Indlæser...

Vokal til MIDI · ROSVOT / GAME · TelkNet

MIDI / transskriptionGPU arbejdsbyrdeROSVOT · Kildekode rosvot-checkpoints.zip · Vægte ROSVOT · Artikel

Vokal til MIDI

Lav sang, nynnen eller vokalspor om til MIDI. Sammenlign ROSVOT, GAME, SOME og VOCANO, før du retter melodien.

25 credits/brugFilinputHøjst 100 MBAnslået 45-1800 sekunder

Input

Upload solosang, nynnen eller et isoleret lead-vokalspor. Har du kun den færdige sang, vælg »Hel sang«; leadvokalen udskilles før transskriptionen.

Understøttede formater

mp3wavflacoggm4aaacaifaiffmp4movmkv

Output

MIDI

Brugsscenarie

Kopiering af en sunget melodi til en DAW til redigering, fordobling, synth-programmering eller et notationsudkast.

Vælg modelfamilie

Vokal til MIDI · ROSVOTTilgængeligRobust vej til sang med støj eller læk fra akkompagnement; det nuværende officielle checkpoint er primært trænet på mandarin-sang.Vokal til MIDI · GAMETilgængeligOmdanner sang til MIDI med indstillinger for sangsprog, segmentering og nodegenkendelse.Vokal til MIDI · SOMETilgængeligSOME er en hurtig og let sang-til-MIDI-rute.Vokal til MIDI · VOCANOTilgængeligVOCANO udtrækker vokalens tonehøjde med Patch-CNN og finder nodegrænser med PyramidNet-110. Den udgivne inferensindgang har ingen yderligere modelkontroller.

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

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

Hurtig feedback

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

Modeller, parametre og kilder

Robust vej til sang med støj eller læk fra akkompagnement; det nuværende officielle checkpoint er primært trænet på mandarin-sang.

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

ROSVOT source (pinned)ROSVOT project page ROSVOT paper

ROSVOT-tærskel for nodegrænser: standard 0.85; interval 0–1.
ROSVOT-tærskel for ordgrænser: standard 0.5; interval 0–1.

GAME

Omdanner sang til MIDI med indstillinger for sangsprog, segmentering og nodegenkendelse.

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)

Lad feltet stå tomt for at bruge GAMEs officielle sprog-ID 0. Det er ikke automatisk sproggenkendelse; vælg sproget, når du kender det.
Segmenteringstærskel — Officiel modelindstilling; behold standardværdien, hvis du er i tvivl.
Segmenteringsradius (s) — Officiel modelindstilling; behold standardværdien, hvis du er i tvivl.
D3PM-starttid — Officiel modelindstilling; behold standardværdien, hvis du er i tvivl.
GAME-støjfjernelsestrin: standard 8; interval 1–128.
Estimeringstærskel — Officiel modelindstilling; behold standardværdien, hvis du er i tvivl.
Analyserer de oprindelige slag efter transskription og skriver tempoet til MIDI med nodernes timing bevaret.
Særskilte evalueringsresultater for GAME v1.0.3 er endnu ikke opført.

SOME

SOME er en hurtig og let sang-til-MIDI-rute.

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

Analyserer de oprindelige slag efter transskription og skriver tempoet til MIDI med nodernes timing bevaret.

VOCANO

VOCANO udtrækker vokalens tonehøjde med Patch-CNN og finder nodegrænser med PyramidNet-110. Den udgivne inferensindgang har ingen yderligere modelkontroller.

VOCANO source and official weights VOCANO ISMIR 2021 paper

Vælg »Isoleret vokal / vokalspor« til a cappella eller et udskilt vokalspor. Ved »Hel sang« udskilles leadvokalen først.

Papir- og benchmarknoter

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

ISMIR - 2021

VOCANO udtrækker vokalens tonehøjde med Patch-CNN og finder nodegrænser med PyramidNet-110. Den udgivne inferensindgang har ingen yderligere modelkontroller.

Official source and citation

Robust Singing Voice Transcription Serves Synthesis

ACL - 2024

Paper

GAME: Generative Adaptive MIDI Extractor

Official technical guide - 2026

Omdanner sang til MIDI med indstillinger for sangsprog, segmentering og nodegenkendelse.

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

SOME er en hurtig og let sang-til-MIDI-rute.

Technical guide (pinned)Baseline weights

Officielle / arkiver

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

Artikler / tekniske noter

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

Parameterguide

Vælg »Isoleret vokal / vokalspor« til a cappella eller et udskilt vokalspor. Ved »Hel sang« udskilles leadvokalen først.
Lad feltet stå tomt for at bruge GAMEs officielle sprog-ID 0. Det er ikke automatisk sproggenkendelse; vælg sproget, når du kender det.
Segmenteringstærskel — Officiel modelindstilling; behold standardværdien, hvis du er i tvivl.
Segmenteringsradius (s) — Officiel modelindstilling; behold standardværdien, hvis du er i tvivl.
D3PM-starttid — Officiel modelindstilling; behold standardværdien, hvis du er i tvivl.
GAME-støjfjernelsestrin: standard 8; interval 1–128.
Estimeringstærskel — Officiel modelindstilling; behold standardværdien, hvis du er i tvivl.
Analyserer de oprindelige slag efter transskription og skriver tempoet til MIDI med nodernes timing bevaret.
ROSVOT-tærskel for nodegrænser: standard 0.85; interval 0–1.
ROSVOT-tærskel for ordgrænser: standard 0.5; interval 0–1.

Brugsscenarier

Gør en lead-vokal linje til redigerbare noter.
Sammenlign fire transskriptionsmodeller, når optagelsen har blødning, støj eller uklare notegrænser.
Brug MIDI som et guidespor i en DAW, og korriger derefter tonehøjder og nodelængder efter gehør.

Arbejdsgang

1Vælg lydtypen, og upload solosang, et vokalspor eller hele sangen. Hele sange udskilles først.
2Start med standardmodellen; brug sammenligningen med fire versioner, når ét resultat er svært at bedømme.
3Skift mellem den originale vokal og hver klaverrulle, ret den valgte MIDI, og download den derefter.

Det bør du kontrollere

Dette værktøj følger den sungne hovedmelodi; den genopbygger ikke trommer, akkorder eller et komplet arrangement.
GAME afslører sprog- og segmenteringskontroller. ROSVOTs frigivne checkpoint er hovedsageligt trænet i mandarinsang.
Sammenligningen kører fire separate konverteringer og giver fire selvstændige MIDI-filer uden at flette modellerne.

Modeller i dette felt

2 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

ROSVOT paper, Table 1

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

Uden placering: 8

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

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

Robust vej til sang med støj eller læk fra akkompagnement; det nuværende officielle checkpoint er primært trænet på mandarin-sang.

Rangér efter mål

ROSVOT paper, Table 1
Placering efter måling	Model	COn (F) ↑		COff (F) ↑		COnPOff (F) ↑		Pitch (AOR) ↑		Melody (RPA) ↑
Placering efter måling	Model	clean	noisy	clean	noisy	clean	noisy	clean	noisy	clean	noisy
1	ℳ (ours) Offentlige vægte · Inferenskode checkpoints.zip · rosvot + rwbd + rmvpe InferenskodeVægtlicens ikke oplyst	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 )Model brugt her Offentlige vægte · Inferenskode checkpoints.zip · rosvot + rwbd + rmvpe InferenskodeVægtlicens ikke oplyst	93.3	93.5	93.2	92.9	77.1	77.0	96.5	96.2	87.5	87.2

Oprindelige poster (2)

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.

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

Alle evalueringskilder (1)

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

ROSVOT paper, Table 1 ↗
Installerbare 2 / kilderækker 10
Uden placering: 8
En komplet offentlig inferenspakke til disse forsøg er ikke verificeret. Andre vægte med samme modelnavn kan ikke erstatte den.
TONY · VOCANO · MusicYOLO · Yong et al. (2023) · ℳ (conformer) · ℳ (conv) · ℳ (w/o wbd) · ℳ (w/o noise)

Alle originale resultater og kilder

Resultater gælder det angivne datasæt, mål og modelversion. Forskellige tests kan ikke sammenlignes direkte.

ROSVOT paper, Table 1

Installerbare 2 / kilderækker 10

Uden placering: 8

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

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

Robust vej til sang med støj eller læk fra akkompagnement; det nuværende officielle checkpoint er primært trænet på mandarin-sang.

Rangér efter mål

ROSVOT paper, Table 1
Placering efter måling	Model	COn (F) ↑		COff (F) ↑		COnPOff (F) ↑		Pitch (AOR) ↑		Melody (RPA) ↑
Placering efter måling	Model	clean	noisy	clean	noisy	clean	noisy	clean	noisy	clean	noisy
1	ℳ (ours) Offentlige vægte · Inferenskode checkpoints.zip · rosvot + rwbd + rmvpe InferenskodeVægtlicens ikke oplyst	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 ) Offentlige vægte · Inferenskode checkpoints.zip · rosvot + rwbd + rmvpe InferenskodeVægtlicens ikke oplyst	93.3	93.5	93.2	92.9	77.1	77.0	96.5	96.2	87.5	87.2

Oprindelige poster (2)

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

Relaterede brugsguides

Find metoder og trin, der passer til dit materiale.

Lyd til MIDI · onlineværktøj og modelguide