A Semantically Consistent Dataset for Data-Efficient Query-Based Universal Sound Separation
ICML - 2026
AudioSep-Hive, FlowSep-Hive, CLAPSep로 자유롭게 설명한 소리를 추출하거나 Banquet으로 10초 참조 오디오와 일치하는 음원을 분리합니다.
로딩 중...
글이나 참고 오디오로 원하는 소리를 지정해 녹음에서 추출하고 다운로드하세요.
입력
mp3 / wav / flac / ogg / m4a / aac / aif / aiff / mp4 / mov / mkv와 같은 형식의 입력을 지원합니다
지원되는 포맷
출력
WAV
사용 사례
리믹스, 반주 연습과 파트별 편집에 사용합니다.
소재와 용도에 맞는 모델을 고르고 예시를 확인한 뒤 제출하세요.
비용, 시간, 형식과 매개변수는 선택한 모델에 따라 달라집니다.
의견에 도구 이름, 작업 단계와 발생한 문제를 적어 주세요. 스크린샷을 첨부하면 확인에 도움이 됩니다.
Banquet: 리믹스, 반주 연습과 파트별 편집에 사용합니다.
소리를 글로 지정해 혼합 음원에서 추출합니다. 참조 음원이 없을 때 유용합니다.
플로 매칭 기반 텍스트 분리입니다. 같은 구간에서 AudioSep과 누락·누출을 비교하세요.
CLAPSep: 리믹스, 반주 연습과 파트별 편집에 사용합니다.
SAM Audio Base: 리믹스, 반주 연습과 파트별 편집에 사용합니다.
SAM Audio Large: 리믹스, 반주 연습과 파트별 편집에 사용합니다.
ICML - 2026
AudioSep-Hive, FlowSep-Hive, CLAPSep로 자유롭게 설명한 소리를 추출하거나 Banquet으로 10초 참조 오디오와 일치하는 음원을 분리합니다.
IEEE/ACM TASLP - 2024
AudioSep-Hive, FlowSep-Hive, CLAPSep로 자유롭게 설명한 소리를 추출하거나 Banquet으로 10초 참조 오디오와 일치하는 음원을 분리합니다.
ISMIR - 2024
AudioSep-Hive, FlowSep-Hive, CLAPSep로 자유롭게 설명한 소리를 추출하거나 Banquet으로 10초 참조 오디오와 일치하는 음원을 분리합니다.
이 사이트와 외부 모델의 공개 평가 결과를 포함합니다. 기본적으로 출처의 전체 표를 표시하며, 조건과 지표를 선택해 비교할 수도 있습니다. 평가 조건이 다른 점수는 직접 비교할 수 없습니다.
공개 추론 구현과 해당 가중치가 확인된 기록만 표시합니다. 가중치가 필요 없는 알고리즘도 포함됩니다. 폐쇄형 서비스, 미공개 가중치, 실험 버전이 확인되지 않은 기록은 제외하며 전체 모델 종합 순위는 아닙니다.
가중치 공개만으로 완전한 오픈 소스 라이선스가 보장되지는 않습니다. 데이터를 펼치면 가중치 라이선스와 접근 조건을 확인할 수 있습니다. 명시되지 않은 라이선스는 별도로 표시합니다.
선택한 모델에 해당하는 검증된 공개 성적이 없어 순위를 매기지 않았습니다.
데이터셋을 선택하면 각 모델의 전체 지표가 표시됩니다. 공식 순위 또는 선택한 지표로 정렬합니다. 굵은 글씨는 동일 평가 조건에서 비교 가능한 각 열의 최상위 값이며 동점도 포함합니다. 평가 방식이 다르면 별도로 순위를 매기며, 누락된 점수는 -로 표시합니다.
OVR은 논문의 쌍대 비교 주관 평가로 비교 대상에 따라 달라집니다. 다른 실험과 합산할 수 없으며 사이트 가중치를 재평가한 결과도 아닙니다.
| 지표별 순위 | 모델 | 효과음↑OVR (1–5) | 대사↑OVR (1–5) | 화자↑OVR (1–5) | 음악↑OVR (1–5) | 실제 환경의 악기↑OVR (1–5) | 스튜디오 악기↑OVR (1–5) |
|---|---|---|---|---|---|---|---|
| 1 | SAM Audio | 3.59 | 4.29 | 4.15 | 4.05 | 4 | 4.45 |
| 2 | SoloAudio | 2.97 | 3.32 | 2.45 | 2.47 | 2.71 | 2.3 |
| 3 | CLAPSep | 2.92 | 2.47 | 2.79 | 2.97 | 2.81 | 2.56 |
| 4 | AudioSep | 2.88 | 2.85 | 2.79 | 3.51 | 2.59 | 2.45 |
| 5 | FlowSep | 2.65 | 2.14 | 2.13 | 2.9 | 2.69 | 2.02 |
| - | MossFormer2 | - | - | 2.54 | - | - | - |
| - | Tiger | - | - | 2.5 | - | - | - |
| - | Demucs | - | - | - | - | - | 4.26 |
| - | Spleeter | - | - | - | - | - | 3.9 |
데이터셋, 버전, 조건을 구분하며 순위에 포함할 항목이 없는 출처도 남깁니다.
배포 가능 3 / 원본 행 11
해당 실험의 완전한 공개 추론 패키지가 확인되지 않았습니다. 이름이 같은 다른 가중치로 대체할 수 없습니다.
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
배포 가능 3 / 원본 행 3
점수는 해당 데이터셋, 지표, 모델 버전에 대한 결과이며 서로 다른 테스트끼리는 직접 비교할 수 없습니다.
표에는 공개 가중치 또는 설정이 있고 로컬에서 실행할 수 있는 모델만 표시합니다.
데이터셋을 선택하면 각 모델의 전체 지표가 표시됩니다. 공식 순위 또는 선택한 지표로 정렬합니다. 굵은 글씨는 동일 평가 조건에서 비교 가능한 각 열의 최상위 값이며 동점도 포함합니다. 평가 방식이 다르면 별도로 순위를 매기며, 누락된 점수는 -로 표시합니다.
배포 가능 3 / 원본 행 11
해당 실험의 완전한 공개 추론 패키지가 확인되지 않았습니다. 이름이 같은 다른 가중치로 대체할 수 없습니다.
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
수치는 링크된 공개 출처에서 가져왔습니다. 행 이름은 평가 데이터셋이나 체크포인트를 나타내며, 보고되지 않은 점수는 -로 표시합니다.
| 지표별 순위 | 모델 | 평가 조건 | 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)공개 가중치 · 추론 코드 | 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 )공개 가중치 · 추론 코드 | 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)공개 가중치 · 추론 코드 | Generative Models | - | - | 4.25 | 0.84 | 0.61 | 0.19 | 61.8 | 3.05 | 4.18 | 3.35 | 3.70 |
표에는 공개 가중치 또는 설정이 있고 로컬에서 실행할 수 있는 모델만 표시합니다.
데이터셋을 선택하면 각 모델의 전체 지표가 표시됩니다. 공식 순위 또는 선택한 지표로 정렬합니다. 굵은 글씨는 동일 평가 조건에서 비교 가능한 각 열의 최상위 값이며 동점도 포함합니다. 평가 방식이 다르면 별도로 순위를 매기며, 누락된 점수는 -로 표시합니다.
배포 가능 3 / 원본 행 3
수치는 링크된 공개 출처에서 가져왔습니다. 행 이름은 평가 데이터셋이나 체크포인트를 나타내며, 보고되지 않은 점수는 -로 표시합니다.
| 지표별 순위 | 모델 | 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-PN공개 가중치 · 추론 코드 | 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-P공개 가중치 · 추론 코드 | 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 | AudioSep공개 가중치 · 추론 코드 | 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 |