Chargement...
Décrivez un son ou fournissez un extrait de référence pour l'extraire d'un enregistrement.
Entrée
Prend en charge les entrées dans des formats tels que mp3 / wav / flac / ogg / m4a / aac / aif / aiff / mp4 / mov / mkv
Formats pris en charge
Production
WAV
Cas d’utilisation
Remixer, s'exercer avec un accompagnement et modifier les parties séparées.
Choisissez un modèle adapté à votre contenu et à votre objectif, puis consultez les exemples avant de lancer la tâche.
Coût, durée, formats et paramètres dépendent du modèle choisi.
Précisez l'outil, les étapes et le problème dans votre retour. Des captures d'écran peuvent aider à le localiser.
Décrivez le son à extraire ; utile sans référence audio.
Séparation textuelle par flow matching ; comparez les sons manquants et les fuites avec AudioSep.
CLAPSep : Remixer, s'exercer avec un accompagnement et modifier les parties séparées.
Banquet : Remixer, s'exercer avec un accompagnement et modifier les parties séparées.
SAM Audio Base : Remixer, s'exercer avec un accompagnement et modifier les parties séparées.
SAM Audio Large : Remixer, s'exercer avec un accompagnement et modifier les parties séparées.
ICML - 2026
Extrait un son décrit librement avec AudioSep-Hive, FlowSep-Hive ou CLAPSep, ou isole avec Banquet une source correspondant à une référence de 10 secondes.
IEEE/ACM TASLP - 2024
Extrait un son décrit librement avec AudioSep-Hive, FlowSep-Hive ou CLAPSep, ou isole avec Banquet une source correspondant à une référence de 10 secondes.
ISMIR - 2024
Extrait un son décrit librement avec AudioSep-Hive, FlowSep-Hive ou CLAPSep, ou isole avec Banquet une source correspondant à une référence de 10 secondes.
Inclut les résultats publics de modèles utilisés ici et ailleurs. Le tableau complet de la source est affiché par défaut ; les conditions et les métriques peuvent aussi être sélectionnées pour comparaison. Les scores obtenus dans des conditions différentes ne sont pas directement comparables.
Seuls les résultats dont l’implémentation d’inférence publique et les poids correspondants ont été vérifiés sont affichés, ainsi que les algorithmes sans poids entraînés. Les services fermés, les poids non publiés et les versions expérimentales non identifiées sont exclus. Ce classement ne couvre pas tous les modèles.
Des poids publics ne prouvent pas l’existence d’une licence open source complète. Dépliez les données pour consulter les licences déclarées et les conditions d’accès. Les licences non déclarées sont signalées séparément.
Choisissez un jeu de données pour afficher toutes les métriques de chaque modèle. Les lignes suivent le classement officiel ou la métrique sélectionnée. Le gras indique la meilleure valeur comparable de chaque colonne, y compris les ex æquo. Les protocoles d’évaluation différents sont classés séparément ; les scores manquants sont affichés par -.
Entrées déployables 3 / lignes d’origine 11
Aucun ensemble public complet d’inférence n’a été vérifié pour ces expériences. D’autres poids portant le même nom ne suffisent pas.
LASS-Net ( Liu et al., 2022 ) · Discriminative Models · CLIPSep ( Dong et al., 2023 ) · Discriminative Models · OmniSep ( Cheng et al., 2025 ) · Discriminative Models · ZETA ( Manor and Michaeli, 2024 ) · Generative Models · FlowSep ( Yuan et al., 2025 ) · Generative Models · ZeroSep ( Huang et al., 2025 ) · Generative Models · DGMO ( Lee et al., 2025b ) · Generative Models · SAM-Audio ( Shi et al., 2025 ) · Generative Models
Les valeurs proviennent de la source publique liée. Les libellés des lignes indiquent le jeu de test ou le checkpoint ; les scores non publiés sont affichés sous la forme -.
Les sources emploient des conditions d’entraînement ou des tâches différentes ; comparez les chiffres uniquement dans le protocole indiqué.
| Classement par métrique | Modèle | Condition de test | Signal Fidelity ↑ | Perceptual & Semantic Quality | Reference-free Quality ↑ | ||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| SDR | SI-SDR | LPAPS ↓ | FAD ↓ | CLAP-A ↑ | CLAP-T ↑ | MUSHRA ↑ | OQ | Rec | Pre | Fai | |||
| 1 | AudioSep (Hive)Modèle utilisé iciPoids publics · Code d’inférence | Discriminative Models | 5.67 | 5.02 | 3.86 | 0.80 | 0.65 | 0.31 | 68.4 | 3.34 | 4.81 | 3.40 | 4.39 |
| 2 | AudioSep ( Liu et al., 2024 )Poids publics · Code d’inférence | Discriminative Models | 2.37 | 1.58 | 4.22 | 0.90 | 0.57 | 0.26 | 60.9 | 2.94 | 4.86 | 2.96 | 4.47 |
| - | FlowSep (Hive)Poids publics · Code d’inférence | Generative Models | - | - | 4.25 | 0.84 | 0.61 | 0.19 | 61.8 | 3.05 | 4.18 | 3.35 | 3.70 |
Les repères indiquent les modèles ou composants utilisés ici. Les scores et réglages proviennent des tests cités, et non d’une nouvelle évaluation du traitement complet du site.
Jeux de données, versions et conditions restent distincts, même sans lignes admissibles au classement.
Entrées déployables 3 / lignes d’origine 11
Aucun ensemble public complet d’inférence n’a été vérifié pour ces expériences. D’autres poids portant le même nom ne suffisent pas.
LASS-Net ( Liu et al., 2022 ) · Discriminative Models · CLIPSep ( Dong et al., 2023 ) · Discriminative Models · OmniSep ( Cheng et al., 2025 ) · Discriminative Models · ZETA ( Manor and Michaeli, 2024 ) · Generative Models · FlowSep ( Yuan et al., 2025 ) · Generative Models · ZeroSep ( Huang et al., 2025 ) · Generative Models · DGMO ( Lee et al., 2025b ) · Generative Models · SAM-Audio ( Shi et al., 2025 ) · Generative Models
Entrées déployables 3 / lignes d’origine 3
Les scores concernent le jeu de données, la métrique et la version indiqués. Des tests différents ne sont pas directement comparables.
Le tableau ne contient que des modèles dont les poids ou configurations sont publics et qui peuvent être exécutés localement.
Choisissez un jeu de données pour afficher toutes les métriques de chaque modèle. Les lignes suivent le classement officiel ou la métrique sélectionnée. Le gras indique la meilleure valeur comparable de chaque colonne, y compris les ex æquo. Les protocoles d’évaluation différents sont classés séparément ; les scores manquants sont affichés par -.
Entrées déployables 3 / lignes d’origine 11
Aucun ensemble public complet d’inférence n’a été vérifié pour ces expériences. D’autres poids portant le même nom ne suffisent pas.
LASS-Net ( Liu et al., 2022 ) · Discriminative Models · CLIPSep ( Dong et al., 2023 ) · Discriminative Models · OmniSep ( Cheng et al., 2025 ) · Discriminative Models · ZETA ( Manor and Michaeli, 2024 ) · Generative Models · FlowSep ( Yuan et al., 2025 ) · Generative Models · ZeroSep ( Huang et al., 2025 ) · Generative Models · DGMO ( Lee et al., 2025b ) · Generative Models · SAM-Audio ( Shi et al., 2025 ) · Generative Models
Les valeurs proviennent de la source publique liée. Les libellés des lignes indiquent le jeu de test ou le checkpoint ; les scores non publiés sont affichés sous la forme -.
| Classement par métrique | Modèle | Condition de test | Signal Fidelity ↑ | Perceptual & Semantic Quality | Reference-free Quality ↑ | ||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| SDR | SI-SDR | LPAPS ↓ | FAD ↓ | CLAP-A ↑ | CLAP-T ↑ | MUSHRA ↑ | OQ | Rec | Pre | Fai | |||
| 1 | AudioSep (Hive)Poids publics · Code d’inférence | Discriminative Models | 5.67 | 5.02 | 3.86 | 0.80 | 0.65 | 0.31 | 68.4 | 3.34 | 4.81 | 3.40 | 4.39 |
| 2 | AudioSep ( Liu et al., 2024 )Poids publics · Code d’inférence | Discriminative Models | 2.37 | 1.58 | 4.22 | 0.90 | 0.57 | 0.26 | 60.9 | 2.94 | 4.86 | 2.96 | 4.47 |
| - | FlowSep (Hive)Poids publics · Code d’inférence | Generative Models | - | - | 4.25 | 0.84 | 0.61 | 0.19 | 61.8 | 3.05 | 4.18 | 3.35 | 3.70 |
Le tableau ne contient que des modèles dont les poids ou configurations sont publics et qui peuvent être exécutés localement.
Choisissez un jeu de données pour afficher toutes les métriques de chaque modèle. Les lignes suivent le classement officiel ou la métrique sélectionnée. Le gras indique la meilleure valeur comparable de chaque colonne, y compris les ex æquo. Les protocoles d’évaluation différents sont classés séparément ; les scores manquants sont affichés par -.
Entrées déployables 3 / lignes d’origine 3
Les valeurs proviennent de la source publique liée. Les libellés des lignes indiquent le jeu de test ou le checkpoint ; les scores non publiés sont affichés sous la forme -.
| Classement par métrique | Modèle | 2-sources separation · 1-target | 3-sources separation · 1-target | 3-sources separation · 2-target | 4-sources separation · 1-target | 4-sources separation · 2-taget | 4-sources separation · 3-target | ||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| SDRi↑ | SISDRi↑ | SDRi↑ | SISDRi↑ | SDRi↑ | SISDRi↑ | SDRi↑ | SISDRi↑ | SDRi↑ | SISDRi↑ | SDRi↑ | SISDRi↑ | ||
| 1 | CLAPSep-PNPoids publics · Code d’inférence | 12.67±7.80 | 11.79±8.23 | 8.96±6.13 | 8.09±6.17 | 8.90±5.78 | 7.82±6.32 | 7.73±5.79 | 6.80±6.00 | 5.20±4.63 | 4.01±4.95 | 8.00±4.87 | 6.73±5.20 |
| 2 | CLAPSep-PPoids publics · Code d’inférence | 10.03±11.27 | 8.70±12.64 | 6.48±7.82 | 5.73±8.50 | 6.35±7.36 | 4.88±8.10 | 5.94±7.58 | 4.85±8.29 | 2.91±5.54 | 1.37±5.98 | 5.34±6.70 | 3.79±7.09 |
| 3 | AudioSepPoids publics · Code d’inférence | 8.60±8.86 | 7.38±9.48 | 4.90±6.13 | 4.20±6.42 | 5.30±5.38 | 2.96±5.54 | 3.52±5.21 | 2.81±5.76 | 2.37±4.26 | 0.65±4.32 | 4.20±4.51 | 2.03±4.27 |