Indlæser...

MIDI / transskriptionGPU arbejdsbyrdeSeparate-and-detect · Kildekode Separate-and-Detect · Vægte vae-ckpt.ckpt · Vægte hifigan-ckpt.ckpt · Vægte vgg16-397923af.pth · Vægte vgg.pth · Vægte 955717e8-8726e21a.th · Vægte madmom_models · Vægte MSG-LD · OB · Artikel

Trommer til MIDI

ADTOF Plus · ADTOF Direct · ADT_STR · MSG-LD. Et fuldt mix får først trommerne adskilt i den valgte models forløb. Isolerede trommer går direkte til den valgte model til transskription eller adskillelse.

15 credits/brugFilinputHøjst 100 MBAnslået 20-1800 sekunder

Input

Understøtter input i formater som mp3 / wav / flac / ogg / m4a / aac / aif / aiff / mp4 / mov / mkv

Understøttede formater

mp3wavflacoggm4aaacaifaiffmp4movmkv

Output

5 × WAV · MIDI · CSV

Brugsscenarie

Rediger noder, instrumentering og detaljer i fremførelsen.

Vælg modelfamilie

Trommer til MIDI · MSG-LDTilgængeligTrommeadskillelse og anslagsdetektion til MIDI-udkast; fast styrke og afspilningslængde.Trommer til MIDI · ADTOFTilgængeligTrommer til MIDI: Plus tilføjer anslagsstyrke og åben/lukket hi-hat; Direct transskriberer direkte.Trommer til MIDI · ADT_STRTilgængeligAnslag og styrke for 26 trommeklasser; tre τ-varianter med forskellig træning.

Vælg version eller behandlingstilstand

Trommer til MIDI · MSG-LD · OBTrænet med en hjælpegren for anslag; genererer fem trommespor og finder slag.AnbefaletTilgængeligTrommer til MIDI · MSG-LD · OBTBTrænet med hjælpegrene for anslag og klangfarve; genererer fem spor og finder slag.Tilgængelig

Vælg en model til dit materiale og formål, og se eksemplerne før indsendelse.

Pris, tid, formater og parametre afhænger af den valgte model.

Adskiller trommedele og finder slag. MIDI-velocity er fastsat til 100, og hver hændelse varer 0.1 sekunder; den fulde WAV-varighed ændres ikke.

Hurtig feedback

Angiv værktøjets navn, trinene og problemet i din feedback. Skærmbilleder kan hjælpe med at finde fejlen.

Modeller, parametre og kilder

MSG-LD genererer fem trommespor og registrerer anslag; MIDI bruger fast anslagsstyrke 100 og afspilningsvarighed 0,1 sekund.

MSG-LD · OBADTOF-PyTorch READMEADTOF (original)ADTOF Direct · PyTorchADTOF Plus paper, Table 1ADTOF PlusOriginal ADTOFADTOF Plus paper, Table 2Vogl et al. 8-class baselineADT-STR · Table 2ADT-STR Setting-1ADT-STR Setting-2

MSG-LD · OB

ddman1101/Separate-and-detect MSG-LD · checkpoint MSG-LD

msgld_ob bruger anslagsgrenen; msgld_obtb bruger både anslags- og klangfarvegrenen.
DDIM-samplingtrin, som standard 200. Du kan bruge 50, 100, 200, 250 eller 500; visse andre værdier understøttes ikke.
Et fuldt mix får først trommerne adskilt i den valgte models forløb. Isolerede trommer går direkte til den valgte model til transskription eller adskillelse.
Artiklen vurderer OB, TB og OBTB separat; OB-tal gælder ikke standardvalget OBTB. Node-F1 og lydens mel-MSE/FAD vises hver for sig. Artiklens detektionsforløb er ikke målt igen her.

MSG-LD · OBTB

ddman1101/Separate-and-detect MSG-LD · checkpoint MSG-LD

msgld_ob bruger anslagsgrenen; msgld_obtb bruger både anslags- og klangfarvegrenen.
DDIM-samplingtrin, som standard 200. Du kan bruge 50, 100, 200, 250 eller 500; visse andre værdier understøttes ikke.
Et fuldt mix får først trommerne adskilt i den valgte models forløb. Isolerede trommer går direkte til den valgte model til transskription eller adskillelse.
Artiklen vurderer OB, TB og OBTB separat; OB-tal gælder ikke standardvalget OBTB. Node-F1 og lydens mel-MSE/FAD vises hver for sig. Artiklens detektionsforløb er ikke målt igen her.

ADTOF Plus

ADTOF Plus tilføjer trommeadskillelse, anslagsstyrke og behandling af åben/lukket hi-hat til ADTOF og kan modtage komplette mix.

ADTOF Plus source (pinned)ADTOF PyTorch source (pinned)ADTOF Plus paper ADTOF ISMIR 2021 paper Pinned ADTOF Plus technical guide

Aktivér for først at isolere trommerne fra et fuldt mix; deaktivér for et isoleret trommespor.
Tærskel for registrering af trommeanslag i ADTOF Plus; lad feltet stå tomt for at bruge modellens standard.
Analyserer de oprindelige slag efter transskription og skriver tempoet til MIDI med nodernes timing bevaret.

ADTOF Direct · PyTorch

ADTOF Direct transskriberer isolerede trommer med PyTorch ADTOF. Ved et fuldt mix udtrækker TelkNet først trommer med AudioSep-Hive uden Plus-efterbehandling af anslagsstyrke og åben/lukket hi-hat.

ADTOF PyTorch source (pinned)Original ADTOF source ISMIR 2021 paper materials Signals 2023 paper

Juster detektionstærsklerne for stortromme, lilletromme, hi-hat, tammer og bækkener hver for sig.
Tidsopløsning, som standard 100 FPS; ændringer kan påvirke transskriptionskvaliteten.
Analyserer de oprindelige slag efter transskription og skriver tempoet til MIDI med nodernes timing bevaret.

ADT_STR · tau=0.8

ADT_STR registrerer anslag og anslagsstyrke for 26 trommeklasser og eksporterer MIDI.

pier-maker92/ADT_STR ADT_STR · checkpoint ADT_STR

Vælg en officielt udgivet vægtvariant.
Maksimalt antal genererede token pr. segment; officiel standard 1024.
Officiel batchstørrelse for inferens: antal segmenter behandlet sammen.
Et fuldt mix får først trommerne adskilt i den valgte models forløb. Isolerede trommer går direkte til den valgte model til transskription eller adskillelse.
Setting-1 til Setting-4 i tabel 2 er træningsforsøg, ikke de valgbare vægte τ=0.4/0.6/0.8. Tallene gælder isolerede trommer, ikke fulde mix.

ADT_STR · tau=0.4

ADT_STR registrerer anslag og anslagsstyrke for 26 trommeklasser og eksporterer MIDI.

pier-maker92/ADT_STR ADT_STR · checkpoint ADT_STR

Vælg en officielt udgivet vægtvariant.
Maksimalt antal genererede token pr. segment; officiel standard 1024.
Officiel batchstørrelse for inferens: antal segmenter behandlet sammen.
Et fuldt mix får først trommerne adskilt i den valgte models forløb. Isolerede trommer går direkte til den valgte model til transskription eller adskillelse.
Setting-1 til Setting-4 i tabel 2 er træningsforsøg, ikke de valgbare vægte τ=0.4/0.6/0.8. Tallene gælder isolerede trommer, ikke fulde mix.

ADT_STR · tau=0.6

ADT_STR registrerer anslag og anslagsstyrke for 26 trommeklasser og eksporterer MIDI.

pier-maker92/ADT_STR ADT_STR · checkpoint ADT_STR

Vælg en officielt udgivet vægtvariant.
Maksimalt antal genererede token pr. segment; officiel standard 1024.
Officiel batchstørrelse for inferens: antal segmenter behandlet sammen.
Et fuldt mix får først trommerne adskilt i den valgte models forløb. Isolerede trommer går direkte til den valgte model til transskription eller adskillelse.
Setting-1 til Setting-4 i tabel 2 er træningsforsøg, ikke de valgbare vægte τ=0.4/0.6/0.8. Tallene gælder isolerede trommer, ikke fulde mix.

Papir- og benchmarknoter

Enhanced Automatic Drum Transcription via Drum Stem Source Separation

arXiv - 2025

Paper Pinned implementation

ADTOF: A large dataset of non-synthetic music for automatic drum transcription

ISMIR - 2021

Paper Paper materials

High-Quality and Reproducible Automatic Drum Transcription from Crowdsourced Data

Signals - 2023

Paper

Officielle / arkiver

ddman1101/Separate-and-detect MSG-LD · checkpoint ADTOF Plus source (pinned)ADTOF PyTorch source (pinned)Original ADTOF source pier-maker92/ADT_STR ADT_STR · checkpoint

Artikler / tekniske noter

MSG-LD ADTOF Plus paper ADTOF ISMIR 2021 paper Pinned ADTOF Plus technical guide ISMIR 2021 paper materials Signals 2023 paper ADT_STR

Parameterguide

Aktivér for først at isolere trommerne fra et fuldt mix; deaktivér for et isoleret trommespor.
Tærskel for registrering af trommeanslag i ADTOF Plus; lad feltet stå tomt for at bruge modellens standard.
Juster detektionstærsklerne for stortromme, lilletromme, hi-hat, tammer og bækkener hver for sig.
Tidsopløsning, som standard 100 FPS; ændringer kan påvirke transskriptionskvaliteten.
Analyserer de oprindelige slag efter transskription og skriver tempoet til MIDI med nodernes timing bevaret.

Arbejdsgang

1Et fuldt mix får først trommerne adskilt i den valgte models forløb. Isolerede trommer går direkte til den valgte model til transskription eller adskillelse.
2Hent MIDI og kontroller stortromme, lilletromme, hi-hat og andre dele.

Det bør du kontrollere

Et fuldt mix får først trommerne adskilt i den valgte models forløb. Isolerede trommer går direkte til den valgte model til transskription eller adskillelse.
Tidsopløsning, som standard 100 FPS; ændringer kan påvirke transskriptionskvaliteten.

Modeller i dette felt

3 resultater

Omfatter offentlige testresultater for modeller brugt her og andre steder. Som standard vises hele kildetabellen; betingelser og målinger kan også vælges til sammenligning. Resultater fra forskellige testbetingelser kan ikke sammenlignes direkte.

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.

Offentlige vægte dokumenterer ikke en fuldstændig open source-licens. Fold data ud for at se erklærede vægtlicenser og adgangsbetingelser. Manglende licenser markeres særskilt.

BenchmarkKategori

MSG-LD / ADTOF / LarsNet · MDB + ENST · 5 classes · 50 ms

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 -.

Rangér efter mål

MSG-LD / ADTOF / LarsNet · MDB + ENST · 5 classes · 50 ms
Placering efter måling	Model	MDB · Overall	ENST · Overall	MDB					ENST
Placering efter måling	Model	MDB · Overall	ENST · Overall	Kick↑F1 (%)	Snare↑F1 (%)	Toms↑F1 (%)	Hi-Hats↑F1 (%)	Cymbals↑F1 (%)	Kick↑F1 (%)	Snare↑F1 (%)	Toms↑F1 (%)	Hi-Hats↑F1 (%)	Cymbals↑F1 (%)
1	ADTOF Offentlige vægte · Inferenskode Offentlige vægte Inferenskode`Frame_RNN_adtofAll_0.data-00000-of-00001 + .index`Vægtlicens (erklæret af repository): CC-BY-NC-SA-4.0	79.5	70.9	85.1	75.2	52	77.3	84.9	79.5	59.9	58.1	77.7	65.7
2	MSG-LD OBModel brugt her Offentlige vægte · Inferenskode Offentlige vægte Inferenskode Vægtlicens (erklæret af repository): mit	70.7	64	93.1	76	26.8	65	48.1	82.1	64.2	49.1	63	39.1
3	MSG-LD OBTB Offentlige vægte · Inferenskode Offentlige vægte Inferenskode Vægtlicens (erklæret af repository): mit	69	63.6	-	-	-	-	-	-	-	-	-	-

Oprindelige poster (3)

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.

MSG-LD · Tables 3–4 ↗Kontrolleret: 2026-09-27

Alle evalueringskilder (6)

Datasæt, versioner og betingelser holdes adskilt, også kilder uden godkendte rækker.

ADTOF-PyTorch README ↗
Installerbare 2 / kilderækker 2
Trommer til MIDI ↗
Installerbare 6 / kilderækker 6
Trommer til MIDI ↗
Installerbare 3 / kilderækker 6
Uden placering: 3
En komplet offentlig inferenspakke til disse forsøg er ikke verificeret. Andre vægte med samme modelnavn kan ikke erstatte den.
Vogl et al. 8-class baseline · MDB · 8-class evaluation · onset only · 50 ms · Vogl et al. 8-class baseline · RBMA · 8-class evaluation · onset only · 50 ms · Vogl et al. 8-class baseline · ENST · 8-class evaluation · onset only · 50 ms
ADT-STR · Table 2 ↗
Installerbare 0 / kilderækker 8
Uden placering: 8
En komplet offentlig inferenspakke til disse forsøg er ikke verificeret. Andre vægte med samme modelnavn kan ikke erstatte den.
Setting-1 · ENST · Setting-2 · ENST · Setting-3 · ENST · Setting-4 · ENST · Setting-1 · MDB · Setting-2 · MDB · Setting-3 · MDB · Setting-4 · MDB
MSG-LD · Table 3 ↗
Installerbare 2 / kilderækker 3
Uden placering: 1
En komplet offentlig inferenspakke til disse forsøg er ikke verificeret. Andre vægte med samme modelnavn kan ikke erstatte den.
LarsNet
MSG-LD · Table 4 ↗
Installerbare 2 / kilderækker 4
Uden placering: 2
En komplet offentlig inferenspakke til disse forsøg er ikke verificeret. Andre vægte med samme modelnavn kan ikke erstatte den.
MSG-LD Vanilla · MSG-LD TB

Alle originale resultater og kilder

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.

ADTOF-PyTorch README

Installerbare 2 / kilderækker 2

ADTOF-PyTorch README · PyTorch 88.51 · Keras 88.74

Rangér efter mål

ADTOF-PyTorch README
Placering efter måling	Model	Recall↑	Precision↑	F-measure↑
1	ADTOF (original) Offentlige vægte · Inferenskode Frame_RNN_adtofAll_0.data-00000-of-00001 + .index Inferenskode Vægtlicens (erklæret af repository): CC-BY-NC-SA-4.0	88.68	89.90	88.74
2	ADTOF-pytorch Offentlige vægte · Inferenskode src/adtof_pytorch/data/adtof_frame_rnn_pytorch_weights.pth InferenskodeVægtlicens ikke oplyst	88.26	89.83	88.51

Oprindelige poster (2)

ADTOF-PyTorch README ↗Kontrolleret: 2026-10-25

Trommer til MIDI

Værdierne kommer fra den linkede offentlige kilde. Rækkenavnene angiver testsættet eller checkpointet; ikke offentliggjorte værdier vises som -.

TestbetingelseRangér efter mål

Trommer til MIDI
Placering efter måling	Model	Testbetingelse	F1 (%)↑	Præcision (%)↑	Tilbagekaldelse (%)↑
1	ADTOF Plus Offentlige vægte · Inferenskode MDX23C 5-stem MDX23C full-mix drums ADTOF PyTorch Inferenskode`drumsep_5stems_mdx23c_jarredou.ckpt`Vægtlicens (erklæret af repository): mit	MDB · 5 classes · onset only · 50 ms	89	89	89
2	Original ADTOF Offentlige vægte · Inferenskode Frame_RNN_adtofAll_0.data-00000-of-00001 + .index Inferenskode Vægtlicens (erklæret af repository): CC-BY-NC-SA-4.0	MDB · 5 classes · onset only · 50 ms	87	-	-

Oprindelige poster (6)

ADTOF Plus paper, Table 1 ↗

Trommer til MIDI

Værdierne kommer fra den linkede offentlige kilde. Rækkenavnene angiver testsættet eller checkpointet; ikke offentliggjorte værdier vises som -.

TestbetingelseRangér efter mål

Trommer til MIDI
Placering efter måling	Model	Testbetingelse	F1 (%)↑	Præcision (%)↑	Tilbagekaldelse (%)↑
-	ADTOF Plus Offentlige vægte · Inferenskode MDX23C 5-stem MDX23C full-mix drums ADTOF PyTorch Inferenskode`drumsep_5stems_mdx23c_jarredou.ckpt`Vægtlicens (erklæret af repository): mit	MDB · 8-class evaluation · onset only · 50 ms	84	84	84

Oprindelige poster (3)

ADTOF Plus paper, Table 2 ↗

MSG-LD · Table 3

Installerbare 2 / kilderækker 3

Uden placering: 1

En komplet offentlig inferenspakke til disse forsøg er ikke verificeret. Andre vægte med samme modelnavn kan ikke erstatte den.

LarsNet

Artiklen vurderer OB, TB og OBTB separat; OB-tal gælder ikke standardvalget OBTB. Node-F1 og lydens mel-MSE/FAD vises hver for sig. Artiklens detektionsforløb er ikke målt igen her.

Rangér efter mål

MSG-LD · Table 3
Placering efter måling	Model	MDB · Kick			MDB · Snare			MDB · Toms			MDB · Hi-Hats			MDB · Cymbals			MDB · Overall			ENST · Kick			ENST · Snare			ENST · Toms			ENST · Hi-Hats			ENST · Cymbals			ENST · Overall
Placering efter måling	Model	F1↑	P↑	R↑	F1↑	P↑	R↑	F1↑	P↑	R↑	F1↑	P↑	R↑	F1↑	P↑	R↑	F1↑	P↑	R↑	F1↑	P↑	R↑	F1↑	P↑	R↑	F1↑	P↑	R↑	F1↑	P↑	R↑	F1↑	P↑	R↑	F1↑	P↑	R↑
1	ADTOF Offentlige vægte · Inferenskode Frame_RNN_adtofAll_0.data-00000-of-00001 + .index Inferenskode Vægtlicens (erklæret af repository): CC-BY-NC-SA-4.0	0.851	0.790	0.923	0.752	0.828	0.690	0.520	0.520	0.520	0.773	0.859	0.703	0.849	0.802	0.902	0.795	0.813	0.778	0.795	0.984	0.667	0.599	0.932	0.441	0.581	0.669	0.513	0.777	0.936	0.663	0.657	0.788	0.563	0.709	0.908	0.582
2	MSG-LD OB Offentlige vægte · Inferenskode Inferenskode Vægtlicens (erklæret af repository): mit	0.931	0.939	0.923	0.760	0.791	0.732	0.268	0.309	0.236	0.650	0.550	0.794	0.481	0.663	0.377	0.707	0.709	0.704	0.821	0.941	0.729	0.642	0.698	0.594	0.491	0.415	0.602	0.630	0.643	0.618	0.391	0.611	0.287	0.640	0.695	0.593

Oprindelige poster (2)

MSG-LD · Table 3 ↗Kontrolleret: 2026-10-25

MSG-LD · Table 4

Installerbare 2 / kilderækker 4

Uden placering: 2

En komplet offentlig inferenspakke til disse forsøg er ikke verificeret. Andre vægte med samme modelnavn kan ikke erstatte den.

MSG-LD Vanilla · MSG-LD TB

Artiklen vurderer OB, TB og OBTB separat; OB-tal gælder ikke standardvalget OBTB. Node-F1 og lydens mel-MSE/FAD vises hver for sig. Artiklens detektionsforløb er ikke målt igen her.

Rangér efter mål

MSG-LD · Table 4
Placering efter måling	Model	MDB Overall			ENST Overall			Mean overall F1 (2 sets)
Placering efter måling	Model	F1↑	P↑	R↑	F1↑	P↑	R↑	F1↑	P↑	R↑
1	MSG-LD OB Offentlige vægte · Inferenskode Inferenskode Vægtlicens (erklæret af repository): mit	0.707	0.709	0.704	0.640	0.695	0.593	0.674	0.674	0.674
2	MSG-LD OBTB Offentlige vægte · Inferenskode Inferenskode Vægtlicens (erklæret af repository): mit	0.690	0.709	0.672	0.636	0.703	0.580	0.663	0.663	0.663

Oprindelige poster (2)

MSG-LD · Table 4 ↗Kontrolleret: 2026-10-25