CrowdioSet and PaRIRset: Two Datasets Towards Live Music Source Separation
arXiv - 2026
論文の表2・3の平均 SDR。clean はクリーン、noisy は観客音あり、noisyrev は観客音と残響ありです。条件ごとに順位を分けます。残響学習モデルは残響除去を目的としません。
読み込み中...
曲をボーカルと楽器のトラックに分離し、試聴、ミックス、練習用伴奏に使えます。
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
4 × WAV
ユースケース
CrowdioSet SCNet は M1 がクリーン、M2 が残響、M3 が観客音、M4 が両方を学習します。M1/M2 は4ステム、M3/M4 は観客音を含む5ステムです。残響は保持され、観客の合唱は残る場合があります。
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。
CrowdioSet SCNet は M1 がクリーン、M2 が残響、M3 が観客音、M4 が両方を学習します。M1/M2 は4ステム、M3/M4 は観客音を含む5ステムです。残響は保持され、観客の合唱は残る場合があります。
BS-RoFormer SW Fixedは、BS-Rofo-SW-Fixed.ckptとBS-Rofo-SW-Fixed.yamlを使ってフルミックスをsix WAV stemsに分割します。
フルミックスを4つの標準的なMUSDBスタイルstemsに分割します。
XLANCE-MSRは、分離、ノイズ除去、デリバーブ、修復のための8クラスのsource-restoration公衆MIT checkpoint weightsシステムです。これは無関係な方向ではありません。これは強力なsix-stem BS-RoFormerルートから構築された工学的・チャレンジタスクの拡張です。
MVSep Mega 53 Stems は検出した楽器ごとにミックスを分離し、複雑な編曲の分析に役立ちます。各パートの分離品質は専用モデルに及ばない場合があります。
BS-RoFormer SW Fixedは、BS-Rofo-SW-Fixed.ckptとBS-Rofo-SW-Fixed.yamlを使ってフルミックスをsix WAV stemsに分割します。
Sony MIMO SCNet はボーカル、ドラム、ベース、その他の楽器を分離し、SCNet と SCNet Gen を選べます。
Sony MIMO SCNet はボーカル、ドラム、ベース、その他の楽器を分離し、SCNet と SCNet Gen を選べます。
MDX23C Phantom Centre はステレオ左右の共通信号と側方の残差信号を分離します。中央の楽器も抽出され、左右に振った声は残る場合があります。楽器の種類を識別するモデルではありません。
弓で演奏する弦楽器と、それ以外の音を分離します。似た音色やシンセストリングスが各トラックに残る場合があります。
arXiv - 2026
論文の表2・3の平均 SDR。clean はクリーン、noisy は観客音あり、noisyrev は観客音と残響ありです。条件ごとに順位を分けます。残響学習モデルは残響除去を目的としません。
SDX23 music separation track - 2023
BS-RoFormerバンド分割スペクトログラムの特徴に加えRoPEトランスを使用しています。SDX23システムは音楽ソース分離トラックで1位を獲得し、小型バージョンではMUSDB18HQで平均9.80 dBの平均SDRを記録しました。
ICASSP - 2023
HT DemucsはコアのDemucsレイヤーをcross-domain Transformer attentionに置き換え、追加データと微調整を加えて9.20 dBのSDRを報告します。
ICASSP - 2025
デプロイ済みの Huge-SCNet-4stems チェックポイントの背後にあるサブバンド疎圧縮アーキテクチャを紹介しています。混合信号のスペクトログラムをバンドに分割し、それぞれ異なるレートで圧縮することで、効率的で高品質な分離を実現します。
arXiv - 2026
XLANCE-MSRシステムの技術報告書が第一回Music Source Restoration Challengeに提出されました。
arXiv - 2026
チャレンジ要約論文:MSR課題、データセット、客観指標、主観的評価、最終ランキング表を説明。
arXiv - 2026
Sony の固定版 README による MUSDB18-HQ、museval の中央値集計です。同じ評価条件内で比較し、MVSEP や別論文の点数とは混在させません。
出力項目：4
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。
同じ評価条件のランキングでは、同一の重みを1つにまとめ、選択した指標の公開評価で最も高い成績を表示します。総合スコアは1回の評価から算出します。展開すると各評価と設定を確認できます。
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。
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 4 / 原表 5
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。
SAMAudio †
論文の表2・3の平均 SDR。clean はクリーン、noisy は観客音あり、noisyrev は観客音と残響ありです。条件ごとに順位を分けます。残響学習モデルは残響除去を目的としません。
| 指標別順位 | モデル | 評価条件 | vocals↑ | drums↑ | bass↑ | other↑ |
|---|---|---|---|---|---|---|
| - | CrowdioSet SCNet M1当サイトで使用 | clean | 1.46 ± 3.4 ( 10.05 ) | 7.04 ± 3.6 ( 10.62 ) | 4.15 ± 3.5 ( 8.97 ) | 1.43 ± 3.5 ( 6.69 ) |
| - | CrowdioSet SCNet M2 | rev | 1.10 ± 3.6 ( 9.01 ) | 8.23 ± 3.1 ( 9.86 ) | 5.36 ± 3.7 ( 7.77 ) | 3.63 ± 2.4 ( 5.98 ) |
| - | CrowdioSet SCNet M3 | noisy | 3.26 ± 2.9 ( 9.97 ) | 7.00 ± 3.3 ( 10.68 ) | 3.91 ± 3.6 ( 8.85 ) | 1.79 ± 3.2 ( 6.69 ) |
| - | CrowdioSet SCNet M4 | noisyrev | 3.15 ± 3.1 ( 9.07 ) | 8.19 ± 3.3 ( 9.98 ) | 5.66 ± 3.6 ( 7.86 ) | 3.55 ± 2.7 ( 5.88 ) |
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 4 / 原表 5
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。
SAMAudio †
展開可能 2 / 原表 3
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。
SAMAudio †
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 4 / 原表 5
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。
SAMAudio †
論文の表2・3の平均 SDR。clean はクリーン、noisy は観客音あり、noisyrev は観客音と残響ありです。条件ごとに順位を分けます。残響学習モデルは残響除去を目的としません。
| 指標別順位 | モデル | 評価条件 | vocals↑ | drums↑ | bass↑ | other↑ |
|---|---|---|---|---|---|---|
| - | CrowdioSet SCNet M1 | clean | 1.46 ± 3.4 ( 10.05 ) | 7.04 ± 3.6 ( 10.62 ) | 4.15 ± 3.5 ( 8.97 ) | 1.43 ± 3.5 ( 6.69 ) |
| - | CrowdioSet SCNet M2 | rev | 1.10 ± 3.6 ( 9.01 ) | 8.23 ± 3.1 ( 9.86 ) | 5.36 ± 3.7 ( 7.77 ) | 3.63 ± 2.4 ( 5.98 ) |
| - | CrowdioSet SCNet M3 | noisy | 3.26 ± 2.9 ( 9.97 ) | 7.00 ± 3.3 ( 10.68 ) | 3.91 ± 3.6 ( 8.85 ) | 1.79 ± 3.2 ( 6.69 ) |
| - | CrowdioSet SCNet M4 | noisyrev | 3.15 ± 3.1 ( 9.07 ) | 8.19 ± 3.3 ( 9.98 ) | 5.66 ± 3.6 ( 7.86 ) | 3.55 ± 2.7 ( 5.88 ) |
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 2 / 原表 3
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。
SAMAudio †
論文の表2・3の平均 SDR。clean はクリーン、noisy は観客音あり、noisyrev は観客音と残響ありです。条件ごとに順位を分けます。残響学習モデルは残響除去を目的としません。
| 指標別順位 | モデル | 評価条件 | audience isolation | |
|---|---|---|---|---|
| non-reverberant↑ | reverberant↑ | |||
| 1 | CrowdioSet SCNet M3 | noisy | 2.85 ± 1.3 | 1.25 ± 1.4 |
| 2 | CrowdioSet SCNet M4 | noisyrev | 1.55 ± 1.0 | 1.56 ± 0.9 |