¿Qué es Separar diálogos, música y efectos?

Separar diálogos, música y efectos Elegir modelo y procesamiento Coste, tiempo, formatos y parámetros dependen del modelo elegido.

¿Para quién Separar diálogos, música y efectos?

Separación y stem separación Separar diálogos, música y efectos Elegir modelo y procesamiento Coste, tiempo, formatos y parámetros dependen del modelo elegido.

¿En qué tareas Separar diálogos, música y efectos puede ayudar?

Separación y stem separación; WAV; Remezclar, practicar con acompañamiento y editar partes por separado.; Soporta entradas en formatos como mp3 / wav / flac / ogg / m4a / aac / aif / aiff / mp4 / mov / mkv; SFC-Locoformer DnR; BandIt

Separar diálogos, música y efectos

Q: ¿Qué entidades de modelo y palabras clave están conectadas con Separar diálogos, música y efectos?

SFC-Locoformer DnR, BandIt, TIGER-DnR, SFC-Locoformer, TIGER, SFC paper, BandIt paper (IEEE OJSP), TIGER paper

Modelos, parámetros y fuentes

SFC-Locoformer DnRBandItTIGER-DnRSFC-LocoformerTIGERSFC paperBandIt paper (IEEE OJSP)TIGER paperSFC paper, Table IID3 · mediumPublished DnR Table IITable II

SFC-Locoformer DnR

SFC-Locoformer BandIt TIGER SFC paper

Perfil de separación: SFC-Locoformer DnR es la ruta predeterminada para diálogo/música/efectos; BandIt y TIGER-DnR son checkpoints alternativos para la misma tarea three-stem.
Stem de salida de vídeo: cuando la entrada es un vídeo, elige qué stem separado se escribe de vuelta con la imagen; automatic usa el stem principal de la herramienta.

BandIt

SFC-Locoformer BandIt TIGER BandIt paper (IEEE OJSP)

Perfil de separación: SFC-Locoformer DnR es la ruta predeterminada para diálogo/música/efectos; BandIt y TIGER-DnR son checkpoints alternativos para la misma tarea three-stem.
Stem de salida de vídeo: cuando la entrada es un vídeo, elige qué stem separado se escribe de vuelta con la imagen; automatic usa el stem principal de la herramienta.

TIGER-DnR

SFC-Locoformer BandIt TIGER TIGER paper

Perfil de separación: SFC-Locoformer DnR es la ruta predeterminada para diálogo/música/efectos; BandIt y TIGER-DnR son checkpoints alternativos para la misma tarea three-stem.
Stem de salida de vídeo: cuando la entrada es un vídeo, elige qué stem separado se escribe de vuelta con la imagen; automatic usa el stem principal de la herramienta.

AV-CASS

AV-CASS source and official checkpoint links (pinned)AV-CASS paper

Comparación de modelos

Modelo

Función

Por qué se utiliza

Impacto en la salida

Las puntuaciones solo corresponden al conjunto de datos, métrica y versión citados. Liderar esta tabla no significa un récord mundial actual ni un resultado de este servicio. Las capacidades y pruebas pueden priorizar modelos sin puntuaciones comparables.

Clasificación pública: DnR v2 · SI-SDR / Separación de diálogo, efectos y música de vídeo · AV-CASS

La tabla solo incluye modelos con pesos o configuraciones públicas que pueden ejecutarse localmente.

DnR v2 · SI-SDR

SFC paper, Table II

Las cifras proceden de la fuente pública enlazada. Cada fila indica el conjunto o checkpoint; se omiten los modelos sin un resultado equivalente.

Fuentes públicas verificadas: 2026-09-10

Rango	Modelo	SI-SDR (dB) ↑	Métricas detalladas
D3 · medium	SFC-Locoformer DnRTelkNetPublished DnR Table II	11.83Mejor	DX SNR (dB) ↑16.38MejorDX SI-SDR (dB) ↑16.32MejorMX SNR (dB) ↑9.70MejorMX SI-SDR (dB) ↑9.28MejorFX SNR (dB) ↑10.56MejorFX SI-SDR (dB) ↑9.88MejorDEG promedio (dB)12.21MejorParámetros (M)16.00
Table II	BandItTelkNetPublished DnR Table II	10.90	DX SNR (dB) ↑15.70DX SI-SDR (dB) ↑15.60MX SNR (dB) ↑8.70MX SI-SDR (dB) ↑8.00FX SNR (dB) ↑9.80FX SI-SDR (dB) ↑8.20DEG promedio (dB)11.40Parámetros (M)37.00

Separación de diálogo, efectos y música de vídeo · AV-CASS

AV-CASS paper, Table 1

Las cifras proceden de la fuente pública enlazada. Cada fila indica el conjunto o checkpoint; se omiten los modelos sin un resultado equivalente.

Fuentes públicas verificadas: 2026-09-10

± indica el intervalo de confianza del 95 %.

Rango	Condición de prueba	Modelo	MOS ↑
#3	Vídeos reales	MRXAV-CASS paper Table 1	2.55 ± 0.10
#2	Vídeos reales	BandItAV-CASS paper Table 1	3.78 ± 0.10
#1	Vídeos reales	AV-CASSAV-CASS paper Table 1	4.13 ± 0.09Mejor

Separación de diálogo, efectos y música de vídeo · AV-CASS

AV-CASS paper, Table 2

Las cifras proceden de la fuente pública enlazada. Cada fila indica el conjunto o checkpoint; se omiten los modelos sin un resultado equivalente.

Fuentes públicas verificadas: 2026-09-10

Rango	Condición de prueba	Modelo	WPR (%) ↓
#3	Diálogo (DX)	MRXAV-CASS paper Table 2	2.63
#2	Diálogo (DX)	BandItAV-CASS paper Table 2	0.60
#4	Diálogo (DX)	DAVIS-FlowAV-CASS paper Table 2	5.88
#1	Diálogo (DX)	AV-CASSAV-CASS paper Table 2	0.46Mejor
#4	Efectos (FX)	MRXAV-CASS paper Table 2	33.72
#3	Efectos (FX)	BandItAV-CASS paper Table 2	22.41
#1	Efectos (FX)	DAVIS-FlowAV-CASS paper Table 2	14.58Mejor
#2	Efectos (FX)	AV-CASSAV-CASS paper Table 2	19.81
#3	Música (MX)	MRXAV-CASS paper Table 2	6.01
#2	Música (MX)	BandItAV-CASS paper Table 2	0.35
#4	Música (MX)	DAVIS-FlowAV-CASS paper Table 2	35.94
#1	Música (MX)	AV-CASSAV-CASS paper Table 2	0.32Mejor

Separación de diálogo, efectos y música de vídeo · AV-CASS

AV-CASS paper, Table 3

Las cifras proceden de la fuente pública enlazada. Cada fila indica el conjunto o checkpoint; se omiten los modelos sin un resultado equivalente.

Fuentes públicas verificadas: 2026-09-10

Rango	Condición de prueba	Modelo	FAD ↓	Métricas detalladas
#3	Protocolo AVDnR	Hybrid DemucsAV-CASS paper Table 3	2.05	KL ↓1.03SI-SDRi (dB) ↑13.57PESQ ↑2.16WPR (%) ↓5.24
#4	Protocolo AVDnR	HTDemucsAV-CASS paper Table 3	2.08	KL ↓1.06SI-SDRi (dB) ↑13.41PESQ ↑2.06WPR (%) ↓9.23
#7	Protocolo AVDnR	MRXAV-CASS paper Table 3	3.47	KL ↓1.67SI-SDRi (dB) ↑10.60PESQ ↑1.89WPR (%) ↓14.91
#5	Protocolo AVDnR	BandItAV-CASS paper Table 3	2.15	KL ↓1.14SI-SDRi (dB) ↑14.40MejorPESQ ↑2.15WPR (%) ↓4.65
#6	Protocolo AVDnR	MSDMAV-CASS paper Table 3	2.90	KL ↓2.90SI-SDRi (dB) ↑11.63PESQ ↑2.12WPR (%) ↓5.65
#8	Protocolo AVDnR	DAVIS-FlowAV-CASS paper Table 3	5.94	KL ↓1.64SI-SDRi (dB) ↑9.25PESQ ↑1.96WPR (%) ↓12.14
#1	Protocolo AVDnR	AV-CASSAV-CASS paper Table 3	0.84Mejor	KL ↓0.93MejorSI-SDRi (dB) ↑12.32PESQ ↑2.26MejorWPR (%) ↓1.84Mejor
#2	Protocolo AVDnR	AV-CASS audio-onlyModelo correspondiente de la herramienta: AV-CASSAV-CASS paper Table 3	1.63	KL ↓1.15SI-SDRi (dB) ↑12.23PESQ ↑2.08WPR (%) ↓2.01

Notas en papel y benchmarks

Input-Adaptive Spectral Feature Compression by Sequence Modeling for Source Separation

arXiv - 2026

Paper

A Generalized Bandsplit Neural Network for Cinematic Audio Source Separation

IEEE OJSP - 2024

Paper Source

TIGER: Time-frequency Interleaved Gain Extraction and Reconstruction for Efficient Speech Separation

arXiv - 2024

Paper Source

Cinematic Audio Source Separation Using Visual Cues

CVPR - 2026

Usa las condiciones visuales y de audio de AV-CASS para separar diálogo, efectos y música de un vídeo; también permite comparar con condicionamiento solo de audio.

Paper

Oficiales / repositorios

SFC-Locoformer BandIt TIGER AV-CASS source and official checkpoint links (pinned)

Artículos / notas técnicas

SFC paper BandIt paper (IEEE OJSP)TIGER paper AV-CASS paper

Guía de parámetros

Perfil de separación: SFC-Locoformer DnR es la ruta predeterminada para diálogo/música/efectos; BandIt y TIGER-DnR son checkpoints alternativos para la misma tarea three-stem.
Stem de salida de vídeo: cuando la entrada es un vídeo, elige qué stem separado se escribe de vuelta con la imagen; automatic usa el stem principal de la herramienta.

Separar diálogos, música y efectos

Modelos, parámetros y fuentes

SFC-Locoformer DnR

BandIt

TIGER-DnR

AV-CASS

Comparación de modelos

Clasificación pública: DnR v2 · SI-SDR / Separación de diálogo, efectos y música de vídeo · AV-CASS

DnR v2 · SI-SDR

Separación de diálogo, efectos y música de vídeo · AV-CASS

Separación de diálogo, efectos y música de vídeo · AV-CASS

Separación de diálogo, efectos y música de vídeo · AV-CASS

Notas en papel y benchmarks

Input-Adaptive Spectral Feature Compression by Sequence Modeling for Source Separation

A Generalized Bandsplit Neural Network for Cinematic Audio Source Separation

TIGER: Time-frequency Interleaved Gain Extraction and Reconstruction for Efficient Speech Separation

Cinematic Audio Source Separation Using Visual Cues

Oficiales / repositorios

Artículos / notas técnicas

Guía de parámetros

Flujo de trabajo

Antes de enviar

Guías de uso relacionadas

Comentarios rápidos