Lydseparation styret af tekst og reference (AudioSep-Hive)

Q: Hvad er Lydseparation styret af tekst og reference (AudioSep-Hive)?

Udtræk en frit beskrevet lyd med AudioSep-Hive, FlowSep-Hive eller CLAPSep, eller isolér med Banquet en kilde, der matcher en reference på 10 sekunder.

Q: Hvem er Lydseparation styret af tekst og reference (AudioSep-Hive) til?

Separation og stem opdeling Udtræk en frit beskrevet lyd med AudioSep-Hive, FlowSep-Hive eller CLAPSep, eller isolér med Banquet en kilde, der matcher en reference på 10 sekunder.

Q: Hvilke opgaver kan Lydseparation styret af tekst og reference (AudioSep-Hive) 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; AudioSep-Hive; FlowSep-Hive

Q: Hvilke model- og nøgleordsenheder er forbundet med Lydseparation styret af tekst og reference (AudioSep-Hive)?

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

Modeller, parametre og kilder

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)

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.

Benchmark-diagram: Lydseparation styret af tekst og reference

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

Lydseparation styret af tekst og reference

Hive paper, main test table

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	SI-SDR (dB) ↑	Detaljerede metrikker
#1	Hive-testsæt	AudioSep-HiveTelkNetHive paper	5.02Bedst	SDR (dB) ↑5.67BedstLPAPS ↓3.86BedstFAD ↓0.80BedstCLAP-Audio ↑0.65BedstCLAP-T ↑0.31BedstMUSHRA ↑68.40BedstOQ ↑3.34BedstRec ↑4.81Pre ↑3.40BedstFai ↑4.39
#2	Hive-testsæt	AudioSep (original)Hive paper	1.58	SDR (dB) ↑2.37LPAPS ↓4.22FAD ↓0.90CLAP-Audio ↑0.57CLAP-T ↑0.26MUSHRA ↑60.90OQ ↑2.94Rec ↑4.86BedstPre ↑2.96Fai ↑4.47Bedst

Lydseparation styret af tekst og reference

Hive paper, main test table

Kilderne bruger forskellige trænings- eller opgavevilkår, så tallene bør kun sammenlignes inden for den angivne protokol.

Offentlige kilder kontrolleret: 2026-09-10

Testbetingelse	Model	FAD ↓	Detaljerede metrikker
Separationsoutput · Hive-testsæt	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
Generativt output · Hive-testsæt	FlowSep-HiveTelkNetHive paper	0.84	LPAPS ↓4.25CLAP-Audio ↑0.61CLAP-T ↑0.19MUSHRA ↑61.80OQ ↑3.05Rec ↑4.18Pre ↑3.35Fai ↑3.70

Lydseparation styret af tekst og reference

CLAPSep paper, Table V

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 standardafvigelsen.

Rang	Testbetingelse	Model	SDRi (dB) ↑	Detaljerede metrikker
#3	2 kilder · 1 mål	AudioSepCLAPSep paper Table V	8.60 ± 8.86	SI-SDRi (dB) ↑7.38 ± 9.48
#2	2 kilder · 1 mål	CLAPSep-PTelkNetTilsvarende model i værktøjet: CLAPSepCLAPSep paper Table V	10.03 ± 11.27	SI-SDRi (dB) ↑8.70 ± 12.64
#1	2 kilder · 1 mål	CLAPSep-PNTelkNetTilsvarende model i værktøjet: CLAPSepCLAPSep paper Table V	12.67 ± 7.80Bedst	SI-SDRi (dB) ↑11.79 ± 8.23Bedst
#3	3 kilder · 1 mål	AudioSepCLAPSep paper Table V	4.90 ± 6.13	SI-SDRi (dB) ↑4.20 ± 6.42
#2	3 kilder · 1 mål	CLAPSep-PTelkNetTilsvarende model i værktøjet: CLAPSepCLAPSep paper Table V	6.48 ± 7.82	SI-SDRi (dB) ↑5.73 ± 8.50
#1	3 kilder · 1 mål	CLAPSep-PNTelkNetTilsvarende model i værktøjet: CLAPSepCLAPSep paper Table V	8.96 ± 6.13Bedst	SI-SDRi (dB) ↑8.09 ± 6.17Bedst
#3	3 kilder · 2 mål	AudioSepCLAPSep paper Table V	5.30 ± 5.38	SI-SDRi (dB) ↑2.96 ± 5.54
#2	3 kilder · 2 mål	CLAPSep-PTelkNetTilsvarende model i værktøjet: CLAPSepCLAPSep paper Table V	6.35 ± 7.36	SI-SDRi (dB) ↑4.88 ± 8.10
#1	3 kilder · 2 mål	CLAPSep-PNTelkNetTilsvarende model i værktøjet: CLAPSepCLAPSep paper Table V	8.90 ± 5.78Bedst	SI-SDRi (dB) ↑7.82 ± 6.32Bedst
#3	4 kilder · 1 mål	AudioSepCLAPSep paper Table V	3.52 ± 5.21	SI-SDRi (dB) ↑2.81 ± 5.76
#2	4 kilder · 1 mål	CLAPSep-PTelkNetTilsvarende model i værktøjet: CLAPSepCLAPSep paper Table V	5.94 ± 7.58	SI-SDRi (dB) ↑4.85 ± 8.29
#1	4 kilder · 1 mål	CLAPSep-PNTelkNetTilsvarende model i værktøjet: CLAPSepCLAPSep paper Table V	7.73 ± 5.79Bedst	SI-SDRi (dB) ↑6.80 ± 6.00Bedst
#3	4 kilder · 2 mål	AudioSepCLAPSep paper Table V	2.37 ± 4.26	SI-SDRi (dB) ↑0.65 ± 4.32
#2	4 kilder · 2 mål	CLAPSep-PTelkNetTilsvarende model i værktøjet: CLAPSepCLAPSep paper Table V	2.91 ± 5.54	SI-SDRi (dB) ↑1.37 ± 5.98
#1	4 kilder · 2 mål	CLAPSep-PNTelkNetTilsvarende model i værktøjet: CLAPSepCLAPSep paper Table V	5.20 ± 4.63Bedst	SI-SDRi (dB) ↑4.01 ± 4.95Bedst
#3	4 kilder · 3 mål	AudioSepCLAPSep paper Table V	4.20 ± 4.51	SI-SDRi (dB) ↑2.03 ± 4.27
#2	4 kilder · 3 mål	CLAPSep-PTelkNetTilsvarende model i værktøjet: CLAPSepCLAPSep paper Table V	5.34 ± 6.70	SI-SDRi (dB) ↑3.79 ± 7.09
#1	4 kilder · 3 mål	CLAPSep-PNTelkNetTilsvarende model i værktøjet: CLAPSepCLAPSep paper Table V	8.00 ± 4.87Bedst	SI-SDRi (dB) ↑6.73 ± 5.20Bedst

Papir- og benchmarknoter

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

Officielle / arkiver

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

Artikler / tekniske noter

Hive paper CLAPSep paper Banquet paper

Parameterguide

Beskriv den lyd, der skal udtrækkes; AudioSep-Hive og FlowSep-Hive kræver feltet.
Vælg positiv tekst, referencelyd eller begge dele til CLAPSep.
Beskriv den mållyd, CLAPSep skal bevare.
Valgfrit: Beskriv en lyd, CLAPSep skal dæmpe.
Upload lyd, der er et eksempel på mållyden.
Valgfrit: Upload en reference til den lyd, der skal dæmpes.
Upload Banquet-referencen. Den officielle kontrakt bruger et forespørgselsudsnit på 10 sekunder.
FlowSep-Hive-generationstrin. Officiel standard: 20; flere trin tager længere tid.
Classifier-free guidance-skala for FlowSep-Hive. Officiel standard: 1,0.
Batchstørrelse for Banquet-forespørgselsbånd. Officiel inferensstandard: 12.

Lydseparation styret af tekst og reference

Modeller, parametre og kilder

AudioSep-Hive

FlowSep-Hive

CLAPSep

Banquet

Benchmark-diagram: Lydseparation styret af tekst og reference

Lydseparation styret af tekst og reference

Lydseparation styret af tekst og reference

Lydseparation styret af tekst og reference

Papir- og benchmarknoter

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

Officielle / arkiver

Artikler / tekniske noter

Parameterguide

Arbejdsgang

Før du sender

Hurtig feedback