Quali compiti Separazione sonora guidata da testo e riferimento (AudioSep-Hive) può aiutare?

Separazione e stem separazione; WAV; Creare remix, esercitarsi con l'accompagnamento e modificare parti separate.; Supporta ingressi in formati come mp3 / wav / flac / ogg / m4a / aac / aif / aiff / mp4 / mov / mkv; AudioSep-Hive; FlowSep-Hive

Separazione e stem separazioneGPU carico di lavoro

Separazione sonora guidata da testo e riferimento

Q: Quali entità modello e parole chiave sono collegate a Separazione sonora guidata da testo e riferimento (AudioSep-Hive)?

AudioSep-Hive, FlowSep-Hive, CLAPSep, Banquet, Hive source (pinned), AudioSep-Hive weights (pinned), FlowSep-Hive weights (pinned), Hive paper

Estrae un suono descritto liberamente con AudioSep-Hive, FlowSep-Hive o CLAPSep, oppure isola con Banquet una sorgente che corrisponde a un riferimento di 10 secondi.

25 crediti/utilizzoInserimento fileMax 100 MBStima 30-3600 secondi

Input

Supporta ingressi in formati come mp3 / wav / flac / ogg / m4a / aac / aif / aiff / mp4 / mov / mkv

Formati supportati

mp3wavflacoggm4aaacaifaiffmp4movmkv

Produzione

WAV

Caso d'uso

Creare remix, esercitarsi con l'accompagnamento e modificare parti separate.

Modelli, parametri e fonti

AudioSep-HiveFlowSep-HiveCLAPSepBanquetHive source (pinned)AudioSep-Hive weights (pinned)FlowSep-Hive weights (pinned)Hive paperCLAPSep source (pinned)Official CLAPSep Space artifacts (pinned)CLAPSep paperBanquet source (pinned)

I punteggi valgono solo per dataset, metrica e versione citati. Essere primi in tabella non significa un record mondiale attuale o un risultato di questo servizio. Capacità e test possono favorire modelli senza punteggi comparabili.

Grafico di riferimento: Separazione sonora guidata da testo e riferimento

La tabella include solo modelli con pesi o configurazioni pubbliche eseguibili in locale.

Separazione sonora guidata da testo e riferimento

Hive paper, main test table

I valori provengono dalla fonte pubblica collegata. Le righe indicano test set o checkpoint; i modelli senza un risultato equivalente sono esclusi.

Fonti pubbliche verificate: 2026-09-10

Grado	Condizione di test	Modello	SI-SDR (dB) ↑	Metriche dettagliate
#1	Set di test Hive	AudioSep-HiveTelkNetHive paper	5.02Migliore	SDR (dB) ↑5.67MiglioreLPAPS ↓3.86MiglioreFAD ↓0.80MiglioreCLAP-Audio ↑0.65MiglioreCLAP-T ↑0.31MiglioreMUSHRA ↑68.40MiglioreOQ ↑3.34MiglioreRec ↑4.81Pre ↑3.40MiglioreFai ↑4.39
#2	Set di test Hive	AudioSep (original)Hive paper	1.58	SDR (dB) ↑2.37LPAPS ↓4.22FAD ↓0.90CLAP-Audio ↑0.57CLAP-T ↑0.26MUSHRA ↑60.90OQ ↑2.94Rec ↑4.86MigliorePre ↑2.96Fai ↑4.47Migliore

Separazione sonora guidata da testo e riferimento

Hive paper, main test table

Le fonti usano condizioni di addestramento o compiti diversi; confronta i valori solo nel protocollo indicato.

Fonti pubbliche verificate: 2026-09-10

Condizione di test	Modello	FAD ↓	Metriche dettagliate
Output di separazione · test Hive	AudioSep-HiveTelkNetHive paper	0.80	SDR (dB) ↑5.67SI-SDR (dB) ↑5.02LPAPS ↓3.86CLAP-Audio ↑0.65CLAP-T ↑0.31MUSHRA ↑68.40OQ ↑3.34Rec ↑4.81Pre ↑3.40Fai ↑4.39
Output generativo · test Hive	FlowSep-HiveTelkNetHive paper	0.84	LPAPS ↓4.25CLAP-Audio ↑0.61CLAP-T ↑0.19MUSHRA ↑61.80OQ ↑3.05Rec ↑4.18Pre ↑3.35Fai ↑3.70

Separazione sonora guidata da testo e riferimento

CLAPSep paper, Table V

I valori provengono dalla fonte pubblica collegata. Le righe indicano test set o checkpoint; i modelli senza un risultato equivalente sono esclusi.

Fonti pubbliche verificate: 2026-09-10

± indica la deviazione standard.

Grado	Condizione di test	Modello	SDRi (dB) ↑	Metriche dettagliate
#3	2 sorgenti · 1 target	AudioSepCLAPSep paper Table V	8.60 ± 8.86	SI-SDRi (dB) ↑7.38 ± 9.48
#2	2 sorgenti · 1 target	CLAPSep-PTelkNetModello corrispondente nello strumento: CLAPSepCLAPSep paper Table V	10.03 ± 11.27	SI-SDRi (dB) ↑8.70 ± 12.64
#1	2 sorgenti · 1 target	CLAPSep-PNTelkNetModello corrispondente nello strumento: CLAPSepCLAPSep paper Table V	12.67 ± 7.80Migliore	SI-SDRi (dB) ↑11.79 ± 8.23Migliore
#3	3 sorgenti · 1 target	AudioSepCLAPSep paper Table V	4.90 ± 6.13	SI-SDRi (dB) ↑4.20 ± 6.42
#2	3 sorgenti · 1 target	CLAPSep-PTelkNetModello corrispondente nello strumento: CLAPSepCLAPSep paper Table V	6.48 ± 7.82	SI-SDRi (dB) ↑5.73 ± 8.50
#1	3 sorgenti · 1 target	CLAPSep-PNTelkNetModello corrispondente nello strumento: CLAPSepCLAPSep paper Table V	8.96 ± 6.13Migliore	SI-SDRi (dB) ↑8.09 ± 6.17Migliore
#3	3 sorgenti · 2 target	AudioSepCLAPSep paper Table V	5.30 ± 5.38	SI-SDRi (dB) ↑2.96 ± 5.54
#2	3 sorgenti · 2 target	CLAPSep-PTelkNetModello corrispondente nello strumento: CLAPSepCLAPSep paper Table V	6.35 ± 7.36	SI-SDRi (dB) ↑4.88 ± 8.10
#1	3 sorgenti · 2 target	CLAPSep-PNTelkNetModello corrispondente nello strumento: CLAPSepCLAPSep paper Table V	8.90 ± 5.78Migliore	SI-SDRi (dB) ↑7.82 ± 6.32Migliore
#3	4 sorgenti · 1 target	AudioSepCLAPSep paper Table V	3.52 ± 5.21	SI-SDRi (dB) ↑2.81 ± 5.76
#2	4 sorgenti · 1 target	CLAPSep-PTelkNetModello corrispondente nello strumento: CLAPSepCLAPSep paper Table V	5.94 ± 7.58	SI-SDRi (dB) ↑4.85 ± 8.29
#1	4 sorgenti · 1 target	CLAPSep-PNTelkNetModello corrispondente nello strumento: CLAPSepCLAPSep paper Table V	7.73 ± 5.79Migliore	SI-SDRi (dB) ↑6.80 ± 6.00Migliore
#3	4 sorgenti · 2 target	AudioSepCLAPSep paper Table V	2.37 ± 4.26	SI-SDRi (dB) ↑0.65 ± 4.32
#2	4 sorgenti · 2 target	CLAPSep-PTelkNetModello corrispondente nello strumento: CLAPSepCLAPSep paper Table V	2.91 ± 5.54	SI-SDRi (dB) ↑1.37 ± 5.98
#1	4 sorgenti · 2 target	CLAPSep-PNTelkNetModello corrispondente nello strumento: CLAPSepCLAPSep paper Table V	5.20 ± 4.63Migliore	SI-SDRi (dB) ↑4.01 ± 4.95Migliore
#3	4 sorgenti · 3 target	AudioSepCLAPSep paper Table V	4.20 ± 4.51	SI-SDRi (dB) ↑2.03 ± 4.27
#2	4 sorgenti · 3 target	CLAPSep-PTelkNetModello corrispondente nello strumento: CLAPSepCLAPSep paper Table V	5.34 ± 6.70	SI-SDRi (dB) ↑3.79 ± 7.09
#1	4 sorgenti · 3 target	CLAPSep-PNTelkNetModello corrispondente nello strumento: CLAPSepCLAPSep paper Table V	8.00 ± 4.87Migliore	SI-SDRi (dB) ↑6.73 ± 5.20Migliore

Note di carta e benchmark

A Semantically Consistent Dataset for Data-Efficient Query-Based Universal Sound Separation

ICML - 2026

Paper

CLAPSep: Leveraging Contrastive Pre-trained Model for Multi-Modal Query-Conditioned Target Sound Extraction

IEEE/ACM TASLP - 2024

Paper

A Stem-Agnostic Single-Decoder System for Music Source Separation Beyond Four Stems

ISMIR - 2024

Paper

Ufficiali / repository

Hive source (pinned)AudioSep-Hive weights (pinned)FlowSep-Hive weights (pinned)CLAPSep source (pinned)Official CLAPSep Space artifacts (pinned)Banquet source (pinned)Official Banquet checkpoint

Articoli / note tecniche

Hive paper CLAPSep paper Banquet paper

Guida ai parametri

Descrivi il suono da estrarre; AudioSep-Hive e FlowSep-Hive richiedono questo campo.
Per CLAPSep scegli testo positivo, audio di riferimento o entrambi.
Descrivi il suono target che CLAPSep deve conservare.
Facoltativo: descrivi un suono che CLAPSep deve sopprimere.
Carica un audio che rappresenti il suono target.
Facoltativo: carica un audio del suono da sopprimere.
Carica il riferimento Banquet. Il contratto ufficiale usa un estratto di query di 10 secondi.
Passi di generazione FlowSep-Hive. Valore ufficiale: 20; più passi richiedono più tempo.
Scala classifier-free guidance di FlowSep-Hive. Valore ufficiale: 1,0.
Dimensione batch delle bande di query Banquet. Valore ufficiale di inferenza: 12.

Flusso di lavoro

1Carica una registrazione e descrivi il suono; per Banquet aggiungi un riferimento di 10 secondi.
2Avvia il modello scelto e scarica il suono estratto.

Prima dell’invio

Descrivi il suono da estrarre; AudioSep-Hive e FlowSep-Hive richiedono questo campo.
Per CLAPSep scegli testo positivo, audio di riferimento o entrambi.
Carica il riferimento Banquet. Il contratto ufficiale usa un estratto di query di 10 secondi.

Grado

Condizione di test

Modello

SI-SDR (dB) ↑

Metriche dettagliate

Set di test Hive

AudioSep-HiveTelkNetHive paper

5.02Migliore

SDR (dB) ↑5.67MiglioreLPAPS ↓3.86MiglioreFAD ↓0.80MiglioreCLAP-Audio ↑0.65MiglioreCLAP-T ↑0.31MiglioreMUSHRA ↑68.40MiglioreOQ ↑3.34MiglioreRec ↑4.81Pre ↑3.40MiglioreFai ↑4.39

Set di test Hive

AudioSep (original)Hive paper

1.58

SDR (dB) ↑2.37LPAPS ↓4.22FAD ↓0.90CLAP-Audio ↑0.57CLAP-T ↑0.26MUSHRA ↑60.90OQ ↑2.94Rec ↑4.86MigliorePre ↑2.96Fai ↑4.47Migliore

Condizione di test

Modello

FAD ↓

Metriche dettagliate

Output di separazione · test Hive

AudioSep-HiveTelkNetHive paper

0.80

SDR (dB) ↑5.67SI-SDR (dB) ↑5.02LPAPS ↓3.86CLAP-Audio ↑0.65CLAP-T ↑0.31MUSHRA ↑68.40OQ ↑3.34Rec ↑4.81Pre ↑3.40Fai ↑4.39

Output generativo · test Hive

FlowSep-HiveTelkNetHive paper

0.84

LPAPS ↓4.25CLAP-Audio ↑0.61CLAP-T ↑0.19MUSHRA ↑61.80OQ ↑3.05Rec ↑4.18Pre ↑3.35Fai ↑3.70

Grado

Condizione di test

Modello

SDRi (dB) ↑

Metriche dettagliate

2 sorgenti · 1 target

AudioSepCLAPSep paper Table V

8.60 ± 8.86

SI-SDRi (dB) ↑7.38 ± 9.48

2 sorgenti · 1 target

CLAPSep-PTelkNetModello corrispondente nello strumento: CLAPSepCLAPSep paper Table V

10.03 ± 11.27

SI-SDRi (dB) ↑8.70 ± 12.64

2 sorgenti · 1 target

CLAPSep-PNTelkNetModello corrispondente nello strumento: CLAPSepCLAPSep paper Table V

12.67 ± 7.80Migliore

SI-SDRi (dB) ↑11.79 ± 8.23Migliore

3 sorgenti · 1 target

AudioSepCLAPSep paper Table V

4.90 ± 6.13

SI-SDRi (dB) ↑4.20 ± 6.42

3 sorgenti · 1 target

CLAPSep-PTelkNetModello corrispondente nello strumento: CLAPSepCLAPSep paper Table V

6.48 ± 7.82

SI-SDRi (dB) ↑5.73 ± 8.50

3 sorgenti · 1 target

CLAPSep-PNTelkNetModello corrispondente nello strumento: CLAPSepCLAPSep paper Table V

8.96 ± 6.13Migliore

SI-SDRi (dB) ↑8.09 ± 6.17Migliore

3 sorgenti · 2 target

AudioSepCLAPSep paper Table V

5.30 ± 5.38

SI-SDRi (dB) ↑2.96 ± 5.54

3 sorgenti · 2 target

CLAPSep-PTelkNetModello corrispondente nello strumento: CLAPSepCLAPSep paper Table V

6.35 ± 7.36

SI-SDRi (dB) ↑4.88 ± 8.10

3 sorgenti · 2 target

CLAPSep-PNTelkNetModello corrispondente nello strumento: CLAPSepCLAPSep paper Table V

8.90 ± 5.78Migliore

SI-SDRi (dB) ↑7.82 ± 6.32Migliore

4 sorgenti · 1 target

AudioSepCLAPSep paper Table V

3.52 ± 5.21

SI-SDRi (dB) ↑2.81 ± 5.76

4 sorgenti · 1 target

CLAPSep-PTelkNetModello corrispondente nello strumento: CLAPSepCLAPSep paper Table V

5.94 ± 7.58

SI-SDRi (dB) ↑4.85 ± 8.29

4 sorgenti · 1 target

CLAPSep-PNTelkNetModello corrispondente nello strumento: CLAPSepCLAPSep paper Table V

7.73 ± 5.79Migliore

SI-SDRi (dB) ↑6.80 ± 6.00Migliore

4 sorgenti · 2 target

AudioSepCLAPSep paper Table V

2.37 ± 4.26

SI-SDRi (dB) ↑0.65 ± 4.32

4 sorgenti · 2 target

CLAPSep-PTelkNetModello corrispondente nello strumento: CLAPSepCLAPSep paper Table V

2.91 ± 5.54

SI-SDRi (dB) ↑1.37 ± 5.98

4 sorgenti · 2 target

CLAPSep-PNTelkNetModello corrispondente nello strumento: CLAPSepCLAPSep paper Table V

5.20 ± 4.63Migliore

SI-SDRi (dB) ↑4.01 ± 4.95Migliore

4 sorgenti · 3 target

AudioSepCLAPSep paper Table V

4.20 ± 4.51

SI-SDRi (dB) ↑2.03 ± 4.27

4 sorgenti · 3 target

CLAPSep-PTelkNetModello corrispondente nello strumento: CLAPSepCLAPSep paper Table V

5.34 ± 6.70

SI-SDRi (dB) ↑3.79 ± 7.09

4 sorgenti · 3 target

CLAPSep-PNTelkNetModello corrispondente nello strumento: CLAPSepCLAPSep paper Table V

8.00 ± 4.87Migliore

SI-SDRi (dB) ↑6.73 ± 5.20Migliore

Separazione sonora guidata da testo e riferimento

Modelli, parametri e fonti

AudioSep-Hive

FlowSep-Hive

CLAPSep

Banquet

Grafico di riferimento: Separazione sonora guidata da testo e riferimento

Separazione sonora guidata da testo e riferimento

Separazione sonora guidata da testo e riferimento

Separazione sonora guidata da testo e riferimento

Note di carta e benchmark

A Semantically Consistent Dataset for Data-Efficient Query-Based Universal Sound Separation

CLAPSep: Leveraging Contrastive Pre-trained Model for Multi-Modal Query-Conditioned Target Sound Extraction

A Stem-Agnostic Single-Decoder System for Music Source Separation Beyond Four Stems

Ufficiali / repository

Articoli / note tecniche

Guida ai parametri

Flusso di lavoro

Prima dell’invio

Separazione sonora guidata da testo e riferimento

Modelli, parametri e fonti

AudioSep-Hive

FlowSep-Hive

CLAPSep

Banquet

Grafico di riferimento: Separazione sonora guidata da testo e riferimento

Separazione sonora guidata da testo e riferimento

Separazione sonora guidata da testo e riferimento

Separazione sonora guidata da testo e riferimento

Note di carta e benchmark

A Semantically Consistent Dataset for Data-Efficient Query-Based Universal Sound Separation

CLAPSep: Leveraging Contrastive Pre-trained Model for Multi-Modal Query-Conditioned Target Sound Extraction

A Stem-Agnostic Single-Decoder System for Music Source Separation Beyond Four Stems

Ufficiali / repository

Articoli / note tecniche

Guida ai parametri

Flusso di lavoro

Prima dell’invio

Feedback rapido