Hvad er Adskillelse af dialog, musik og effekter?

Adskillelse af dialog, musik og effekter Vælg model og behandling Pris, tid, formater og parametre afhænger af den valgte model.

Hvem er Adskillelse af dialog, musik og effekter til?

Separation og stem opdeling Adskillelse af dialog, musik og effekter Vælg model og behandling Pris, tid, formater og parametre afhænger af den valgte model.

Hvilke opgaver kan Adskillelse af dialog, musik og effekter hjælpe med?

Separation og stem opdeling; WAV; Lav remix, øv med akkompagnement, og rediger enkelte stemmer.; Understøtter input i formater som mp3 / wav / flac / ogg / m4a / aac / aif / aiff / mp4 / mov / mkv; SFC-Locoformer DnR; BandIt

Adskillelse af dialog, musik og effekter

Q: Hvilke model- og nøgleordsenheder er forbundet med Adskillelse af dialog, musik og effekter?

SFC-Locoformer DnR, BandIt, TIGER-DnR, SFC-Locoformer, TIGER, SFC paper, BandIt paper (IEEE OJSP), TIGER paper

Modeller, parametre og kilder

SFC-Locoformer DnRBandItTIGER-DnRSFC-LocoformerTIGERSFC paperBandIt paper (IEEE OJSP)TIGER paperSFC paper, Table IID3 · mediumPublished DnR Table IITable II

SFC-Locoformer DnR

SFC-Locoformer BandIt TIGER SFC paper

Separationsprofil: SFC-Locoformer DnR er standardruten til dialog/musik/effekter; BandIt og TIGER-DnR er alternative checkpoints til samme three-stem opgave.
Video-output-stem: Når inputtet er en video, vælger du, hvilken separeret stem der skrives tilbage sammen med billedet; automatic bruger værktøjets primære stem.

BandIt

SFC-Locoformer BandIt TIGER BandIt paper (IEEE OJSP)

Separationsprofil: SFC-Locoformer DnR er standardruten til dialog/musik/effekter; BandIt og TIGER-DnR er alternative checkpoints til samme three-stem opgave.
Video-output-stem: Når inputtet er en video, vælger du, hvilken separeret stem der skrives tilbage sammen med billedet; automatic bruger værktøjets primære stem.

TIGER-DnR

SFC-Locoformer BandIt TIGER TIGER paper

Separationsprofil: SFC-Locoformer DnR er standardruten til dialog/musik/effekter; BandIt og TIGER-DnR er alternative checkpoints til samme three-stem opgave.
Video-output-stem: Når inputtet er en video, vælger du, hvilken separeret stem der skrives tilbage sammen med billedet; automatic bruger værktøjets primære stem.

AV-CASS

AV-CASS source and official checkpoint links (pinned)AV-CASS paper

Modelsammenligning

Model

Rolle

Hvorfor det bruges

Effekteffekt på produktionen

Tal gælder kun det angivne datasæt, mål og modelversion. Førstepladsen i tabellen er hverken en aktuel verdensrekord eller et resultat fra denne tjeneste. Funktioner og tests kan begrunde prioritering uden sammenlignelige tal.

Offentlig leaderboard: DnR v2 · SI-SDR / Video: tale, effekter og musik · AV-CASS

Tabellen viser kun modeller med offentlige vægte eller konfigurationer, som kan køres lokalt.

DnR v2 · SI-SDR

SFC paper, Table II

Tallene kommer fra den linkede offentlige kilde. Rækkerne angiver testsæt eller checkpoint; modeller uden et tilsvarende resultat er udeladt.

Offentlige kilder kontrolleret: 2026-09-10

Rang	Model	SI-SDR (dB) ↑	Detaljerede metrikker
D3 · medium	SFC-Locoformer DnRTelkNetPublished DnR Table II	11.83Bedst	DX SNR (dB) ↑16.38BedstDX SI-SDR (dB) ↑16.32BedstMX SNR (dB) ↑9.70BedstMX SI-SDR (dB) ↑9.28BedstFX SNR (dB) ↑10.56BedstFX SI-SDR (dB) ↑9.88BedstGennemsnitlig SNR (dB)12.21BedstParametre (M)16.00
Table II	BandItTelkNetPublished DnR Table II	10.90	DX SNR (dB) ↑15.70DX SI-SDR (dB) ↑15.60MX SNR (dB) ↑8.70MX SI-SDR (dB) ↑8.00FX SNR (dB) ↑9.80FX SI-SDR (dB) ↑8.20Gennemsnitlig SNR (dB)11.40Parametre (M)37.00

Video: tale, effekter og musik · AV-CASS

AV-CASS paper, Table 1

Tallene kommer fra den linkede offentlige kilde. Rækkerne angiver testsæt eller checkpoint; modeller uden et tilsvarende resultat er udeladt.

Offentlige kilder kontrolleret: 2026-09-10

± angiver et 95 % konfidensinterval.

Rang	Testbetingelse	Model	MOS ↑
#3	Virkelige videoer	MRXAV-CASS paper Table 1	2.55 ± 0.10
#2	Virkelige videoer	BandItAV-CASS paper Table 1	3.78 ± 0.10
#1	Virkelige videoer	AV-CASSAV-CASS paper Table 1	4.13 ± 0.09Bedst

Video: tale, effekter og musik · AV-CASS

AV-CASS paper, Table 2

Tallene kommer fra den linkede offentlige kilde. Rækkerne angiver testsæt eller checkpoint; modeller uden et tilsvarende resultat er udeladt.

Offentlige kilder kontrolleret: 2026-09-10

Rang	Testbetingelse	Model	WPR (%) ↓
#3	Dialog (DX)	MRXAV-CASS paper Table 2	2.63
#2	Dialog (DX)	BandItAV-CASS paper Table 2	0.60
#4	Dialog (DX)	DAVIS-FlowAV-CASS paper Table 2	5.88
#1	Dialog (DX)	AV-CASSAV-CASS paper Table 2	0.46Bedst
#4	Lydeffekter (FX)	MRXAV-CASS paper Table 2	33.72
#3	Lydeffekter (FX)	BandItAV-CASS paper Table 2	22.41
#1	Lydeffekter (FX)	DAVIS-FlowAV-CASS paper Table 2	14.58Bedst
#2	Lydeffekter (FX)	AV-CASSAV-CASS paper Table 2	19.81
#3	Musik (MX)	MRXAV-CASS paper Table 2	6.01
#2	Musik (MX)	BandItAV-CASS paper Table 2	0.35
#4	Musik (MX)	DAVIS-FlowAV-CASS paper Table 2	35.94
#1	Musik (MX)	AV-CASSAV-CASS paper Table 2	0.32Bedst

Video: tale, effekter og musik · AV-CASS

AV-CASS paper, Table 3

Tallene kommer fra den linkede offentlige kilde. Rækkerne angiver testsæt eller checkpoint; modeller uden et tilsvarende resultat er udeladt.

Offentlige kilder kontrolleret: 2026-09-10

Rang	Testbetingelse	Model	FAD ↓	Detaljerede metrikker
#3	AVDnR-protokol	Hybrid DemucsAV-CASS paper Table 3	2.05	KL ↓1.03SI-SDRi (dB) ↑13.57PESQ ↑2.16WPR (%) ↓5.24
#4	AVDnR-protokol	HTDemucsAV-CASS paper Table 3	2.08	KL ↓1.06SI-SDRi (dB) ↑13.41PESQ ↑2.06WPR (%) ↓9.23
#7	AVDnR-protokol	MRXAV-CASS paper Table 3	3.47	KL ↓1.67SI-SDRi (dB) ↑10.60PESQ ↑1.89WPR (%) ↓14.91
#5	AVDnR-protokol	BandItAV-CASS paper Table 3	2.15	KL ↓1.14SI-SDRi (dB) ↑14.40BedstPESQ ↑2.15WPR (%) ↓4.65
#6	AVDnR-protokol	MSDMAV-CASS paper Table 3	2.90	KL ↓2.90SI-SDRi (dB) ↑11.63PESQ ↑2.12WPR (%) ↓5.65
#8	AVDnR-protokol	DAVIS-FlowAV-CASS paper Table 3	5.94	KL ↓1.64SI-SDRi (dB) ↑9.25PESQ ↑1.96WPR (%) ↓12.14
#1	AVDnR-protokol	AV-CASSAV-CASS paper Table 3	0.84Bedst	KL ↓0.93BedstSI-SDRi (dB) ↑12.32PESQ ↑2.26BedstWPR (%) ↓1.84Bedst
#2	AVDnR-protokol	AV-CASS audio-onlyTilsvarende model i værktøjet: AV-CASSAV-CASS paper Table 3	1.63	KL ↓1.15SI-SDRi (dB) ↑12.23PESQ ↑2.08WPR (%) ↓2.01

Papir- og benchmarknoter

Input-Adaptive Spectral Feature Compression by Sequence Modeling for Source Separation

arXiv - 2026

Paper

A Generalized Bandsplit Neural Network for Cinematic Audio Source Separation

IEEE OJSP - 2024

Paper Source

TIGER: Time-frequency Interleaved Gain Extraction and Reconstruction for Efficient Speech Separation

arXiv - 2024

Paper Source

Cinematic Audio Source Separation Using Visual Cues

CVPR - 2026

Brug AV-CASS’ visuelle og lydmæssige betingelser til at adskille tale, effekter og musik fra en video; lyd alene kan vælges til direkte sammenligning.

Paper

Officielle / arkiver

SFC-Locoformer BandIt TIGER AV-CASS source and official checkpoint links (pinned)

Artikler / tekniske noter

SFC paper BandIt paper (IEEE OJSP)TIGER paper AV-CASS paper

Parameterguide

Separationsprofil: SFC-Locoformer DnR er standardruten til dialog/musik/effekter; BandIt og TIGER-DnR er alternative checkpoints til samme three-stem opgave.
Video-output-stem: Når inputtet er en video, vælger du, hvilken separeret stem der skrives tilbage sammen med billedet; automatic bruger værktøjets primære stem.

Adskillelse af dialog, musik og effekter

Modeller, parametre og kilder

SFC-Locoformer DnR

BandIt

TIGER-DnR

AV-CASS

Modelsammenligning

Offentlig leaderboard: DnR v2 · SI-SDR / Video: tale, effekter og musik · AV-CASS

DnR v2 · SI-SDR

Video: tale, effekter og musik · AV-CASS

Video: tale, effekter og musik · AV-CASS

Video: tale, effekter og musik · AV-CASS

Papir- og benchmarknoter

Input-Adaptive Spectral Feature Compression by Sequence Modeling for Source Separation

A Generalized Bandsplit Neural Network for Cinematic Audio Source Separation

TIGER: Time-frequency Interleaved Gain Extraction and Reconstruction for Efficient Speech Separation

Cinematic Audio Source Separation Using Visual Cues

Officielle / arkiver

Artikler / tekniske noter

Parameterguide

Arbejdsgang

Før du sender

Relaterede brugsguides

Hurtig feedback