Caricamento...

Voce in MIDI · ROSVOT / GAME · TelkNet

MIDI / trascrizioneGPU carico di lavoroVOCANO · Codice sorgente model.pt · Pesi model3_patch25.npy · Pesi VOCANO · Articolo

Voce in MIDI

Converti canto, vocalizzi o tracce vocali in MIDI. Confronta ROSVOT, GAME, SOME e VOCANO prima di correggere la melodia.

25 crediti/utilizzoInserimento fileMassimo 100 MBStima 45-1800 secondi

Input

Carica voce sola, un canticchiato o una traccia di voce solista isolata. Se hai solo il brano finito, scegli «Brano completo»: la voce solista verrà isolata prima della trascrizione.

Formati supportati

mp3wavflacoggm4aaacaifaiffmp4movmkv

Produzione

MIDI

Caso d'uso

Copiare una melodia cantata in un DAW per l'editing, il raddoppio, la programmazione del synth o una bozza di notazione.

Scegli una famiglia di modelli

Voce in MIDI · ROSVOTDisponibilePercorso robusto per canto con rumore o rientro dell’accompagnamento; il checkpoint ufficiale attuale è addestrato soprattutto su canto in mandarino.Voce in MIDI · GAMEDisponibileConverte il canto in MIDI con controlli per lingua, segmentazione e rilevamento delle note.Voce in MIDI · SOMEDisponibileSOME è il percorso rapido e leggero dal canto al MIDI.Voce in MIDI · VOCANODisponibileVOCANO estrae l’altezza vocale con Patch-CNN e individua i confini delle note con PyramidNet-110. L’ingresso di inferenza pubblicato non offre altri controlli del modello.

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.

Feedback rapido

Nel feedback indica lo strumento, i passaggi e il problema. Gli screenshot possono aiutare a individuarlo.

Modelli, parametri e fonti

VOCANO estrae l’altezza vocale con Patch-CNN e individua i confini delle note con PyramidNet-110. L’ingresso di inferenza pubblicato non offre altri controlli del modello.

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

Percorso robusto per canto con rumore o rientro dell’accompagnamento; il checkpoint ufficiale attuale è addestrato soprattutto su canto in mandarino.

ROSVOT source (pinned)ROSVOT project page ROSVOT paper

Soglia dei confini delle note ROSVOT: 0.85 predefinito; intervallo 0–1.
Soglia dei confini delle parole ROSVOT: 0.5 predefinito; intervallo 0–1.

GAME

Converte il canto in MIDI con controlli per lingua, segmentazione e rilevamento delle note.

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)

Lascia vuoto per usare l’ID lingua ufficiale 0 di GAME. Non è un rilevamento automatico; scegli la lingua quando sai in quale si canta.
Soglia di segmentazione — Controllo ufficiale del modello; in caso di dubbio mantieni il valore predefinito.
Raggio di segmentazione (s) — Controllo ufficiale del modello; in caso di dubbio mantieni il valore predefinito.
Inizio D3PM — Controllo ufficiale del modello; in caso di dubbio mantieni il valore predefinito.
Passi di denoising GAME: 8 predefiniti; intervallo 1–128.
Soglia di stima — Controllo ufficiale del modello; in caso di dubbio mantieni il valore predefinito.
Dopo la trascrizione analizza i battiti originali e scrive il tempo nel MIDI, conservando i tempi delle note.
I risultati di valutazione specifici per GAME v1.0.3 non sono ancora elencati.

SOME

SOME è il percorso rapido e leggero dal canto al MIDI.

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

Dopo la trascrizione analizza i battiti originali e scrive il tempo nel MIDI, conservando i tempi delle note.

VOCANO

VOCANO source and official weights VOCANO ISMIR 2021 paper

Scegli «Voce isolata / stem vocale» per una voce a cappella o già separata. Con «Brano completo» viene prima isolata la voce principale.

Note di carta e benchmark

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

ISMIR - 2021

Official source and citation

Robust Singing Voice Transcription Serves Synthesis

ACL - 2024

Percorso robusto per canto con rumore o rientro dell’accompagnamento; il checkpoint ufficiale attuale è addestrato soprattutto su canto in mandarino.

Paper

GAME: Generative Adaptive MIDI Extractor

Official technical guide - 2026

Converte il canto in MIDI con controlli per lingua, segmentazione e rilevamento delle note.

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 è il percorso rapido e leggero dal canto al MIDI.

Technical guide (pinned)Baseline weights

Ufficiali / repository

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

Articoli / note tecniche

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

Guida ai parametri

Scegli «Voce isolata / stem vocale» per una voce a cappella o già separata. Con «Brano completo» viene prima isolata la voce principale.
Lascia vuoto per usare l’ID lingua ufficiale 0 di GAME. Non è un rilevamento automatico; scegli la lingua quando sai in quale si canta.
Soglia di segmentazione — Controllo ufficiale del modello; in caso di dubbio mantieni il valore predefinito.
Raggio di segmentazione (s) — Controllo ufficiale del modello; in caso di dubbio mantieni il valore predefinito.
Inizio D3PM — Controllo ufficiale del modello; in caso di dubbio mantieni il valore predefinito.
Passi di denoising GAME: 8 predefiniti; intervallo 1–128.
Soglia di stima — Controllo ufficiale del modello; in caso di dubbio mantieni il valore predefinito.
Dopo la trascrizione analizza i battiti originali e scrive il tempo nel MIDI, conservando i tempi delle note.
Soglia dei confini delle note ROSVOT: 0.85 predefinito; intervallo 0–1.
Soglia dei confini delle parole ROSVOT: 0.5 predefinito; intervallo 0–1.

Casi d'uso

Trasforma una linea vocale solista in note modificabili.
Confronta quattro modelli di trascrizione quando la registrazione presenta sbavature, rumore o confini delle note poco chiari.
Usa il MIDI come traccia guida in un DAW, quindi correggi le altezze e le lunghezze delle note a orecchio.

Flusso di lavoro

1Scegli il tipo di audio e carica voce sola, uno stem vocale o il brano completo. Il brano completo viene prima separato.
2Inizia dal modello predefinito; usa il confronto in quattro versioni quando un solo risultato è difficile da valutare.
3Passa dalla voce originale a ciascun piano roll, correggi il MIDI scelto, quindi scaricalo.

Cosa controllare

Questo strumento segue la melodia solista cantata; non ricostruisce batterie, accordi o un arrangiamento completo.
GAME espone controlli di lingua e segmentazione. Il checkpoint rilasciato di ROSVOT è addestrato principalmente al canto mandarino.
Il confronto esegue quattro conversioni separate e restituisce quattro file MIDI indipendenti, senza fondere i modelli.

Modelli del settore

3 risultati

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.

BenchmarkCategoria

Il modello selezionato non ha un risultato pubblico corrispondente verificato e non è stato classificato.

GAME 1.0 · Voce pulita

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 -.

Dati privati degli autori, 100 registrazioni escluse dall’addestramento; ogni dimensione usa il miglior K riportato. OA è l’accuratezza complessiva per frame, non F1 delle note, e non si combina con ROSVOT.

Classifica per metrica

GAME 1.0 · Voce pulita
Classifica per metrica	Modello	Classifica complessiva in questo protocollo↑OA (%)	QER (%)↓	Presence F1 (%)↑	RPA (%)↑	Pitch RMSE↓	Chamfer (frames)↓
1	GAME 1.0 Medium · K=8 Pesi pubblici · Codice di inferenza Pesi pubblici Codice di inferenza`GAME-1.0.3-medium-onnx.zip`Licenza dei pesi (dichiarazione del repository): MIT	95.03	12.3	99.23	94.86	0.552	1.44
1	GAME 1.0 Large · K=1 Pesi pubblici · Codice di inferenza Pesi pubblici Codice di inferenza`GAME-1.0.3-large-onnx.zip`Licenza dei pesi (dichiarazione del repository): MIT	95.03	12.87	99.15	94.92	0.684	1.44
3	GAME 1.0 Small · K=2 Pesi pubblici · Codice di inferenza Pesi pubblici Codice di inferenza`GAME-1.0.3-small-onnx.zip`Licenza dei pesi (dichiarazione del repository): MIT	94.99	13.13	99.14	94.99	0.653	1.5

Dati originali (3)

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

Tutte le fonti di valutazione (1)

Dataset, versioni e condizioni restano separati, anche per fonti senza righe ammesse in classifica.

ROSVOT paper, Table 1 ↗
Voci distribuibili 2 / righe originali 10
Non classificati: 8
Non è stato verificato un pacchetto pubblico completo di inferenza per questi esperimenti. Altri pesi con lo stesso nome non sono equivalenti.
TONY · VOCANO · MusicYOLO · Yong et al. (2023) · ℳ (conformer) · ℳ (conv) · ℳ (w/o wbd) · ℳ (w/o noise)

Tutti i risultati originali e le fonti

I punteggi si riferiscono al dataset, alla metrica e alla versione indicati; test diversi non sono direttamente confrontabili.

ROSVOT paper, Table 1

Voci distribuibili 2 / righe originali 10

Non classificati: 8

Non è stato verificato un pacchetto pubblico completo di inferenza per questi esperimenti. Altri pesi con lo stesso nome non sono equivalenti.

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

Percorso robusto per canto con rumore o rientro dell’accompagnamento; il checkpoint ufficiale attuale è addestrato soprattutto su canto in mandarino.

Classifica per metrica

ROSVOT paper, Table 1
Classifica per metrica	Modello	COn (F) ↑		COff (F) ↑		COnPOff (F) ↑		Pitch (AOR) ↑		Melody (RPA) ↑
Classifica per metrica	Modello	clean	noisy	clean	noisy	clean	noisy	clean	noisy	clean	noisy
1	ℳ (ours) Pesi pubblici · Codice di inferenza checkpoints.zip · rosvot + rwbd + rmvpe Codice di inferenzaLicenza dei pesi non dichiarata	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 ) Pesi pubblici · Codice di inferenza checkpoints.zip · rosvot + rwbd + rmvpe Codice di inferenzaLicenza dei pesi non dichiarata	93.3	93.5	93.2	92.9	77.1	77.0	96.5	96.2	87.5	87.2

Dati originali (2)

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