Caricamento...
Descrivi un suono o fornisci un audio di riferimento per estrarlo da una registrazione.
Input
Supporta ingressi in formati come mp3 / wav / flac / ogg / m4a / aac / aif / aiff / mp4 / mov / mkv
Formati supportati
Produzione
WAV
Caso d'uso
Creare remix, esercitarsi con l'accompagnamento e modificare parti separate.
Scegli un modello adatto al materiale e allo scopo, poi consulta gli esempi prima di inviare.
Costo, tempo, formati e parametri dipendono dal modello scelto.
Nel feedback indica lo strumento, i passaggi e il problema. Gli screenshot possono aiutare a individuarlo.
Separazione testuale con flow matching; confronta omissioni e interferenze con AudioSep sullo stesso frammento.
Descrivi il suono da estrarre; utile senza audio di riferimento.
CLAPSep: Creare remix, esercitarsi con l'accompagnamento e modificare parti separate.
Banquet: Creare remix, esercitarsi con l'accompagnamento e modificare parti separate.
SAM Audio Base: Creare remix, esercitarsi con l'accompagnamento e modificare parti separate.
SAM Audio Large: Creare remix, esercitarsi con l'accompagnamento e modificare parti separate.
ICML - 2026
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.
IEEE/ACM TASLP - 2024
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.
ISMIR - 2024
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.
Include risultati pubblici dei modelli usati qui e altrove. Per impostazione predefinita viene mostrata la tabella completa della fonte; è anche possibile scegliere condizioni e metriche da confrontare. I punteggi ottenuti in condizioni diverse non sono direttamente confrontabili.
Sono mostrati solo risultati con implementazione pubblica di inferenza e pesi corrispondenti verificati, oltre agli algoritmi che non richiedono pesi. Sono esclusi servizi chiusi, pesi non pubblicati e versioni sperimentali non identificate. Non è una classifica di tutti i modelli.
I pesi pubblici non dimostrano l’esistenza di una licenza open source completa. Espandi i dati per consultare le licenze dichiarate e le condizioni di accesso. Le licenze non dichiarate sono indicate separatamente.
Scegli un insieme di dati per visualizzare tutte le metriche di ciascun modello. Le righe seguono la classifica ufficiale o la metrica selezionata. Il grassetto indica il miglior valore confrontabile di ogni colonna, inclusi i pari merito. Protocolli di valutazione diversi sono classificati separatamente; i punteggi mancanti sono indicati con -.
Voci distribuibili 3 / righe originali 11
Non è stato verificato un pacchetto pubblico completo di inferenza per questi esperimenti. Altri pesi con lo stesso nome non sono equivalenti.
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
I valori provengono dalla fonte pubblica collegata. Le etichette delle righe indicano il set di test o il checkpoint; i punteggi non pubblicati sono mostrati come -.
Le fonti usano condizioni di addestramento o compiti diversi; confronta i valori solo nel protocollo indicato.
| Classifica per metrica | Modello | Condizione di 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)Pesi pubblici · Codice di inferenza | 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 )Pesi pubblici · Codice di inferenza | 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)Modello usato quiPesi pubblici · Codice di inferenza | Generative Models | - | - | 4.25 | 0.84 | 0.61 | 0.19 | 61.8 | 3.05 | 4.18 | 3.35 | 3.70 |
Le etichette indicano modelli o componenti usati qui. Punteggi e impostazioni provengono dai test citati, non da una nuova valutazione dell’intero processo del sito.
Dataset, versioni e condizioni restano separati, anche per fonti senza righe ammesse in classifica.
Voci distribuibili 3 / righe originali 11
Non è stato verificato un pacchetto pubblico completo di inferenza per questi esperimenti. Altri pesi con lo stesso nome non sono equivalenti.
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
Voci distribuibili 3 / righe originali 3
I punteggi si riferiscono al dataset, alla metrica e alla versione indicati; test diversi non sono direttamente confrontabili.
La tabella include solo modelli con pesi o configurazioni pubbliche eseguibili in locale.
Scegli un insieme di dati per visualizzare tutte le metriche di ciascun modello. Le righe seguono la classifica ufficiale o la metrica selezionata. Il grassetto indica il miglior valore confrontabile di ogni colonna, inclusi i pari merito. Protocolli di valutazione diversi sono classificati separatamente; i punteggi mancanti sono indicati con -.
Voci distribuibili 3 / righe originali 11
Non è stato verificato un pacchetto pubblico completo di inferenza per questi esperimenti. Altri pesi con lo stesso nome non sono equivalenti.
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
I valori provengono dalla fonte pubblica collegata. Le etichette delle righe indicano il set di test o il checkpoint; i punteggi non pubblicati sono mostrati come -.
| Classifica per metrica | Modello | Condizione di 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)Pesi pubblici · Codice di inferenza | 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 )Pesi pubblici · Codice di inferenza | 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)Pesi pubblici · Codice di inferenza | Generative Models | - | - | 4.25 | 0.84 | 0.61 | 0.19 | 61.8 | 3.05 | 4.18 | 3.35 | 3.70 |
La tabella include solo modelli con pesi o configurazioni pubbliche eseguibili in locale.
Scegli un insieme di dati per visualizzare tutte le metriche di ciascun modello. Le righe seguono la classifica ufficiale o la metrica selezionata. Il grassetto indica il miglior valore confrontabile di ogni colonna, inclusi i pari merito. Protocolli di valutazione diversi sono classificati separatamente; i punteggi mancanti sono indicati con -.
Voci distribuibili 3 / righe originali 3
I valori provengono dalla fonte pubblica collegata. Le etichette delle righe indicano il set di test o il checkpoint; i punteggi non pubblicati sono mostrati come -.
| Classifica per metrica | Modello | 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-PNPesi pubblici · Codice di inferenza | 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-PPesi pubblici · Codice di inferenza | 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 | AudioSepPesi pubblici · Codice di inferenza | 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 |