Cargando...

Voz a MIDI · ROSVOT / GAME · TelkNet

MIDI / transcripciónGPU carga de trabajoGAME · Código GAME v1.0.3 · Pesos GAME v1.0.3 · Registro de cambios GAME · Artículo GAME · Artículo

Voz a MIDI

Convierte canto, tarareo o pistas vocales en MIDI. Compara ROSVOT, GAME, SOME y VOCANO antes de corregir la melodía.

25 créditos/usoEntrada de archivoMáximo 100 MBSe estima 45-1800 segundos

Entrada

Sube voz sola, un tarareo o una pista de voz principal aislada. Si sólo tienes la canción terminada, elige «Canción completa» y se separará primero la voz principal.

Formatos soportados

mp3wavflacoggm4aaacaifaiffmp4movmkv

Producción

MIDI

Caso de uso

Copiar una melodía cantada en un DAW para editarla, doblarla, programarla con un sintetizador o redactar un borrador de notación.

Elige una familia de modelos

Voz a MIDI · ROSVOTDisponibleRuta robusta para canto con ruido o filtración del acompañamiento; el checkpoint oficial actual se entrenó principalmente con canto en mandarín.Voz a MIDI · GAMEDisponibleConvierte canto en MIDI y permite ajustar el idioma, la segmentación y la detección de notas.Voz a MIDI · SOMEDisponibleSOME es la ruta rápida y ligera de canto a MIDI.Voz a MIDI · VOCANODisponibleVOCANO extrae la altura vocal con Patch-CNN y determina los límites de nota con PyramidNet-110. Su entrada de inferencia publicada no ofrece más controles del modelo.

Elige un modelo según tu material y objetivo y revisa los ejemplos antes de enviar.

Coste, tiempo, formatos y parámetros dependen del modelo elegido.

Comentarios rápidos

Indica la herramienta, los pasos y el problema en tus comentarios. Las capturas de pantalla ayudan a localizarlo.

Modelos, parámetros y fuentes

Convierte canto en MIDI y permite ajustar el idioma, la segmentación y la detección de notas.

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

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 límites de notas de ROSVOT: 0.85 por defecto; rango 0–1.
Umbral de límites de palabras de ROSVOT: 0.5 por defecto; rango 0–1.

GAME

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)

Déjalo vacío para usar el ID de idioma oficial 0 de GAME. No es detección automática; elige el idioma cuando sepas en cuál se canta.
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 eliminación de ruido de GAME: 8 por defecto; rango 1–128.
Umbral de estimación — Control oficial del modelo; conserva el valor predeterminado si tienes dudas.
Tras la transcripción, analiza los pulsos originales y escribe el tempo en el MIDI conservando los tiempos de las notas.
Aún no se incluyen resultados de evaluación independientes de GAME v1.0.3.

SOME

SOME es la ruta rápida y ligera de canto a MIDI.

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

Tras la transcripción, analiza los pulsos originales y escribe el tempo en el MIDI conservando los tiempos de las notas.

VOCANO

VOCANO extrae la altura vocal con Patch-CNN y determina los límites de nota con PyramidNet-110. Su entrada de inferencia publicada no ofrece más controles del modelo.

VOCANO source and official weights VOCANO ISMIR 2021 paper

Elige «Voz aislada / pista vocal» para una voz a capela o ya separada. Con «Canción completa» se separará primero la voz principal.

Notas en papel y benchmarks

Aún no se incluyen resultados de evaluación independientes de GAME v1.0.3.

GAME

Notas en papel y benchmarks

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

ISMIR - 2021

VOCANO extrae la altura vocal con Patch-CNN y determina los límites de nota con PyramidNet-110. Su entrada de inferencia publicada no ofrece más controles del modelo.

Official source and citation

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

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 es la ruta rápida y ligera de canto a MIDI.

Technical guide (pinned)Baseline weights

Oficiales / repositorios

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

Artículos / notas técnicas

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

Guía de parámetros

Elige «Voz aislada / pista vocal» para una voz a capela o ya separada. Con «Canción completa» se separará primero la voz principal.
Déjalo vacío para usar el ID de idioma oficial 0 de GAME. No es detección automática; elige el idioma cuando sepas en cuál se canta.
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 eliminación de ruido de GAME: 8 por defecto; rango 1–128.
Umbral de estimación — Control oficial del modelo; conserva el valor predeterminado si tienes dudas.
Tras la transcripción, analiza los pulsos originales y escribe el tempo en el MIDI conservando los tiempos de las notas.
Umbral de límites de notas de ROSVOT: 0.85 por defecto; rango 0–1.
Umbral de límites de palabras de ROSVOT: 0.5 por defecto; rango 0–1.

Casos de uso

Convierte una línea de voz principal en notas editables.
Compare cuatro modelos de transcripción cuando la grabación tiene sangrado, ruido o límites de notas poco claros.
Utilice el MIDI como pista guía en un DAW y luego corrija los tonos y la duración de las notas de oído.

Flujo de trabajo

1Elige el tipo de audio y sube voz sola, una pista vocal o la canción completa. La canción completa se separa primero.
2Empieza con el modelo predeterminado; usa la comparación de cuatro versiones si cuesta valorar un solo resultado.
3Cambie entre la voz original y cada rollo de piano, corrija el MIDI elegido y luego descárguelo.

Qué revisar

Esta herramienta sigue la melodía principal cantada; no reconstruye baterías, acordes ni un arreglo completo.
GAME expone controles de lenguaje y segmentación. El punto de control lanzado por ROSVOT está entrenado principalmente en el canto mandarín.
La comparación ejecuta cuatro conversiones por separado y entrega cuatro archivos MIDI independientes, sin fusionar los modelos.

Modelos de este campo

3 resultados

Incluye resultados públicos de modelos usados aquí y en otros servicios. La tabla completa de la fuente se muestra por defecto; también se pueden elegir condiciones y métricas para comparar. Las puntuaciones de pruebas con condiciones distintas no son directamente comparables.

Solo se muestran registros con implementación pública de inferencia y pesos correspondientes verificados, además de algoritmos que no necesitan pesos. Se excluyen servicios cerrados, pesos no publicados y versiones experimentales sin correspondencia comprobada. No es una clasificación de todos los modelos.

Publicar los pesos no demuestra que exista una licencia de código abierto completa. Despliega los datos para consultar las licencias declaradas y las condiciones de acceso. Las licencias no declaradas se indican por separado.

EvaluaciónCategoría

GAME 1.0 · Voz limpia

Elige un conjunto de datos para ver todas las métricas de cada modelo. Las filas siguen la clasificación oficial o la métrica seleccionada. La negrita indica el mejor valor comparable de cada columna, incluidos los empates. Los protocolos de evaluación diferentes se clasifican por separado; las puntuaciones ausentes se muestran como -.

Datos privados del autor, 100 grabaciones reservadas; cada tamaño usa su mejor K publicado. OA es precisión global por fotograma, no F1 de notas, y no se combina con ROSVOT.

Clasificar por métrica

GAME 1.0 · Voz limpia
Clasificación por métrica	Modelo	Clasificación global en este protocolo↑OA (%)	QER (%)↓	Presence F1 (%)↑	RPA (%)↑	Pitch RMSE↓	Chamfer (frames)↓
1	GAME 1.0 Medium · K=8 Pesos públicos · Código de inferencia Pesos públicos Código de inferencia`GAME-1.0.3-medium-onnx.zip`Licencia de los pesos (declaración del repositorio): MIT	95.03	12.3	99.23	94.86	0.552	1.44
1	GAME 1.0 Large · K=1Modelo usado aquí Pesos públicos · Código de inferencia Pesos públicos Código de inferencia`GAME-1.0.3-large-onnx.zip`Licencia de los pesos (declaración del repositorio): MIT	95.03	12.87	99.15	94.92	0.684	1.44
3	GAME 1.0 Small · K=2 Pesos públicos · Código de inferencia Pesos públicos Código de inferencia`GAME-1.0.3-small-onnx.zip`Licencia de los pesos (declaración del repositorio): MIT	94.99	13.13	99.14	94.99	0.653	1.5

Registros originales (3)

Las marcas identifican modelos o componentes usados aquí. Las puntuaciones y los ajustes proceden de las pruebas citadas, no de una nueva evaluación de todo el proceso del sitio.

GAME · Technical Report §10 ↗Revisado: 2026-09-27

Todas las fuentes de evaluación (1)

Se separan conjuntos, versiones y condiciones, incluidas fuentes sin filas aptas para el ranking.

ROSVOT paper, Table 1 ↗
Entradas desplegables 2 / filas originales 10
Sin clasificar: 8
No se ha verificado un paquete completo de inferencia pública para estos experimentos. Otros pesos con el mismo nombre no son equivalentes.
TONY · VOCANO · MusicYOLO · Yong et al. (2023) · ℳ (conformer) · ℳ (conv) · ℳ (w/o wbd) · ℳ (w/o noise)

Todos los resultados originales y fuentes

Las puntuaciones corresponden al conjunto de datos, métrica y versión indicados; no son comparables entre pruebas distintas.

ROSVOT paper, Table 1

Entradas desplegables 2 / filas originales 10

Sin clasificar: 8

No se ha verificado un paquete completo de inferencia pública para estos experimentos. Otros pesos con el mismo nombre no son equivalentes.

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

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

Clasificar por métrica

ROSVOT paper, Table 1
Clasificación por métrica	Modelo	COn (F) ↑		COff (F) ↑		COnPOff (F) ↑		Pitch (AOR) ↑		Melody (RPA) ↑
Clasificación por métrica	Modelo	clean	noisy	clean	noisy	clean	noisy	clean	noisy	clean	noisy
1	ℳ (ours) Pesos públicos · Código de inferencia checkpoints.zip · rosvot + rwbd + rmvpe Código de inferenciaLicencia de los pesos no declarada	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 ) Pesos públicos · Código de inferencia checkpoints.zip · rosvot + rwbd + rmvpe Código de inferenciaLicencia de los pesos no declarada	93.3	93.5	93.2	92.9	77.1	77.0	96.5	96.2	87.5	87.2

Registros originales (2)

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