Učitavanje...

Vokal u MIDI · ROSVOT / GAME · TelkNet

MIDI / transkripcijaGPU opterećenjeSOME · Izvorni kod SOME v1.0.0-baseline · Težine SOME v1.0.0-baseline · Changelog SOME · Rad

Vokal u MIDI

Pretvorite pjevanje, pjevušenje ili vokalne trake u MIDI. Uporedite ROSVOT, GAME, SOME i VOCANO prije ispravke melodije.

25 krediti/upotrebaUnos datotekaNajviše 100 MBProcijenjeno 45-1800 sekundi

Ulaz

Otpremite solo pjevanje, pjevušenje ili izolovani glavni vokal. Ako imate samo završenu pjesmu, izaberite „Cijela pjesma“; glavni vokal će se prvo izdvojiti.

Podržani formati

mp3wavflacoggm4aaacaifaiffmp4movmkv

Izlaz

MIDI

Slučaj upotrebe

Kopiranje otpjevane melodije u DAW za uređivanje, udvostručenje, programiranje sintisajzera ili nacrt notacije.

Odaberite porodicu modela

Vokal u MIDI · ROSVOTDostupnoRobustan put za pjevanje sa šumom ili propuštanjem pratnje; trenutni službeni checkpoint pretežno je treniran na mandarinskom pjevanju.Vokal u MIDI · GAMEDostupnoPretvara pjevanje u MIDI uz postavke jezika pjevanja, segmentacije i prepoznavanja nota.Vokal u MIDI · SOMEDostupnoSOME je brz i lagan put od pjevanja do MIDI-ja.Vokal u MIDI · VOCANODostupnoVOCANO izdvaja visinu vokala pomoću Patch-CNN-a i određuje granice nota pomoću PyramidNet-110. Objavljeni ulaz za inferenciju nema dodatne kontrole modela.

Odaberite model prema materijalu i namjeni te pregledajte primjere prije slanja.

Cijena, vrijeme, formati i parametri zavise od odabranog modela.

Brza povratna informacija

U povratnim informacijama navedite alat, korake i problem. Snimci ekrana mogu pomoći u pronalaženju uzroka.

Modeli, parametri i izvori

SOME je brz i lagan put od pjevanja do MIDI-ja.

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

Robustan put za pjevanje sa šumom ili propuštanjem pratnje; trenutni službeni checkpoint pretežno je treniran na mandarinskom pjevanju.

ROSVOT source (pinned)ROSVOT project page ROSVOT paper

ROSVOT prag granica nota: zadano 0.85; raspon 0–1.
ROSVOT prag granica riječi: zadano 0.5; raspon 0–1.

GAME

Pretvara pjevanje u MIDI uz postavke jezika pjevanja, segmentacije i prepoznavanja nota.

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)

Ostavite polje prazno za zvanični GAME jezički ID 0. To nije automatsko prepoznavanje; odaberite jezik kada znate na kojem se pjeva.
Prag segmentacije — Zvanična postavka modela; ako niste sigurni, zadržite zadanu vrijednost.
Radijus segmentacije (s) — Zvanična postavka modela; ako niste sigurni, zadržite zadanu vrijednost.
Početak D3PM — Zvanična postavka modela; ako niste sigurni, zadržite zadanu vrijednost.
GAME koraci uklanjanja šuma: zadano 8; raspon 1–128.
Prag procjene — Zvanična postavka modela; ako niste sigurni, zadržite zadanu vrijednost.
Nakon transkripcije analizira izvorne udarce i zapisuje tempo u MIDI uz očuvanje vremena nota.
Zasebni rezultati evaluacije za GAME v1.0.3 još nisu navedeni.

SOME

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

Nakon transkripcije analizira izvorne udarce i zapisuje tempo u MIDI uz očuvanje vremena nota.

VOCANO

VOCANO izdvaja visinu vokala pomoću Patch-CNN-a i određuje granice nota pomoću PyramidNet-110. Objavljeni ulaz za inferenciju nema dodatne kontrole modela.

VOCANO source and official weights VOCANO ISMIR 2021 paper

Za a cappella ili već odvojen vokal izaberite „Izolovani vokal / stem“. Za gotovu pjesmu izaberite „Cijela pjesma“; glavni vokal će se prvo izdvojiti.

Rad i referentne bilješke

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

ISMIR - 2021

VOCANO izdvaja visinu vokala pomoću Patch-CNN-a i određuje granice nota pomoću PyramidNet-110. Objavljeni ulaz za inferenciju nema dodatne kontrole modela.

Official source and citation

Robust Singing Voice Transcription Serves Synthesis

ACL - 2024

Robustan put za pjevanje sa šumom ili propuštanjem pratnje; trenutni službeni checkpoint pretežno je treniran na mandarinskom pjevanju.

Paper

GAME: Generative Adaptive MIDI Extractor

Official technical guide - 2026

Pretvara pjevanje u MIDI uz postavke jezika pjevanja, segmentacije i prepoznavanja nota.

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

Technical guide (pinned)Baseline weights

Zvanični / repozitoriji

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

Radovi / tehničke bilješke

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

Vodič za parametre

Za a cappella ili već odvojen vokal izaberite „Izolovani vokal / stem“. Za gotovu pjesmu izaberite „Cijela pjesma“; glavni vokal će se prvo izdvojiti.
Ostavite polje prazno za zvanični GAME jezički ID 0. To nije automatsko prepoznavanje; odaberite jezik kada znate na kojem se pjeva.
Prag segmentacije — Zvanična postavka modela; ako niste sigurni, zadržite zadanu vrijednost.
Radijus segmentacije (s) — Zvanična postavka modela; ako niste sigurni, zadržite zadanu vrijednost.
Početak D3PM — Zvanična postavka modela; ako niste sigurni, zadržite zadanu vrijednost.
GAME koraci uklanjanja šuma: zadano 8; raspon 1–128.
Prag procjene — Zvanična postavka modela; ako niste sigurni, zadržite zadanu vrijednost.
Nakon transkripcije analizira izvorne udarce i zapisuje tempo u MIDI uz očuvanje vremena nota.
ROSVOT prag granica nota: zadano 0.85; raspon 0–1.
ROSVOT prag granica riječi: zadano 0.5; raspon 0–1.

Slučajevi upotrebe

Pretvorite glavnu vokalnu liniju u note koje se mogu uređivati.
Uporedite četiri modela transkripcije kada snimak ima krvarenje, šum ili nejasne granice note.
Koristite MIDI kao vodič u DAW, a zatim korigujte visinu tona i dužinu nota po sluhu.

Radni tok

1Izaberite vrstu snimka pa otpremite solo vokal, vokalni stem ili cijelu pjesmu. Cijela pjesma se prvo odvaja.
2Počnite zadanim modelom; poređenje četiri verzije koristite kada je jedan rezultat teško procijeniti.
3Prebacite se između originalnog vokala i svake klavirske role, ispravite odabrani MIDI, a zatim ga preuzmite.

Šta provjeriti

Ovaj alat prati pjevanu glavnu melodiju; ne obnavlja bubnjeve, akorde ili kompletan aranžman.
GAME izlaže kontrole jezika i segmentacije. ROSVOT-ov pušten kontrolni punkt uglavnom je obučen za pjevanje mandarina.
Poređenje pokreće četiri odvojene konverzije i daje četiri nezavisne MIDI datoteke, bez spajanja modela.

Modeli u ovoj oblasti

3 rezultata

Uključuje javne rezultate testiranja modela koji se koriste ovdje i drugdje. Podrazumijevano se prikazuje potpuna izvorna tabela; za poređenje se mogu odabrati uslovi i metrike. Rezultati različitih uslova testiranja nisu direktno uporedivi.

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.

Javne težine ne potvrđuju potpunu licencu otvorenog koda. Proširite podatke za navedene licence težina i uslove pristupa. Nedeklarisane licence su posebno označene.

Referentni testKategorija

Odabrani model nema provjeren odgovarajući javni rezultat i nije rangiran.

GAME 1.0 · Čist vokal

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 -.

Privatni podaci autora, 100 izdvojenih snimaka; svaka veličina koristi svoj najbolji objavljeni K. OA je ukupna tačnost po okviru, a ne F1 nota, i ne spaja se s ROSVOT rezultatima.

Rangiraj po metrici

GAME 1.0 · Čist vokal
Poredak po metrici	Model	Ukupni poredak unutar ovog protokola↑OA (%)	QER (%)↓	Presence F1 (%)↑	RPA (%)↑	Pitch RMSE↓	Chamfer (frames)↓
1	GAME 1.0 Medium · K=8 Javne težine · Kod za inferenciju Javne težine Kod za inferenciju`GAME-1.0.3-medium-onnx.zip`Licenca težina (navod repozitorija): MIT	95.03	12.3	99.23	94.86	0.552	1.44
1	GAME 1.0 Large · K=1 Javne težine · Kod za inferenciju Javne težine Kod za inferenciju`GAME-1.0.3-large-onnx.zip`Licenca težina (navod repozitorija): MIT	95.03	12.87	99.15	94.92	0.684	1.44
3	GAME 1.0 Small · K=2 Javne težine · Kod za inferenciju Javne težine Kod za inferenciju`GAME-1.0.3-small-onnx.zip`Licenca težina (navod repozitorija): MIT	94.99	13.13	99.14	94.99	0.653	1.5

Izvorni zapisi (3)

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

Svi izvori evaluacije (1)

Skupovi podataka, verzije i uslovi ostaju odvojeni, uključujući izvore bez prihvatljivih redova.

ROSVOT paper, Table 1 ↗
Lokalno pokretanje 2 / izvorni redovi 10
Bez plasmana: 8
Potpun javni paket za inferenciju ovih eksperimenata nije provjeren. Druge težine s istim nazivom modela nisu zamjena.
TONY · VOCANO · MusicYOLO · Yong et al. (2023) · ℳ (conformer) · ℳ (conv) · ℳ (w/o wbd) · ℳ (w/o noise)

Svi izvorni rezultati i izvori

Rezultati važe za navedeni skup podataka, metriku i verziju modela. Različiti testovi nisu direktno uporedivi.

ROSVOT paper, Table 1

Lokalno pokretanje 2 / izvorni redovi 10

Bez plasmana: 8

Potpun javni paket za inferenciju ovih eksperimenata nije provjeren. Druge težine s istim nazivom modela nisu zamjena.

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

Robustan put za pjevanje sa šumom ili propuštanjem pratnje; trenutni službeni checkpoint pretežno je treniran na mandarinskom pjevanju.

Rangiraj po metrici

ROSVOT paper, Table 1
Poredak po metrici	Model	COn (F) ↑		COff (F) ↑		COnPOff (F) ↑		Pitch (AOR) ↑		Melody (RPA) ↑
Poredak po metrici	Model	clean	noisy	clean	noisy	clean	noisy	clean	noisy	clean	noisy
1	ℳ (ours) Javne težine · Kod za inferenciju checkpoints.zip · rosvot + rwbd + rmvpe Kod za inferencijuLicenca težina nije navedena	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 ) Javne težine · Kod za inferenciju checkpoints.zip · rosvot + rwbd + rmvpe Kod za inferencijuLicenca težina nije navedena	93.3	93.5	93.2	92.9	77.1	77.0	96.5	96.2	87.5	87.2

Izvorni zapisi (2)

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