Qu’est-ce que Séparer dialogues, musique et effets ?

Séparer dialogues, musique et effets Choisir le modèle et le traitement Coût, durée, formats et paramètres dépendent du modèle choisi.

Pour qui Séparer dialogues, musique et effets ?

Séparation et stem séparation Séparer dialogues, musique et effets Choisir le modèle et le traitement Coût, durée, formats et paramètres dépendent du modèle choisi.

Quelles tâches Séparer dialogues, musique et effets peut-il aider ?

Séparation et stem séparation; WAV; Remixer, s'exercer avec un accompagnement et modifier les parties séparées.; Prend en charge les entrées dans des formats tels que mp3 / wav / flac / ogg / m4a / aac / aif / aiff / mp4 / mov / mkv; SFC-Locoformer DnR; BandIt

Séparer dialogues, musique et effets

Q: Quels modèles et entités de mots-clés sont liés à Séparer dialogues, musique et effets ?

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

Modèles, paramètres et sources

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

Profil de séparation : SFC-Locoformer DnR est la route par défaut pour dialogue/musique/effets ; BandIt et TIGER-DnR sont des checkpoints alternatifs pour la même tâche three-stem.
Stem de sortie vidéo : lorsque l’entrée est une vidéo, choisissez quelle stem séparée est réécrite avec l’image ; automatic utilise la stem principale de l’outil.

BandIt

SFC-Locoformer BandIt TIGER BandIt paper (IEEE OJSP)

Profil de séparation : SFC-Locoformer DnR est la route par défaut pour dialogue/musique/effets ; BandIt et TIGER-DnR sont des checkpoints alternatifs pour la même tâche three-stem.
Stem de sortie vidéo : lorsque l’entrée est une vidéo, choisissez quelle stem séparée est réécrite avec l’image ; automatic utilise la stem principale de l’outil.

TIGER-DnR

SFC-Locoformer BandIt TIGER TIGER paper

Profil de séparation : SFC-Locoformer DnR est la route par défaut pour dialogue/musique/effets ; BandIt et TIGER-DnR sont des checkpoints alternatifs pour la même tâche three-stem.
Stem de sortie vidéo : lorsque l’entrée est une vidéo, choisissez quelle stem séparée est réécrite avec l’image ; automatic utilise la stem principale de l’outil.

AV-CASS

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

Comparaison de modèles

Modèle

Rôle

Pourquoi il est utilisé

Impact sur la sortie

Les scores concernent uniquement le jeu de données, la métrique et la version cités. La première place du tableau ne signifie ni record mondial actuel ni résultat de ce service. Capacités et essais peuvent favoriser un modèle sans score comparable.

Classement public : DnR v2 · SI-SDR / Séparation parole, effets et musique d’une vidéo · AV-CASS

Le tableau ne contient que des modèles dont les poids ou configurations sont publics et qui peuvent être exécutés localement.

DnR v2 · SI-SDR

SFC paper, Table II

Les chiffres viennent de la source publique liée. Chaque ligne précise le jeu de test ou le checkpoint ; les modèles sans résultat comparable sont omis.

Sources publiques vérifiées : 2026-09-10

Grade	Modèle	SI-SDR (dB) ↑	Métriques détaillées
D3 · medium	SFC-Locoformer DnRTelkNetPublished DnR Table II	11.83Meilleur	DX SNR (dB) ↑16.38MeilleurDX SI-SDR (dB) ↑16.32MeilleurMX SNR (dB) ↑9.70MeilleurMX SI-SDR (dB) ↑9.28MeilleurFX SNR (dB) ↑10.56MeilleurFX SI-SDR (dB) ↑9.88MeilleurSNR moyen (dB)12.21MeilleurParamètres (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) ↑8.20SNR moyen (dB)11.40Paramètres (M)37.00

Séparation parole, effets et musique d’une vidéo · AV-CASS

AV-CASS paper, Table 1

Les chiffres viennent de la source publique liée. Chaque ligne précise le jeu de test ou le checkpoint ; les modèles sans résultat comparable sont omis.

Sources publiques vérifiées : 2026-09-10

± indique l’intervalle de confiance à 95 %.

Grade	Condition de test	Modèle	MOS ↑
#3	Vidéos réelles	MRXAV-CASS paper Table 1	2.55 ± 0.10
#2	Vidéos réelles	BandItAV-CASS paper Table 1	3.78 ± 0.10
#1	Vidéos réelles	AV-CASSAV-CASS paper Table 1	4.13 ± 0.09Meilleur

Séparation parole, effets et musique d’une vidéo · AV-CASS

AV-CASS paper, Table 2

Les chiffres viennent de la source publique liée. Chaque ligne précise le jeu de test ou le checkpoint ; les modèles sans résultat comparable sont omis.

Sources publiques vérifiées : 2026-09-10

Grade	Condition de test	Modèle	WPR (%) ↓
#3	Dialogues parlés (DX)	MRXAV-CASS paper Table 2	2.63
#2	Dialogues parlés (DX)	BandItAV-CASS paper Table 2	0.60
#4	Dialogues parlés (DX)	DAVIS-FlowAV-CASS paper Table 2	5.88
#1	Dialogues parlés (DX)	AV-CASSAV-CASS paper Table 2	0.46Meilleur
#4	Effets sonores (FX)	MRXAV-CASS paper Table 2	33.72
#3	Effets sonores (FX)	BandItAV-CASS paper Table 2	22.41
#1	Effets sonores (FX)	DAVIS-FlowAV-CASS paper Table 2	14.58Meilleur
#2	Effets sonores (FX)	AV-CASSAV-CASS paper Table 2	19.81
#3	Musique (MX)	MRXAV-CASS paper Table 2	6.01
#2	Musique (MX)	BandItAV-CASS paper Table 2	0.35
#4	Musique (MX)	DAVIS-FlowAV-CASS paper Table 2	35.94
#1	Musique (MX)	AV-CASSAV-CASS paper Table 2	0.32Meilleur

Séparation parole, effets et musique d’une vidéo · AV-CASS

AV-CASS paper, Table 3

Les chiffres viennent de la source publique liée. Chaque ligne précise le jeu de test ou le checkpoint ; les modèles sans résultat comparable sont omis.

Sources publiques vérifiées : 2026-09-10

Grade	Condition de test	Modèle	FAD ↓	Métriques détaillées
#3	Protocole AVDnR	Hybrid DemucsAV-CASS paper Table 3	2.05	KL ↓1.03SI-SDRi (dB) ↑13.57PESQ ↑2.16WPR (%) ↓5.24
#4	Protocole AVDnR	HTDemucsAV-CASS paper Table 3	2.08	KL ↓1.06SI-SDRi (dB) ↑13.41PESQ ↑2.06WPR (%) ↓9.23
#7	Protocole AVDnR	MRXAV-CASS paper Table 3	3.47	KL ↓1.67SI-SDRi (dB) ↑10.60PESQ ↑1.89WPR (%) ↓14.91
#5	Protocole AVDnR	BandItAV-CASS paper Table 3	2.15	KL ↓1.14SI-SDRi (dB) ↑14.40MeilleurPESQ ↑2.15WPR (%) ↓4.65
#6	Protocole AVDnR	MSDMAV-CASS paper Table 3	2.90	KL ↓2.90SI-SDRi (dB) ↑11.63PESQ ↑2.12WPR (%) ↓5.65
#8	Protocole AVDnR	DAVIS-FlowAV-CASS paper Table 3	5.94	KL ↓1.64SI-SDRi (dB) ↑9.25PESQ ↑1.96WPR (%) ↓12.14
#1	Protocole AVDnR	AV-CASSAV-CASS paper Table 3	0.84Meilleur	KL ↓0.93MeilleurSI-SDRi (dB) ↑12.32PESQ ↑2.26MeilleurWPR (%) ↓1.84Meilleur
#2	Protocole AVDnR	AV-CASS audio-onlyModèle correspondant dans l’outil : AV-CASSAV-CASS paper Table 3	1.63	KL ↓1.15SI-SDRi (dB) ↑12.23PESQ ↑2.08WPR (%) ↓2.01

Notes de papier et de référence

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

Utilise les conditions visuelles et audio d’AV-CASS pour séparer parole, effets et musique d’une vidéo ; le mode audio seul permet une comparaison directe.

Paper

Officiel / dépôts

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

Articles / notes techniques

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

Guide des paramètres

Profil de séparation : SFC-Locoformer DnR est la route par défaut pour dialogue/musique/effets ; BandIt et TIGER-DnR sont des checkpoints alternatifs pour la même tâche three-stem.
Stem de sortie vidéo : lorsque l’entrée est une vidéo, choisissez quelle stem séparée est réécrite avec l’image ; automatic utilise la stem principale de l’outil.

Séparer dialogues, musique et effets

Modèles, paramètres et sources

SFC-Locoformer DnR

BandIt

TIGER-DnR

AV-CASS

Comparaison de modèles

Classement public : DnR v2 · SI-SDR / Séparation parole, effets et musique d’une vidéo · AV-CASS

DnR v2 · SI-SDR

Séparation parole, effets et musique d’une vidéo · AV-CASS

Séparation parole, effets et musique d’une vidéo · AV-CASS

Séparation parole, effets et musique d’une vidéo · AV-CASS

Notes de papier et de référence

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

Officiel / dépôts

Articles / notes techniques

Guide des paramètres

Flux de travail

Avant l’envoi

Guides d'usage liés

Avis rapide