A Semantically Consistent Dataset for Data-Efficient Query-Based Universal Sound Separation
ICML - 2026
AudioSep-Hive、FlowSep-Hive、CLAPSep で自由記述した音を抽出するか、Banquet で 10 秒の参照音声に一致する音源を分離します。
読み込み中...
文章や参照音声で指定した音を録音から抽出し、ダウンロードできます。
入力
mp3 / wav / flac / ogg / m4a / aac / aif / aiff / mp4 / mov / mkvなどのフォーマットでの入力をサポートしています。
対応フォーマット
出力
WAV
ユースケース
リミックス、伴奏付き練習、パート別編集に使います。
素材と用途に合ったモデルを選び、例を確認してから送信してください。
料金、時間、形式、パラメータは選択したモデルによって異なります。
フィードバックにはツール名、操作手順、発生した問題を記載してください。スクリーンショットも確認に役立ちます。
抽出したい音を文章で指定。参照音声がない場合に便利です。
フローマッチングによるテキスト指定分離。同じ区間でAudioSepと音抜け・混入を比較できます。
CLAPSep：リミックス、伴奏付き練習、パート別編集に使います。
Banquet：リミックス、伴奏付き練習、パート別編集に使います。
SAM Audio Base：リミックス、伴奏付き練習、パート別編集に使います。
SAM Audio Large：リミックス、伴奏付き練習、パート別編集に使います。
ICML - 2026
AudioSep-Hive、FlowSep-Hive、CLAPSep で自由記述した音を抽出するか、Banquet で 10 秒の参照音声に一致する音源を分離します。
IEEE/ACM TASLP - 2024
AudioSep-Hive、FlowSep-Hive、CLAPSep で自由記述した音を抽出するか、Banquet で 10 秒の参照音声に一致する音源を分離します。
ISMIR - 2024
AudioSep-Hive、FlowSep-Hive、CLAPSep で自由記述した音を抽出するか、Banquet で 10 秒の参照音声に一致する音源を分離します。
本サイトと外部のモデルの公開テスト結果を含みます。初期表示は出典の全項目表です。条件や指標を選んで比較することもできます。異なるテスト条件のスコアは直接比較できません。
公開された推論実装と対応する重みを確認できた記録、および重みを必要としないアルゴリズムのみを表示します。非公開サービス、未公開の重み、実験版との対応が未確認の記録は除外しています。全モデルの総合順位ではありません。
重みの公開だけでは完全なオープンソースライセンスは確認できません。データを展開すると、宣言された重みのライセンスとアクセス条件を確認できます。未記載のライセンスは別途表示します。
データセットを選ぶと各モデルの全指標を表示します。公式順位または選択した指標で並べ替えます。太字は同じ評価条件で比較できる各列の最良値で、同点も含みます。評価方法が異なる場合は別々に順位を付け、未報告のスコアは - で表示します。
展開可能 3 / 原表 11
これらの実験に対応する完全な公開推論パッケージは未確認です。同名モデルの別の重みでは代用できません。
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
数値はリンク先の公開資料に基づきます。行ラベルはテストセットやチェックポイントを示し、未報告のスコアは - で表示します。
出典ごとに学習条件やタスクが異なるため、数値は記載されたプロトコル内でのみ比較してください。
| 指標別順位 | モデル | 評価条件 | 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)当サイトで使用公開の重み · 推論コード | 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 )公開の重み · 推論コード | 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)公開の重み · 推論コード | Generative Models | - | - | 4.25 | 0.84 | 0.61 | 0.19 | 61.8 | 3.05 | 4.18 | 3.35 | 3.70 |
印は当サイトで使用するモデルや構成モデルを示します。スコアと設定は引用元の公開評価に基づき、サイトの処理全体を再評価した結果ではありません。
データセット・バージョン・条件を分け、掲載可能な行がない評価も出典を残します。
展開可能 3 / 原表 11
これらの実験に対応する完全な公開推論パッケージは未確認です。同名モデルの別の重みでは代用できません。
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
展開可能 3 / 原表 3
スコアは記載のデータセット、指標、モデル版に対する結果です。異なるテストの数値は直接比較できません。
表には、公開ウェイトまたは設定があり、ローカルで実行できるモデルだけを掲載しています。
データセットを選ぶと各モデルの全指標を表示します。公式順位または選択した指標で並べ替えます。太字は同じ評価条件で比較できる各列の最良値で、同点も含みます。評価方法が異なる場合は別々に順位を付け、未報告のスコアは - で表示します。
展開可能 3 / 原表 11
これらの実験に対応する完全な公開推論パッケージは未確認です。同名モデルの別の重みでは代用できません。
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
数値はリンク先の公開資料に基づきます。行ラベルはテストセットやチェックポイントを示し、未報告のスコアは - で表示します。
| 指標別順位 | モデル | 評価条件 | 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)公開の重み · 推論コード | 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 )公開の重み · 推論コード | 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)公開の重み · 推論コード | Generative Models | - | - | 4.25 | 0.84 | 0.61 | 0.19 | 61.8 | 3.05 | 4.18 | 3.35 | 3.70 |
表には、公開ウェイトまたは設定があり、ローカルで実行できるモデルだけを掲載しています。
データセットを選ぶと各モデルの全指標を表示します。公式順位または選択した指標で並べ替えます。太字は同じ評価条件で比較できる各列の最良値で、同点も含みます。評価方法が異なる場合は別々に順位を付け、未報告のスコアは - で表示します。
展開可能 3 / 原表 3
数値はリンク先の公開資料に基づきます。行ラベルはテストセットやチェックポイントを示し、未報告のスコアは - で表示します。
| 指標別順位 | モデル | 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-PN公開の重み · 推論コード | 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-P公開の重み · 推論コード | 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 | AudioSep公開の重み · 推論コード | 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 |