Lädt...

Gesangsmelodie zu MIDI · TelkNet

MIDI / TranskriptionGPU Arbeitsbelastung

Gesangsmelodie zu MIDI

Ein Modell: 25 Credits · Vergleich aller vier: 250 CreditsDateieingabeMax 100 MBGeschätzte 45-1800 Sekunden

Eingabe

Laden Sie Solostimme, Summen oder eine getrennte Leadspur hoch. Liegt nur der fertige Song vor, wählen Sie „Kompletter Song“; der Leadgesang wird vor der Transkription getrennt.

Unterstützte Formate

mp3wavflacoggm4aaacaifaiffmp4movmkv

Ausgabe

Eine bearbeitbare Notiz MIDI von jedem ausgewählten Modell. Text, Vibratokurven und der Rest des Arrangements sind nicht enthalten.

Anwendungsfall

Kopieren einer gesungenen Melodie in einen DAW zum Bearbeiten, Verdoppeln, Synthesizerprogrammieren oder für einen Notationsentwurf.

Modelle, Parameter und Quellen

Wandelt A-cappella-Gesang, Summen oder eine getrennte Hauptstimme in bearbeitbare MIDI-Noten um. ROSVOT ist voreingestellt. Der Vergleich führt GAME, ROSVOT, SOME und VOCANO getrennt aus, damit sich die vier Ergebnisse anhören und auswählen lassen. Ein Modell kostet 5 Credits, alle vier 45.

GAMEROSVOTSOMEVOCANOGAME v1.0.3 source (pinned)GAME v1.0.3 weightsGAME v1.0.3 technical guide (pinned)GAME v1.0.3 ONNX guide (pinned)ROSVOT source (pinned)ROSVOT project pageROSVOT paperSOME source (pinned)

GAME

GAME wandelt Gesang mit den offiziellen Grenz-, D3PM- und Schätzparametern in MIDI um. Bleibt die Sprache leer, gilt die offizielle ID 0; das erkennt keine Sprache und erzwingt kein Chinesisch.

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)

Leer lassen, um GAMEs offizielle Sprach-ID 0 zu verwenden. Das ist keine automatische Spracherkennung; wählen Sie die Sprache, wenn sie bekannt ist.
Segmentierungsschwelle — Offizielle Modelloption; im Zweifel den Standardwert beibehalten.
Segmentierungsradius (s) — Offizielle Modelloption; im Zweifel den Standardwert beibehalten.
D3PM-Startzeit — Offizielle Modelloption; im Zweifel den Standardwert beibehalten.
GAME-D3PM-Entrauschungsschritte. Upstream nutzt 8 als Standard und legt nur ein Minimum von 1 fest; 128 ist das TelkNet-Limit für öffentliche Aufgaben, kein Upstream-Maximum.
Schätzschwelle — Offizielle Modelloption; im Zweifel den Standardwert beibehalten.
Nach der Inferenz schreibt Beat This final0 ein gültiges festes Tempo oder eine taktweise Tempokarte in die MIDI-Datei und erhält alle Ereignispositionen in Sekunden. Fehlen gültige Beat-Daten, schlägt die Aufgabe fehl, statt MIDI mit dem Modell-Standardtempo auszuliefern.

ROSVOT

Robuster Pfad für Gesang mit Rauschen oder Begleitungsresten; der aktuelle offizielle Checkpoint wurde überwiegend mit Mandarin-Gesang trainiert.

ROSVOT source (pinned)ROSVOT project page ROSVOT paper

ROSVOT-Notengrenzschwelle; Upstream-Standard ist 0,85. Der Bereich 0–1 ist eine TelkNet-Eingabeprüfung, keine Grenze des Upstream-Parsers.
ROSVOT-Wortgrenzschwelle; Upstream-Standard ist 0,5. Der Bereich 0–1 ist eine TelkNet-Eingabeprüfung, keine Grenze des Upstream-Parsers.

SOME

SOME ist der schnelle, leichte Gesang-zu-MIDI-Pfad.

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

Nach der Inferenz schreibt Beat This final0 ein gültiges festes Tempo oder eine taktweise Tempokarte in die MIDI-Datei und erhält alle Ereignispositionen in Sekunden. Fehlen gültige Beat-Daten, schlägt die Aufgabe fehl, statt MIDI mit dem Modell-Standardtempo auszuliefern.

VOCANO

VOCANO extrahiert die Gesangstonhöhe mit Patch-CNN und bestimmt Notengrenzen mit PyramidNet-110. Der veröffentlichte Inferenzaufruf bietet keine weiteren Modellregler.

VOCANO source and official weights VOCANO ISMIR 2021 paper

Für A-cappella oder eine bereits getrennte Gesangsspur „Isolierter Gesang / Vocal-Stem“ wählen. Bei „Kompletter Song“ wird zuerst der Leadgesang getrennt.

Papier- und Benchmark-Notizen

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

ISMIR - 2021

VOCANO extrahiert die Gesangstonhöhe mit Patch-CNN und bestimmt Notengrenzen mit PyramidNet-110. Der veröffentlichte Inferenzaufruf bietet keine weiteren Modellregler.

Official source and citation

Robust Singing Voice Transcription Serves Synthesis

ACL - 2024

Robuster Pfad für Gesang mit Rauschen oder Begleitungsresten; der aktuelle offizielle Checkpoint wurde überwiegend mit Mandarin-Gesang trainiert.

Paper

GAME: Generative Adaptive MIDI Extractor

Official technical guide - 2026

GAME wandelt Gesang mit den offiziellen Grenz-, D3PM- und Schätzparametern in MIDI um. Bleibt die Sprache leer, gilt die offizielle ID 0; das erkennt keine Sprache und erzwingt kein Chinesisch.

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 ist der schnelle, leichte Gesang-zu-MIDI-Pfad.

Technical guide (pinned)Baseline weights

Offizielle / Repositorien

GAME v1.0.3 source (pinned)GAME v1.0.3 weights ROSVOT source (pinned)ROSVOT project page SOME source (pinned)SOME baseline weights VOCANO source and official weights

Arbeiten / technische Anmerkungen

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

Parameterleitfaden

Für A-cappella oder eine bereits getrennte Gesangsspur „Isolierter Gesang / Vocal-Stem“ wählen. Bei „Kompletter Song“ wird zuerst der Leadgesang getrennt.
Leer lassen, um GAMEs offizielle Sprach-ID 0 zu verwenden. Das ist keine automatische Spracherkennung; wählen Sie die Sprache, wenn sie bekannt ist.
Segmentierungsschwelle — Offizielle Modelloption; im Zweifel den Standardwert beibehalten.
Segmentierungsradius (s) — Offizielle Modelloption; im Zweifel den Standardwert beibehalten.
D3PM-Startzeit — Offizielle Modelloption; im Zweifel den Standardwert beibehalten.
GAME-D3PM-Entrauschungsschritte. Upstream nutzt 8 als Standard und legt nur ein Minimum von 1 fest; 128 ist das TelkNet-Limit für öffentliche Aufgaben, kein Upstream-Maximum.
Schätzschwelle — Offizielle Modelloption; im Zweifel den Standardwert beibehalten.
Nach der Inferenz schreibt Beat This final0 ein gültiges festes Tempo oder eine taktweise Tempokarte in die MIDI-Datei und erhält alle Ereignispositionen in Sekunden. Fehlen gültige Beat-Daten, schlägt die Aufgabe fehl, statt MIDI mit dem Modell-Standardtempo auszuliefern.
ROSVOT-Notengrenzschwelle; Upstream-Standard ist 0,85. Der Bereich 0–1 ist eine TelkNet-Eingabeprüfung, keine Grenze des Upstream-Parsers.
ROSVOT-Wortgrenzschwelle; Upstream-Standard ist 0,5. Der Bereich 0–1 ist eine TelkNet-Eingabeprüfung, keine Grenze des Upstream-Parsers.

Anwendungsfälle

Verwandeln Sie eine Lead-Gesangslinie in bearbeitbare Noten.
Vergleichen Sie vier Transkriptionsmodelle, wenn die Aufnahme Anschnitt, Rauschen oder unklare Notengrenzen aufweist.
Verwenden Sie den MIDI als Führungsschiene in einem DAW und korrigieren Sie dann Tonhöhen und Notenlängen nach Gehör.

Arbeitsablauf

1Wählen Sie die Art der Aufnahme und laden Sie Solostimme, Vocal-Stem oder den kompletten Song hoch. Ein kompletter Song wird zuerst getrennt.
2Beginnen Sie mit dem Standardmodell; nutzen Sie den Vier-Versionen-Vergleich, wenn ein Ergebnis schwer zu beurteilen ist.
3Wechseln Sie zwischen der Originalstimme und jeder Pianorolle, korrigieren Sie den gewählten MIDI und laden Sie ihn dann herunter.

Vor dem Absenden

Dieses Instrument folgt der gesungenen Hauptmelodie; Schlagzeug, Akkorde oder ein komplettes Arrangement werden nicht neu aufgebaut.
GAME stellt Sprach- und Segmentierungskontrollen bereit. Der veröffentlichte Checkpoint von ROSVOT ist hauptsächlich auf Mandarin-Gesang trainiert.
Der Vier-Versionen-Vergleich kostet 45 Credits pro Datei und führt vier getrennte Transkriptionen aus. Er liefert vier unabhängige MIDI-Dateien, keine Modellfusion.

Schnelles Feedback

Nennen Sie im Feedback das Werkzeug, die Schritte und das Problem. Screenshots helfen bei der Einordnung.