Input-Adaptive Spectral Feature Compression by Sequence Modeling for Source Separation
arXiv - 2026
Udtræk tydelig dialog fra film- og TV-lyd og opdel baggrunden i separate spor til musik og lydeffekter.
Indlæser...
Del filmlyd i dialog, musik og effekter til dubbing og efterbehandling.
Input
Understøtter input i formater som mp3 / wav / flac / ogg / m4a / aac / aif / aiff / mp4 / mov / mkv
Understøttede formater
Output
WAV
Brugsscenarie
Del filmlyd i dialog, musik og effekter til dubbing og efterbehandling.
Vælg en model til dit materiale og formål, og se eksemplerne før indsendelse.
Pris, tid, formater og parametre afhænger af den valgte model.
Angiv værktøjets navn, trinene og problemet i din feedback. Skærmbilleder kan hjælpe med at finde fejlen.
Båndopdelt netværk til dialog, musik og effekter; sammenlign lækage og baggrundsdetaljer.
Dialog, musik og effekter i tre spor til dubbing, klipning og remix.
Tid-frekvensmodel til tre filmspor; TIGER DnR er ikke modellen til to talere.
Opdeler film- og videolyd i dialog, musik og lydeffekter. Output er mono ved 44.1 kHz; stereolyd blandes først ned til mono.
arXiv - 2026
Udtræk tydelig dialog fra film- og TV-lyd og opdel baggrunden i separate spor til musik og lydeffekter.
IEEE OJSP - 2024
Udtræk tydelig dialog fra film- og TV-lyd og opdel baggrunden i separate spor til musik og lydeffekter.
arXiv - 2024
Udtræk tydelig dialog fra film- og TV-lyd og opdel baggrunden i separate spor til musik og lydeffekter.
arXiv - 2026
Opdeler film- og videolyd i dialog, musik og lydeffekter. Output er mono ved 44.1 kHz; stereolyd blandes først ned til mono.
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.
3 outputkategorier
Kun resultater med verificeret offentlig inferenskode og tilhørende vægte vises, sammen med algoritmer uden trænede vægte. Lukkede tjenester, ikke offentliggjorte vægte og forsøgsudgaver uden verificeret sammenhæng udelades. Dette er ikke en rangliste over alle modeller.
Hvert sæt vægte vises én gang pr. benchmark med det bedste offentliggjorte resultat for det valgte mål. En samlet score stammer fra én evaluering. Fold ud for at sammenligne evalueringer og indstillinger.
Offentlige vægte dokumenterer ikke en fuldstændig open source-licens. Fold data ud for at se erklærede vægtlicenser og adgangsbetingelser. Manglende licenser markeres særskilt.
Markeringerne viser modeller eller komponenter, der bruges her. Resultater og indstillinger kommer fra de citerede test, ikke fra en ny evaluering af hele sidens behandling.
Vælg et datasæt for at se alle målinger for hver model. Rækkerne følger den officielle placering eller den valgte måling. Fed skrift markerer hver kolonnes bedste sammenlignelige værdi, også ved lighed. Forskellige evalueringsprotokoller rangeres separat; manglende resultater vises som -.
Installerbare 2 / kilderækker 10
En komplet offentlig inferenspakke til disse forsøg er ikke verificeret. Andre vægte med samme modelnavn kan ikke erstatte den.
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)
Værdierne kommer fra den linkede offentlige kilde. Rækkenavnene angiver testsættet eller checkpointet; ikke offentliggjorte værdier vises som -.
| Placering efter måling | Model | Testbetingelse | 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 brugt herOffentlige vægte · Inferenskode | Band-split (64) | 37.0 M | 15.7 | 15.6 | 8.7 | 8.0 | 9.8 | 8.2 | 11.4 | 10.9 |
Markeringerne viser modeller eller komponenter, der bruges her. Resultater og indstillinger kommer fra de citerede test, ikke fra en ny evaluering af hele sidens behandling.
Datasæt, versioner og betingelser holdes adskilt, også kilder uden godkendte rækker.
Installerbare 9 / kilderækker 21 · Kontrolleret: 2026-10-25
En komplet offentlig inferenspakke til disse forsøg er ikke verificeret. Andre vægte med samme modelnavn kan ikke erstatte den.
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
Installerbare 2 / kilderækker 10
En komplet offentlig inferenspakke til disse forsøg er ikke verificeret. Andre vægte med samme modelnavn kan ikke erstatte den.
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)
Installerbare 2 / kilderækker 2
Resultater gælder det angivne datasæt, mål og modelversion. Forskellige tests kan ikke sammenlignes direkte.
Tabellen viser kun modeller med offentlige vægte eller konfigurationer, som kan køres lokalt.
Vælg et datasæt for at se alle målinger for hver model. Rækkerne følger den officielle placering eller den valgte måling. Fed skrift markerer hver kolonnes bedste sammenlignelige værdi, også ved lighed. Forskellige evalueringsprotokoller rangeres separat; manglende resultater vises som -.
Installerbare 2 / kilderækker 10
En komplet offentlig inferenspakke til disse forsøg er ikke verificeret. Andre vægte med samme modelnavn kan ikke erstatte den.
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)
Værdierne kommer fra den linkede offentlige kilde. Rækkenavnene angiver testsættet eller checkpointet; ikke offentliggjorte værdier vises som -.
| Placering efter måling | Model | Testbetingelse | 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 †Offentlige vægte · Inferenskode | Band-split (64) | 37.0 M | 15.7 | 15.6 | 8.7 | 8.0 | 9.8 | 8.2 | 11.4 | 10.9 |
Vælg et datasæt for at se alle målinger for hver model. Rækkerne følger den officielle placering eller den valgte måling. Fed skrift markerer hver kolonnes bedste sammenlignelige værdi, også ved lighed. Forskellige evalueringsprotokoller rangeres separat; manglende resultater vises som -.
SI-SDR rapporteret af forfatterne på 973 komplette DnR v2-testspor. Hver model bruger sit officielle vindue og sin skridtlængde; gennemsnittet dækker musik, tale og effekter. Det er ikke TelkNet-målinger og sammenlægges ikke med andre datasæt eller træningsvilkår.
| Placering efter måling | Model | Testbetingelse | Gennemsnitlig SI-SDR (dB) ↑ | MX SI-SDR (dB) ↑ | DX SI-SDR (dB) ↑ | FX SI-SDR (dB) ↑ | Parametre (M) |
|---|---|---|---|---|---|---|---|
| 1 | DBS-TIGER (128)Offentlige vægte · Inferenskode | DnR v2 · 973 · 6 s / 3 s | 10.13 | 7.78 | 15.9 | 6.7 | 1 |
| 2 | DBS-BSRNN (128)Offentlige vægte · Inferenskode | DnR v2 · 973 · 3 s / 1.5 s | 9.07 | 6.48 | 15.01 | 5.73 | 4.7 |