Razdvajanje zvuka vođeno tekstom i referencom (AudioSep-Hive)

Q: Šta je Razdvajanje zvuka vođeno tekstom i referencom (AudioSep-Hive)?

Izdvaja slobodno opisani zvuk pomoću AudioSep-Hive, FlowSep-Hive ili CLAPSep, ili Banquetom izoluje izvor koji odgovara referenci od 10 sekundi.; WAV

Q: Za koga Razdvajanje zvuka vođeno tekstom i referencom (AudioSep-Hive)?

Razdvajanje i stem raskid Izdvaja slobodno opisani zvuk pomoću AudioSep-Hive, FlowSep-Hive ili CLAPSep, ili Banquetom izoluje izvor koji odgovara referenci od 10 sekundi.; WAV

Q: U kojim zadacima Razdvajanje zvuka vođeno tekstom i referencom (AudioSep-Hive) mogu pomoći?

Razdvajanje i stem raskid; WAV; Remiksovanje, vježbanje uz pratnju i uređivanje odvojenih dionica.; Podržava ulaze u formatima kao što su mp3 / wav / flac / ogg / m4a / aac / aif / aiff / mp4 / mov / mkv; AudioSep-Hive; FlowSep-Hive

Q: Koji su entiteti modela i ključnih riječi povezani sa Razdvajanje zvuka vođeno tekstom i referencom (AudioSep-Hive)?

AudioSep-Hive, FlowSep-Hive, CLAPSep, Banquet, Hive source (pinned), AudioSep-Hive weights (pinned), FlowSep-Hive weights (pinned), Hive paper

Modeli, parametri i izvori

AudioSep-HiveFlowSep-HiveCLAPSepBanquetHive source (pinned)AudioSep-Hive weights (pinned)FlowSep-Hive weights (pinned)Hive paperCLAPSep source (pinned)Official CLAPSep Space artifacts (pinned)CLAPSep paperBanquet source (pinned)

Bodovi važe samo za navedeni skup podataka, metriku i verziju. Vodeće mjesto u tabeli nije trenutni svjetski rekord niti rezultat ove usluge. Mogućnosti i testovi mogu opravdati prednost modela bez uporedivih bodova.

Referentni grafikon: Razdvajanje zvuka vođeno tekstom i referencom

Tabela prikazuje samo modele s javnim težinama ili konfiguracijama koji se mogu pokrenuti lokalno.

Razdvajanje zvuka vođeno tekstom i referencom

Hive paper, main test table

Vrijednosti dolaze iz povezanog javnog izvora. Redovi navode testni skup ili checkpoint; modeli bez uporedivog rezultata su izostavljeni.

Javni izvori provjereni: 2026-09-10

Čin	Uslov testa	Model	SI-SDR (dB) ↑	Detaljne metrike
#1	Hive testni skup	AudioSep-HiveTelkNetHive paper	5.02Najbolje	SDR (dB) ↑5.67NajboljeLPAPS ↓3.86NajboljeFAD ↓0.80NajboljeCLAP-Audio ↑0.65NajboljeCLAP-T ↑0.31NajboljeMUSHRA ↑68.40NajboljeOQ ↑3.34NajboljeRec ↑4.81Pre ↑3.40NajboljeFai ↑4.39
#2	Hive testni skup	AudioSep (original)Hive paper	1.58	SDR (dB) ↑2.37LPAPS ↓4.22FAD ↓0.90CLAP-Audio ↑0.57CLAP-T ↑0.26MUSHRA ↑60.90OQ ↑2.94Rec ↑4.86NajboljePre ↑2.96Fai ↑4.47Najbolje

Razdvajanje zvuka vođeno tekstom i referencom

Hive paper, main test table

Izvori koriste različite uslove treniranja ili zadatke, pa brojeve treba porediti samo unutar navedenog protokola.

Javni izvori provjereni: 2026-09-10

Uslov testa	Model	FAD ↓	Detaljne metrike
Izlaz razdvajanja · Hive test	AudioSep-HiveTelkNetHive paper	0.80	SDR (dB) ↑5.67SI-SDR (dB) ↑5.02LPAPS ↓3.86CLAP-Audio ↑0.65CLAP-T ↑0.31MUSHRA ↑68.40OQ ↑3.34Rec ↑4.81Pre ↑3.40Fai ↑4.39
Generativni izlaz · Hive test	FlowSep-HiveTelkNetHive paper	0.84	LPAPS ↓4.25CLAP-Audio ↑0.61CLAP-T ↑0.19MUSHRA ↑61.80OQ ↑3.05Rec ↑4.18Pre ↑3.35Fai ↑3.70

Razdvajanje zvuka vođeno tekstom i referencom

CLAPSep paper, Table V

Vrijednosti dolaze iz povezanog javnog izvora. Redovi navode testni skup ili checkpoint; modeli bez uporedivog rezultata su izostavljeni.

Javni izvori provjereni: 2026-09-10

± označava standardnu devijaciju.

Čin	Uslov testa	Model	SDRi (dB) ↑	Detaljne metrike
#3	2 izvora · 1 cilj	AudioSepCLAPSep paper Table V	8.60 ± 8.86	SI-SDRi (dB) ↑7.38 ± 9.48
#2	2 izvora · 1 cilj	CLAPSep-PTelkNetOdgovarajući model alata: CLAPSepCLAPSep paper Table V	10.03 ± 11.27	SI-SDRi (dB) ↑8.70 ± 12.64
#1	2 izvora · 1 cilj	CLAPSep-PNTelkNetOdgovarajući model alata: CLAPSepCLAPSep paper Table V	12.67 ± 7.80Najbolje	SI-SDRi (dB) ↑11.79 ± 8.23Najbolje
#3	3 izvora · 1 cilj	AudioSepCLAPSep paper Table V	4.90 ± 6.13	SI-SDRi (dB) ↑4.20 ± 6.42
#2	3 izvora · 1 cilj	CLAPSep-PTelkNetOdgovarajući model alata: CLAPSepCLAPSep paper Table V	6.48 ± 7.82	SI-SDRi (dB) ↑5.73 ± 8.50
#1	3 izvora · 1 cilj	CLAPSep-PNTelkNetOdgovarajući model alata: CLAPSepCLAPSep paper Table V	8.96 ± 6.13Najbolje	SI-SDRi (dB) ↑8.09 ± 6.17Najbolje
#3	3 izvora · 2 cilja	AudioSepCLAPSep paper Table V	5.30 ± 5.38	SI-SDRi (dB) ↑2.96 ± 5.54
#2	3 izvora · 2 cilja	CLAPSep-PTelkNetOdgovarajući model alata: CLAPSepCLAPSep paper Table V	6.35 ± 7.36	SI-SDRi (dB) ↑4.88 ± 8.10
#1	3 izvora · 2 cilja	CLAPSep-PNTelkNetOdgovarajući model alata: CLAPSepCLAPSep paper Table V	8.90 ± 5.78Najbolje	SI-SDRi (dB) ↑7.82 ± 6.32Najbolje
#3	4 izvora · 1 cilj	AudioSepCLAPSep paper Table V	3.52 ± 5.21	SI-SDRi (dB) ↑2.81 ± 5.76
#2	4 izvora · 1 cilj	CLAPSep-PTelkNetOdgovarajući model alata: CLAPSepCLAPSep paper Table V	5.94 ± 7.58	SI-SDRi (dB) ↑4.85 ± 8.29
#1	4 izvora · 1 cilj	CLAPSep-PNTelkNetOdgovarajući model alata: CLAPSepCLAPSep paper Table V	7.73 ± 5.79Najbolje	SI-SDRi (dB) ↑6.80 ± 6.00Najbolje
#3	4 izvora · 2 cilja	AudioSepCLAPSep paper Table V	2.37 ± 4.26	SI-SDRi (dB) ↑0.65 ± 4.32
#2	4 izvora · 2 cilja	CLAPSep-PTelkNetOdgovarajući model alata: CLAPSepCLAPSep paper Table V	2.91 ± 5.54	SI-SDRi (dB) ↑1.37 ± 5.98
#1	4 izvora · 2 cilja	CLAPSep-PNTelkNetOdgovarajući model alata: CLAPSepCLAPSep paper Table V	5.20 ± 4.63Najbolje	SI-SDRi (dB) ↑4.01 ± 4.95Najbolje
#3	4 izvora · 3 cilja	AudioSepCLAPSep paper Table V	4.20 ± 4.51	SI-SDRi (dB) ↑2.03 ± 4.27
#2	4 izvora · 3 cilja	CLAPSep-PTelkNetOdgovarajući model alata: CLAPSepCLAPSep paper Table V	5.34 ± 6.70	SI-SDRi (dB) ↑3.79 ± 7.09
#1	4 izvora · 3 cilja	CLAPSep-PNTelkNetOdgovarajući model alata: CLAPSepCLAPSep paper Table V	8.00 ± 4.87Najbolje	SI-SDRi (dB) ↑6.73 ± 5.20Najbolje

Rad i referentne bilješke

A Semantically Consistent Dataset for Data-Efficient Query-Based Universal Sound Separation

ICML - 2026

Paper

CLAPSep: Leveraging Contrastive Pre-trained Model for Multi-Modal Query-Conditioned Target Sound Extraction

IEEE/ACM TASLP - 2024

Paper

A Stem-Agnostic Single-Decoder System for Music Source Separation Beyond Four Stems

ISMIR - 2024

Paper

Zvanični / repozitoriji

Hive source (pinned)AudioSep-Hive weights (pinned)FlowSep-Hive weights (pinned)CLAPSep source (pinned)Official CLAPSep Space artifacts (pinned)Banquet source (pinned)Official Banquet checkpoint

Radovi / tehničke bilješke

Hive paper CLAPSep paper Banquet paper

Vodič za parametre

Opišite zvuk koji treba izdvojiti; AudioSep-Hive i FlowSep-Hive zahtijevaju ovo polje.
Za CLAPSep izaberite pozitivan tekst, referentni zvuk ili oboje.
Opišite ciljni zvuk koji CLAPSep treba zadržati.
Opcionalno: opišite zvuk koji CLAPSep treba potisnuti.
Učitajte primjer ciljnog zvuka.
Opcionalno: učitajte primjer zvuka za potiskivanje.
Učitajte Banquet referencu. Službeni ugovor koristi isječak upita od 10 sekundi.
Koraci generisanja FlowSep-Hive. Službena vrijednost je 20; više koraka traje duže.
Classifier-free guidance skala FlowSep-Hive. Službena vrijednost je 1,0.
Veličina paketa Banquet traka upita. Službena vrijednost inferencije je 12.

Razdvajanje zvuka vođeno tekstom i referencom

Modeli, parametri i izvori

AudioSep-Hive

FlowSep-Hive

CLAPSep

Banquet

Referentni grafikon: Razdvajanje zvuka vođeno tekstom i referencom

Razdvajanje zvuka vođeno tekstom i referencom

Razdvajanje zvuka vođeno tekstom i referencom

Razdvajanje zvuka vođeno tekstom i referencom

Rad i referentne bilješke

A Semantically Consistent Dataset for Data-Efficient Query-Based Universal Sound Separation

CLAPSep: Leveraging Contrastive Pre-trained Model for Multi-Modal Query-Conditioned Target Sound Extraction

A Stem-Agnostic Single-Decoder System for Music Source Separation Beyond Four Stems

Zvanični / repozitoriji

Radovi / tehničke bilješke

Vodič za parametre

Radni tok

Prije slanja

Brza povratna informacija