Voz cantada a MIDI · Cuatro modelos (VocalParse 1.7B) · TelkNet

MIDI / transcripciónGPU carga de trabajo

Voz cantada a MIDI · Cuatro modelos

Q: ¿Para quién Voz cantada a MIDI · Cuatro modelos (VocalParse 1.7B)?

MIDI / transcripción Elige VocalParse, GAME, ROSVOT o SOME para transcripción vocal orientada a partitura, resistente al acompañamiento o rápida.

Q: ¿En qué tareas Voz cantada a MIDI · Cuatro modelos (VocalParse 1.7B) puede ayudar?

MIDI / transcripción; Elige VocalParse, GAME, ROSVOT o SOME para transcripción vocal orientada a partitura, resistente al acompañamiento o rápida.; Un archivo de audio o vídeo completo compatible; elija el perfil de modelo que coincida con la fuente y el resultado que necesita.; Convierta una grabación completa en notas editables, golpes de batería, tablaturas o una línea de tiempo de acordes.; Compare la salida del modelo con el audio original para revisar inicios, límites y asignación de fuente.; Mueva tablas MIDI y alineadas en el tiempo a una DAW, editor de notación o flujo de trabajo de análisis posterior.

Q: ¿Qué entidades de modelo y palabras clave están conectadas con Voz cantada a MIDI · Cuatro modelos (VocalParse 1.7B)?

VocalParse 1.7B, GAME, ROSVOT, SOME, VocalParse source (pinned), VocalParse weights (pinned), SingCrawl dataset source, VocalParse paper

Elige VocalParse, GAME, ROSVOT o SOME para transcripción vocal orientada a partitura, resistente al acompañamiento o rápida.

5-20 créditos/usoEntrada de archivoMax 100 MBSe estima 45-1800 segundos

Entrada

Un archivo de audio o vídeo completo compatible; elija el perfil de modelo que coincida con la fuente y el resultado que necesita.

Formatos soportados

mp3wavflacoggm4aaacaifaiffmp4movmkv

Producción

Elige VocalParse, GAME, ROSVOT o SOME para transcripción vocal orientada a partitura, resistente al acompañamiento o rápida.

Caso de uso

Elige VocalParse, GAME, ROSVOT o SOME para transcripción vocal orientada a partitura, resistente al acompañamiento o rápida.

Modelos, parámetros y fuentes

Elige VocalParse, GAME, ROSVOT o SOME para transcripción vocal orientada a partitura, resistente al acompañamiento o rápida.

VocalParse 1.7BGAMEROSVOTSOMEVocalParse source (pinned)VocalParse weights (pinned)SingCrawl dataset sourceVocalParse paperGAME source (pinned)GAME v1.0.3 weightsGAME technical guide (pinned)GAME ONNX guide (pinned)

VocalParse 1.7B

Ruta predeterminada para obtener MIDI vocal estructurado, similar a una partitura, a partir de canto más limpio; el checkpoint fijo no tiene parámetros oficiales de inferencia ajustables.

VocalParse source (pinned)VocalParse weights (pinned)SingCrawl dataset source VocalParse paper

Ruta dedicada: esta herramienta utiliza la ruta del modelo seleccionada para este flujo de trabajo.

GAME

GAME convierte canto a MIDI con controles oficiales de límites, D3PM y estimación. El idioma predeterminado es automático/sin especificar; no se fuerza el chino.

GAME source (pinned)GAME v1.0.3 weights GAME technical guide (pinned)GAME ONNX guide (pinned)

Automático usa el ID 0 universal/sin especificar oficial de GAME. Elige un idioma concreto solo cuando conozcas el idioma cantado.
Umbral de segmentación — Control oficial del modelo; conserva el valor predeterminado si tienes dudas.
Radio de segmentación (s) — Control oficial del modelo; conserva el valor predeterminado si tienes dudas.
Inicio de D3PM — Control oficial del modelo; conserva el valor predeterminado si tienes dudas.
Pasos de D3PM — Control oficial del modelo; conserva el valor predeterminado si tienes dudas.
Umbral de estimación — Control oficial del modelo; conserva el valor predeterminado si tienes dudas.
Tras la inferencia, Beat This final0 escribe un tempo fijo válido o un mapa de tempo por pulso en el MIDI y conserva la posición en segundos de todos los eventos. Si no puede obtener pruebas válidas de pulso, la tarea falla en vez de entregar un MIDI con el tempo predeterminado del modelo.

ROSVOT

Ruta robusta para canto con ruido o filtración del acompañamiento; el checkpoint oficial actual se entrenó principalmente con canto en mandarín.

ROSVOT source (pinned)ROSVOT project page ROSVOT paper

Umbral de límite de nota — Control oficial del modelo; conserva el valor predeterminado si tienes dudas.
Umbral de límite de palabra — Control oficial del modelo; conserva el valor predeterminado si tienes dudas.
Comprobar ligados — Control oficial del modelo; conserva el valor predeterminado si tienes dudas.

SOME

SOME es la ruta rápida y ligera de canto a MIDI. No expone controles públicos del modelo; la mejora opcional del tempo MIDI se ejecuta después de la inferencia.

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

Tras la inferencia, Beat This final0 escribe un tempo fijo válido o un mapa de tempo por pulso en el MIDI y conserva la posición en segundos de todos los eventos. Si no puede obtener pruebas válidas de pulso, la tarea falla en vez de entregar un MIDI con el tempo predeterminado del modelo.

Notas en papel y benchmarks

VocalParse: Towards Unified and Scalable Singing Voice Transcription with Large Audio Language Models

arXiv - 2026

Ruta predeterminada para obtener MIDI vocal estructurado, similar a una partitura, a partir de canto más limpio; el checkpoint fijo no tiene parámetros oficiales de inferencia ajustables.

Paper

Robust Singing Voice Transcription Serves Synthesis

ACL - 2024

Ruta robusta para canto con ruido o filtración del acompañamiento; el checkpoint oficial actual se entrenó principalmente con canto en mandarín.

Paper

GAME: Generative Adaptive MIDI Extractor

Official technical guide - 2026

GAME convierte canto a MIDI con controles oficiales de límites, D3PM y estimación. El idioma predeterminado es automático/sin especificar; no se fuerza el chino.

Technical guide (pinned)ONNX guide (pinned)v1.0.3 weights

SOME: Singing-Oriented MIDI Extractor

Official technical guide - 2023

SOME es la ruta rápida y ligera de canto a MIDI. No expone controles públicos del modelo; la mejora opcional del tempo MIDI se ejecuta después de la inferencia.

Technical guide (pinned)Baseline weights

Oficiales / repositorios

VocalParse source (pinned)VocalParse weights (pinned)SingCrawl dataset source GAME source (pinned)GAME v1.0.3 weights ROSVOT source (pinned)ROSVOT project page SOME source (pinned)SOME baseline weights

Artículos / notas técnicas

VocalParse paper GAME technical guide (pinned)GAME ONNX guide (pinned)ROSVOT paper SOME technical guide (pinned)

Guía de parámetros

Automático usa el ID 0 universal/sin especificar oficial de GAME. Elige un idioma concreto solo cuando conozcas el idioma cantado.
Umbral de segmentación — Control oficial del modelo; conserva el valor predeterminado si tienes dudas.
Radio de segmentación (s) — Control oficial del modelo; conserva el valor predeterminado si tienes dudas.
Inicio de D3PM — Control oficial del modelo; conserva el valor predeterminado si tienes dudas.
Pasos de D3PM — Control oficial del modelo; conserva el valor predeterminado si tienes dudas.
Umbral de estimación — Control oficial del modelo; conserva el valor predeterminado si tienes dudas.
Tras la inferencia, Beat This final0 escribe un tempo fijo válido o un mapa de tempo por pulso en el MIDI y conserva la posición en segundos de todos los eventos. Si no puede obtener pruebas válidas de pulso, la tarea falla en vez de entregar un MIDI con el tempo predeterminado del modelo.
Umbral de límite de nota — Control oficial del modelo; conserva el valor predeterminado si tienes dudas.
Umbral de límite de palabra — Control oficial del modelo; conserva el valor predeterminado si tienes dudas.
Comprobar ligados — Control oficial del modelo; conserva el valor predeterminado si tienes dudas.

Casos de uso

Convierta una grabación completa en notas editables, golpes de batería, tablaturas o una línea de tiempo de acordes.
Compare la salida del modelo con el audio original para revisar inicios, límites y asignación de fuente.
Mueva tablas MIDI y alineadas en el tiempo a una DAW, editor de notación o flujo de trabajo de análisis posterior.

Flujo de trabajo

1Cargue el archivo compatible completo en lugar de un breve fragmento de prueba.
2Elija el perfil que coincida con el instrumento o la tarea, luego ajuste solo los controles expuestos por ese modelo oficial.
3Revise la vista previa con el audio original y descargue los archivos de resultados del archivo completo tarea.

Lista de comprobación previa al vuelo

No envíe una mezcla completa y densa directamente a un modelo de instrumento solista; separe primero la plica de destino cuando sea necesario.
Comience con los valores predeterminados publicados y cambie los umbrales solo cuando la vista previa muestre un límite específico o un problema de nota falsa.
Trate la transcripción como un borrador editable: la sincronización, la duración de las notas, la digitación y los límites de los acordes aún pueden necesitar corrección musical.

Evidencia de modelos en esta ejecución

Modelos, parámetros y fuentes

Elige VocalParse, GAME, ROSVOT o SOME para transcripción vocal orientada a partitura, resistente al acompañamiento o rápida.

VocalParse 1.7B

Modelo

Ruta predeterminada para obtener MIDI vocal estructurado, similar a una partitura, a partir de canto más limpio; el checkpoint fijo no tiene parámetros oficiales de inferencia ajustables.

Ruta dedicada: esta herramienta utiliza la ruta del modelo seleccionada para este flujo de trabajo.

VocalParse source (pinned)VocalParse weights (pinned)SingCrawl dataset source VocalParse paper

GAME

Modelo

GAME convierte canto a MIDI con controles oficiales de límites, D3PM y estimación. El idioma predeterminado es automático/sin especificar; no se fuerza el chino.

Automático usa el ID 0 universal/sin especificar oficial de GAME. Elige un idioma concreto solo cuando conozcas el idioma cantado.
Umbral de segmentación — Control oficial del modelo; conserva el valor predeterminado si tienes dudas.
Radio de segmentación (s) — Control oficial del modelo; conserva el valor predeterminado si tienes dudas.
Inicio de D3PM — Control oficial del modelo; conserva el valor predeterminado si tienes dudas.
Pasos de D3PM — Control oficial del modelo; conserva el valor predeterminado si tienes dudas.
Umbral de estimación — Control oficial del modelo; conserva el valor predeterminado si tienes dudas.
Tras la inferencia, Beat This final0 escribe un tempo fijo válido o un mapa de tempo por pulso en el MIDI y conserva la posición en segundos de todos los eventos. Si no puede obtener pruebas válidas de pulso, la tarea falla en vez de entregar un MIDI con el tempo predeterminado del modelo.

GAME source (pinned)GAME v1.0.3 weights GAME technical guide (pinned)GAME ONNX guide (pinned)

ROSVOT

Modelo

Ruta robusta para canto con ruido o filtración del acompañamiento; el checkpoint oficial actual se entrenó principalmente con canto en mandarín.

Umbral de límite de nota — Control oficial del modelo; conserva el valor predeterminado si tienes dudas.
Umbral de límite de palabra — Control oficial del modelo; conserva el valor predeterminado si tienes dudas.
Comprobar ligados — Control oficial del modelo; conserva el valor predeterminado si tienes dudas.

ROSVOT source (pinned)ROSVOT project page ROSVOT paper

SOME

Modelo

SOME es la ruta rápida y ligera de canto a MIDI. No expone controles públicos del modelo; la mejora opcional del tempo MIDI se ejecuta después de la inferencia.

Tras la inferencia, Beat This final0 escribe un tempo fijo válido o un mapa de tempo por pulso en el MIDI y conserva la posición en segundos de todos los eventos. Si no puede obtener pruebas válidas de pulso, la tarea falla en vez de entregar un MIDI con el tempo predeterminado del modelo.

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

Gráfico de referencia: Errores de transcripción de VocalParse en Opencpop (Tabla 1 del artículo) / Robustez de ROSVOT con audio limpio y ruidoso (Tabla 1 del artículo)

Errores de transcripción de VocalParse en Opencpop (Tabla 1 del artículo)

VocalParse paper, Table 1

VocalParse, GAME, ROSVOT y SOME publican resultados con conjuntos de datos, idiomas, reglas de etiquetado y tolerancias de coincidencia distintos. No existe un protocolo público común verificado que cubra los cuatro checkpoints desplegados, por lo que la página no inventa una clasificación combinada.

Notas en papel y benchmarks	Modelo	MAE_pitch ↓	Métricas detalladas
Letra de referencia + marcas de tiempo SOFA	ROSVOTTelkNetPaper Table 1	0.38	MAE_note ↓0.45MAE_duration ↓0.40MAE_note-count ↓0.20
Solo audio	VocalParse 1.7BTelkNetPaper Table 1	0.56	MAE_note ↓0.44MAE_duration ↓0.34MAE_note-count ↓0.11
Audio + letra de referencia	VocalParse 1.7BTelkNetPaper Table 1	0.35	MAE_note ↓0.43MAE_duration ↓0.33MAE_note-count ↓0.11

Robustez de ROSVOT con audio limpio y ruidoso (Tabla 1 del artículo)

ROSVOT paper, Table 1

Ruta robusta para canto con ruido o filtración del acompañamiento; el checkpoint oficial actual se entrenó principalmente con canto en mandarín.

Notas en papel y benchmarks	Modelo	COnPOff F1 (%)	Métricas detalladas
Limpio	ROSVOTTelkNetPaper Table 1	77.4	COn F1 (%)94.0COff F1 (%)94.5Pitch AOR (%)97.0Melody RPA (%)87.6
Ruido MUSAN	ROSVOTTelkNetPaper Table 1	77.0	COn F1 (%)93.8COff F1 (%)94.4Pitch AOR (%)97.1Melody RPA (%)87.4

Auditoría del benchmark

GAME

Guía de parámetros

Automático usa el ID 0 universal/sin especificar oficial de GAME. Elige un idioma concreto solo cuando conozcas el idioma cantado.
Umbral de segmentación — Control oficial del modelo; conserva el valor predeterminado si tienes dudas.
Radio de segmentación (s) — Control oficial del modelo; conserva el valor predeterminado si tienes dudas.
Inicio de D3PM — Control oficial del modelo; conserva el valor predeterminado si tienes dudas.
Pasos de D3PM — Control oficial del modelo; conserva el valor predeterminado si tienes dudas.
Umbral de estimación — Control oficial del modelo; conserva el valor predeterminado si tienes dudas.
Tras la inferencia, Beat This final0 escribe un tempo fijo válido o un mapa de tempo por pulso en el MIDI y conserva la posición en segundos de todos los eventos. Si no puede obtener pruebas válidas de pulso, la tarea falla en vez de entregar un MIDI con el tempo predeterminado del modelo.
Umbral de límite de nota — Control oficial del modelo; conserva el valor predeterminado si tienes dudas.
Umbral de límite de palabra — Control oficial del modelo; conserva el valor predeterminado si tienes dudas.
Comprobar ligados — Control oficial del modelo; conserva el valor predeterminado si tienes dudas.

Artículos / notas técnicas

VocalParse source (pinned)VocalParse weights (pinned)SingCrawl dataset source VocalParse paper GAME source (pinned)GAME v1.0.3 weights GAME technical guide (pinned)GAME ONNX guide (pinned)ROSVOT source (pinned)ROSVOT project page ROSVOT paper SOME source (pinned)SOME baseline weights SOME technical guide (pinned)

Demo

25時の情熱

Elige VocalParse, GAME, ROSVOT o SOME para transcripción vocal orientada a partitura, resistente al acompañamiento o rápida.

Vista previa MIDI

VocalParse 1.7B

Salida MIDI

En mantenimiento

Esta herramienta está en mantenimiento. Por favor, inténtalo de nuevo más tarde.

Comentarios rápidos

Escribe aquí tu sugerencia o petición y envíala. Escuchamos cada voz y trabajamos para convertir las buenas ideas en funciones reales.