Input-Adaptive Spectral Feature Compression by Sequence Modeling for Source Separation
arXiv - 2026
Trekk ut tydelig dialog fra film- og TV-lyd og del bakgrunnen i separate spor for musikk og lydeffekter.
Laster...
Del filmlyd i dialog, musikk og effekter for dubbing og etterarbeid.
Innspill
Støtter input i formater som mp3 / wav / flac / ogg / m4a / aac / aif / aiff / mp4 / mov / mkv
Støttede formater
Produksjon
WAV
Bruksområde
Del filmlyd i dialog, musikk og effekter for dubbing og etterarbeid.
Velg en modell for materialet og formålet ditt, og se eksemplene før innsending.
Pris, tid, formater og parametere avhenger av valgt modell.
Oppgi verktøyets navn, trinnene og problemet i tilbakemeldingen. Skjermbilder kan hjelpe oss å finne feilen.
Bånddelt nettverk for dialog, musikk og effekter; sammenlign lekkasje og bakgrunnsdetaljer.
Dialog, musikk og effekter i tre spor for dubbing, klipping og remiks.
Tid-frekvensmodell for tre filmspor; TIGER DnR er forskjellig fra modellen for to talere.
Deler film- og videolyd i dialog, musikk og lydeffekter. Utdata er mono ved 44.1 kHz; stereoinndata mikses først ned til mono.
arXiv - 2026
Trekk ut tydelig dialog fra film- og TV-lyd og del bakgrunnen i separate spor for musikk og lydeffekter.
IEEE OJSP - 2024
Trekk ut tydelig dialog fra film- og TV-lyd og del bakgrunnen i separate spor for musikk og lydeffekter.
arXiv - 2024
Trekk ut tydelig dialog fra film- og TV-lyd og del bakgrunnen i separate spor for musikk og lydeffekter.
arXiv - 2026
Deler film- og videolyd i dialog, musikk og lydeffekter. Utdata er mono ved 44.1 kHz; stereoinndata mikses først ned til mono.
CVPR - 2026
Bruk de visuelle og lydmessige betingelsene i AV-CASS til å skille tale, effekter og musikk fra en video; bare lyd kan velges for direkte sammenligning.
3 utdatakategorier
Bare resultater med verifisert offentlig inferensimplementasjon og tilhørende vekter vises, sammen med algoritmer uten trente vekter. Lukkede tjenester, upubliserte vekter og ubekreftede forsøksversjoner utelates. Dette er ikke en rangering av alle modeller.
Hvert sett med vekter vises én gang per test med det beste publiserte resultatet for valgt måltall. En samlet poengsum kommer fra én evaluering. Utvid for å sammenligne evalueringer og innstillinger.
Offentlige vekter dokumenterer ikke en fullstendig åpen kildekodelisens. Utvid dataene for å se oppgitte vektlisenser og tilgangsvilkår. Manglende lisenser merkes separat.
Markeringene viser modeller eller komponenter som brukes her. Resultater og innstillinger kommer fra de oppgitte testene, ikke fra en ny vurdering av hele nettstedets behandling.
Velg et datasett for å se alle målinger for hver modell. Radene følger den offisielle plasseringen eller den valgte målingen. Fet skrift markerer den beste sammenlignbare verdien i hver kolonne, også ved likhet. Ulike evalueringsprotokoller rangeres separat; manglende resultater vises som -.
Installerbare 2 / kilderader 10
En fullstendig offentlig inferenspakke for disse forsøkene er ikke verifisert. Andre vekter med samme modellnavn kan ikke erstatte den.
MRX-C † · - · Hybrid Demucs (v3) †‡ · - · BS-Locoformer (Small) · C1 · Band-split (64) · SFC-Locoformer (Small) · C2 · SFC-Mamba (64) · SFC-Locoformer (Small) · C3 · SFC-CA (64) · BS-Locoformer (Medium) · D1 · Band-split (64) · SFC-Locoformer (Medium) · D2 · SFC-Mamba (64) · SFC-Locoformer (Medium) † · D4 · SFC-CA (64)
Verdiene kommer fra den lenkede offentlige kilden. Radetikettene viser testsettet eller sjekkpunktet; verdier som ikke er publisert, vises som -.
| Plassering etter måling | Modell | Testbetingelse | Params. | Speech | Music | Sfx | Average | ||||
|---|---|---|---|---|---|---|---|---|---|---|---|
| SNR↑ | SISDR↑ | SNR↑ | SISDR↑ | SNR↑ | SISDR↑ | SNR↑ | SISDR↑ | ||||
| 1 | SFC-Locoformer (Medium) | D3 · SFC-CA (64) | 16.0 M | 16.38 | 16.32 | 9.70 | 9.28 | 10.56 | 9.88 | 12.21 | 11.83 |
| 2 | BandIt †Modell brukt herOffentlige vekter · Inferenskode | Band-split (64) | 37.0 M | 15.7 | 15.6 | 8.7 | 8.0 | 9.8 | 8.2 | 11.4 | 10.9 |
Markeringene viser modeller eller komponenter som brukes her. Resultater og innstillinger kommer fra de oppgitte testene, ikke fra en ny vurdering av hele nettstedets behandling.
Datasett, versjoner og betingelser holdes atskilt, også kilder uten godkjente rader.
Installerbare 9 / kilderader 21 · Kontrollert: 2026-10-25
En fullstendig offentlig inferenspakke for disse forsøkene er ikke verifisert. Andre vekter med samme modellnavn kan ikke erstatte den.
PT2 · MVSep Ensemble (SCNet + Mel) (2024.11) · MVSep SCNet DnR (2024.11) · MVSep MelBand Roformer DnR (v1, 2024.11) · Bandit v2 (multi) · test_scheme2 · test_scheme1 · test1012 · test_4stems_dnr_0908 · Bandit Plus (no resample) · Bandit Plus (with resample) · test_scheme3
Installerbare 2 / kilderader 10
En fullstendig offentlig inferenspakke for disse forsøkene er ikke verifisert. Andre vekter med samme modellnavn kan ikke erstatte den.
MRX-C † · - · Hybrid Demucs (v3) †‡ · - · BS-Locoformer (Small) · C1 · Band-split (64) · SFC-Locoformer (Small) · C2 · SFC-Mamba (64) · SFC-Locoformer (Small) · C3 · SFC-CA (64) · BS-Locoformer (Medium) · D1 · Band-split (64) · SFC-Locoformer (Medium) · D2 · SFC-Mamba (64) · SFC-Locoformer (Medium) † · D4 · SFC-CA (64)
Installerbare 2 / kilderader 2
Resultatene gjelder angitt datasett, målemetode og modellversjon. Ulike tester kan ikke sammenlignes direkte.
Tabellen viser bare modeller med offentlige vekter eller konfigurasjoner som kan kjøres lokalt.
Velg et datasett for å se alle målinger for hver modell. Radene følger den offisielle plasseringen eller den valgte målingen. Fet skrift markerer den beste sammenlignbare verdien i hver kolonne, også ved likhet. Ulike evalueringsprotokoller rangeres separat; manglende resultater vises som -.
Installerbare 2 / kilderader 10
En fullstendig offentlig inferenspakke for disse forsøkene er ikke verifisert. Andre vekter med samme modellnavn kan ikke erstatte den.
MRX-C † · - · Hybrid Demucs (v3) †‡ · - · BS-Locoformer (Small) · C1 · Band-split (64) · SFC-Locoformer (Small) · C2 · SFC-Mamba (64) · SFC-Locoformer (Small) · C3 · SFC-CA (64) · BS-Locoformer (Medium) · D1 · Band-split (64) · SFC-Locoformer (Medium) · D2 · SFC-Mamba (64) · SFC-Locoformer (Medium) † · D4 · SFC-CA (64)
Verdiene kommer fra den lenkede offentlige kilden. Radetikettene viser testsettet eller sjekkpunktet; verdier som ikke er publisert, vises som -.
| Plassering etter måling | Modell | Testbetingelse | Params. | Speech | Music | Sfx | Average | ||||
|---|---|---|---|---|---|---|---|---|---|---|---|
| SNR↑ | SISDR↑ | SNR↑ | SISDR↑ | SNR↑ | SISDR↑ | SNR↑ | SISDR↑ | ||||
| 1 | SFC-Locoformer (Medium) | D3 · SFC-CA (64) | 16.0 M | 16.38 | 16.32 | 9.70 | 9.28 | 10.56 | 9.88 | 12.21 | 11.83 |
| 2 | BandIt †Offentlige vekter · Inferenskode | Band-split (64) | 37.0 M | 15.7 | 15.6 | 8.7 | 8.0 | 9.8 | 8.2 | 11.4 | 10.9 |
Velg et datasett for å se alle målinger for hver modell. Radene følger den offisielle plasseringen eller den valgte målingen. Fet skrift markerer den beste sammenlignbare verdien i hver kolonne, også ved likhet. Ulike evalueringsprotokoller rangeres separat; manglende resultater vises som -.
SI-SDR rapportert av forfatterne på 973 komplette DnR v2-testspor. Hver modell bruker sitt offisielle vindu og sin steglengde; gjennomsnittet dekker musikk, tale og effekter. Dette er ikke TelkNet-målinger og slås ikke sammen med andre datasett eller treningsvilkår.
| Plassering etter måling | Modell | Testbetingelse | Gjennomsnittlig SI-SDR (dB) ↑ | MX SI-SDR (dB) ↑ | DX SI-SDR (dB) ↑ | FX SI-SDR (dB) ↑ | Parametere M |
|---|---|---|---|---|---|---|---|
| 1 | DBS-TIGER (128)Offentlige vekter · Inferenskode | DnR v2 · 973 · 6 s / 3 s | 10.13 | 7.78 | 15.9 | 6.7 | 1 |
| 2 | DBS-BSRNN (128)Offentlige vekter · Inferenskode | DnR v2 · 973 · 3 s / 1.5 s | 9.07 | 6.48 | 15.01 | 5.73 | 4.7 |