | 8.2 | 11.4 | 10.9 |
Oznake prikazuju modele ili komponente korištene ovdje. Rezultati i postavke dolaze iz navedenih testova, a ne iz nove procjene cijelog postupka obrade na stranici.
Skupovi podataka, verzije i uslovi ostaju odvojeni, uključujući izvore bez prihvatljivih redova.
Lokalno pokretanje 9 / izvorni redovi 21 · Provjereno: 2026-10-25
Potpun javni paket za inferenciju ovih eksperimenata nije provjeren. Druge težine s istim nazivom modela nisu zamjena.
PT2 · MVSep Ensemble (SCNet + Mel) (2024.11) · MVSep SCNet DnR (2024.11) · MVSep MelBand Roformer DnR (v1, 2024.11) · Bandit v2 (multi) · test_scheme2 · test_scheme1 · test1012 · test_4stems_dnr_0908 · Bandit Plus (no resample) · Bandit Plus (with resample) · test_scheme3
Lokalno pokretanje 2 / izvorni redovi 10
Potpun javni paket za inferenciju ovih eksperimenata nije provjeren. Druge težine s istim nazivom modela nisu zamjena.
MRX-C † · - · Hybrid Demucs (v3) †‡ · - · BS-Locoformer (Small) · C1 · Band-split (64) · SFC-Locoformer (Small) · C2 · SFC-Mamba (64) · SFC-Locoformer (Small) · C3 · SFC-CA (64) · BS-Locoformer (Medium) · D1 · Band-split (64) · SFC-Locoformer (Medium) · D2 · SFC-Mamba (64) · SFC-Locoformer (Medium) † · D4 · SFC-CA (64)
Lokalno pokretanje 2 / izvorni redovi 2
Rezultati važe za navedeni skup podataka, metriku i verziju modela. Različiti testovi nisu direktno uporedivi.
Tabela prikazuje samo modele s javnim težinama ili konfiguracijama koji se mogu pokrenuti lokalno.
Odaberite skup podataka za prikaz svih metrika svakog modela. Redovi slijede službeni poredak ili odabranu metriku. Podebljano je označena najbolja uporediva vrijednost u svakoj koloni, uključujući izjednačenja. Različiti protokoli ocjenjivanja rangiraju se zasebno; nedostajući rezultati prikazani su kao -.
Lokalno pokretanje 2 / izvorni redovi 10
Potpun javni paket za inferenciju ovih eksperimenata nije provjeren. Druge težine s istim nazivom modela nisu zamjena.
MRX-C † · - · Hybrid Demucs (v3) †‡ · - · BS-Locoformer (Small) · C1 · Band-split (64) · SFC-Locoformer (Small) · C2 · SFC-Mamba (64) · SFC-Locoformer (Small) · C3 · SFC-CA (64) · BS-Locoformer (Medium) · D1 · Band-split (64) · SFC-Locoformer (Medium) · D2 · SFC-Mamba (64) · SFC-Locoformer (Medium) † · D4 · SFC-CA (64)
Vrijednosti dolaze iz povezanog javnog izvora. Oznake redova navode testni skup ili kontrolnu tačku; neobjavljeni rezultati prikazuju se kao -.
| Poredak po metrici | Model | Uslov testa | Params. | Speech | Music | Sfx | Average | ||||
|---|---|---|---|---|---|---|---|---|---|---|---|
| SNR↑ | SISDR↑ | SNR↑ | SISDR↑ | SNR↑ | SISDR↑ | SNR↑ | SISDR↑ | ||||
| 1 | SFC-Locoformer (Medium) | D3 · SFC-CA (64) | 16.0 M | 16.38 | 16.32 | 9.70 | 9.28 | 10.56 | 9.88 | 12.21 | 11.83 |
| 2 | BandIt †Javne težine · Kod za inferenciju | Band-split (64) | 37.0 M | 15.7 | 15.6 | 8.7 | 8.0 | 9.8 | 8.2 | 11.4 | 10.9 |
Odaberite skup podataka za prikaz svih metrika svakog modela. Redovi slijede službeni poredak ili odabranu metriku. Podebljano je označena najbolja uporediva vrijednost u svakoj koloni, uključujući izjednačenja. Različiti protokoli ocjenjivanja rangiraju se zasebno; nedostajući rezultati prikazani su kao -.
SI-SDR koji su autori objavili za 973 potpune testne trake DnR v2. Svaki model koristi službeni prozor i korak; prosjek obuhvata muziku, govor i efekte. Ovo nisu mjerenja TelkNeta i ne spajaju se s drugim skupovima podataka ili uslovima treniranja.
| Poredak po metrici | Model | Uslov testa | Prosječni SI-SDR (dB) ↑ | MX SI-SDR (dB) ↑ | DX SI-SDR (dB) ↑ | FX SI-SDR (dB) ↑ | Parametri (M) |
|---|---|---|---|---|---|---|---|
| 1 | DBS-TIGER (128)Javne težine · Kod za inferenciju | DnR v2 · 973 · 6 s / 3 s | 10.13 | 7.78 | 15.9 | 6.7 | 1 |
| 2 | DBS-BSRNN (128)Javne težine · Kod za inferenciju | DnR v2 · 973 · 3 s / 1.5 s | 9.07 | 6.48 | 15.01 | 5.73 | 4.7 |