Lydseparasjon styrt av tekst og referanse (AudioSep-Hive)

Q: Hvilke oppgaver kan Lydseparasjon styrt av tekst og referanse (AudioSep-Hive) hjelpe med?

Separasjon og splittelse stem; WAV; Lag remikser, øv med akkompagnement og rediger separate stemmer.; Støtter input i formater som mp3 / wav / flac / ogg / m4a / aac / aif / aiff / mp4 / mov / mkv; AudioSep-Hive; FlowSep-Hive

Q: Hvilke modell- og nøkkelordenheter er knyttet til Lydseparasjon styrt av tekst og referanse (AudioSep-Hive)?

AudioSep-Hive, FlowSep-Hive, CLAPSep, Banquet, Hive source (pinned), AudioSep-Hive weights (pinned), FlowSep-Hive weights (pinned), Hive paper

Modeller, parametere og kilder

AudioSep-HiveFlowSep-HiveCLAPSepBanquetHive source (pinned)AudioSep-Hive weights (pinned)FlowSep-Hive weights (pinned)Hive paperCLAPSep source (pinned)Official CLAPSep Space artifacts (pinned)CLAPSep paperBanquet source (pinned)

Poeng gjelder bare det oppgitte datasettet, målet og modellversjonen. Ledelse i tabellen betyr ikke en gjeldende verdensrekord eller et resultat fra denne tjenesten. Evner og tester kan begrunne prioritering uten sammenlignbare poeng.

Referansediagram: Lydseparasjon styrt av tekst og referanse

Tabellen viser bare modeller med offentlige vekter eller konfigurasjoner som kan kjøres lokalt.

Lydseparasjon styrt av tekst og referanse

Hive paper, main test table

Tallene kommer fra den lenkede offentlige kilden. Radene angir testsett eller checkpoint; modeller uten et tilsvarende resultat er utelatt.

Offentlige kilder kontrollert: 2026-09-10

Rang	Testbetingelse	Modell	SI-SDR (dB) ↑	Detaljerte metrikker
#1	Hive-testsett	AudioSep-HiveTelkNetHive paper	5.02Best	SDR (dB) ↑5.67BestLPAPS ↓3.86BestFAD ↓0.80BestCLAP-Audio ↑0.65BestCLAP-T ↑0.31BestMUSHRA ↑68.40BestOQ ↑3.34BestRec ↑4.81Pre ↑3.40BestFai ↑4.39
#2	Hive-testsett	AudioSep (original)Hive paper	1.58	SDR (dB) ↑2.37LPAPS ↓4.22FAD ↓0.90CLAP-Audio ↑0.57CLAP-T ↑0.26MUSHRA ↑60.90OQ ↑2.94Rec ↑4.86BestPre ↑2.96Fai ↑4.47Best

Lydseparasjon styrt av tekst og referanse

Hive paper, main test table

Kildene bruker ulike trenings- eller oppgavevilkår, så tallene bør bare sammenlignes innenfor den oppgitte protokollen.

Offentlige kilder kontrollert: 2026-09-10

Testbetingelse	Modell	FAD ↓	Detaljerte metrikker
Separasjonsutdata · Hive-testsett	AudioSep-HiveTelkNetHive paper	0.80	SDR (dB) ↑5.67SI-SDR (dB) ↑5.02LPAPS ↓3.86CLAP-Audio ↑0.65CLAP-T ↑0.31MUSHRA ↑68.40OQ ↑3.34Rec ↑4.81Pre ↑3.40Fai ↑4.39
Generative utdata · Hive-testsett	FlowSep-HiveTelkNetHive paper	0.84	LPAPS ↓4.25CLAP-Audio ↑0.61CLAP-T ↑0.19MUSHRA ↑61.80OQ ↑3.05Rec ↑4.18Pre ↑3.35Fai ↑3.70

Lydseparasjon styrt av tekst og referanse

CLAPSep paper, Table V

Tallene kommer fra den lenkede offentlige kilden. Radene angir testsett eller checkpoint; modeller uten et tilsvarende resultat er utelatt.

Offentlige kilder kontrollert: 2026-09-10

± angir standardavviket.

Rang	Testbetingelse	Modell	SDRi (dB) ↑	Detaljerte metrikker
#3	2 kilder · 1 mål	AudioSepCLAPSep paper Table V	8.60 ± 8.86	SI-SDRi (dB) ↑7.38 ± 9.48
#2	2 kilder · 1 mål	CLAPSep-PTelkNetTilsvarende verktøymodell: CLAPSepCLAPSep paper Table V	10.03 ± 11.27	SI-SDRi (dB) ↑8.70 ± 12.64
#1	2 kilder · 1 mål	CLAPSep-PNTelkNetTilsvarende verktøymodell: CLAPSepCLAPSep paper Table V	12.67 ± 7.80Best	SI-SDRi (dB) ↑11.79 ± 8.23Best
#3	3 kilder · 1 mål	AudioSepCLAPSep paper Table V	4.90 ± 6.13	SI-SDRi (dB) ↑4.20 ± 6.42
#2	3 kilder · 1 mål	CLAPSep-PTelkNetTilsvarende verktøymodell: CLAPSepCLAPSep paper Table V	6.48 ± 7.82	SI-SDRi (dB) ↑5.73 ± 8.50
#1	3 kilder · 1 mål	CLAPSep-PNTelkNetTilsvarende verktøymodell: CLAPSepCLAPSep paper Table V	8.96 ± 6.13Best	SI-SDRi (dB) ↑8.09 ± 6.17Best
#3	3 kilder · 2 mål	AudioSepCLAPSep paper Table V	5.30 ± 5.38	SI-SDRi (dB) ↑2.96 ± 5.54
#2	3 kilder · 2 mål	CLAPSep-PTelkNetTilsvarende verktøymodell: CLAPSepCLAPSep paper Table V	6.35 ± 7.36	SI-SDRi (dB) ↑4.88 ± 8.10
#1	3 kilder · 2 mål	CLAPSep-PNTelkNetTilsvarende verktøymodell: CLAPSepCLAPSep paper Table V	8.90 ± 5.78Best	SI-SDRi (dB) ↑7.82 ± 6.32Best
#3	4 kilder · 1 mål	AudioSepCLAPSep paper Table V	3.52 ± 5.21	SI-SDRi (dB) ↑2.81 ± 5.76
#2	4 kilder · 1 mål	CLAPSep-PTelkNetTilsvarende verktøymodell: CLAPSepCLAPSep paper Table V	5.94 ± 7.58	SI-SDRi (dB) ↑4.85 ± 8.29
#1	4 kilder · 1 mål	CLAPSep-PNTelkNetTilsvarende verktøymodell: CLAPSepCLAPSep paper Table V	7.73 ± 5.79Best	SI-SDRi (dB) ↑6.80 ± 6.00Best
#3	4 kilder · 2 mål	AudioSepCLAPSep paper Table V	2.37 ± 4.26	SI-SDRi (dB) ↑0.65 ± 4.32
#2	4 kilder · 2 mål	CLAPSep-PTelkNetTilsvarende verktøymodell: CLAPSepCLAPSep paper Table V	2.91 ± 5.54	SI-SDRi (dB) ↑1.37 ± 5.98
#1	4 kilder · 2 mål	CLAPSep-PNTelkNetTilsvarende verktøymodell: CLAPSepCLAPSep paper Table V	5.20 ± 4.63Best	SI-SDRi (dB) ↑4.01 ± 4.95Best
#3	4 kilder · 3 mål	AudioSepCLAPSep paper Table V	4.20 ± 4.51	SI-SDRi (dB) ↑2.03 ± 4.27
#2	4 kilder · 3 mål	CLAPSep-PTelkNetTilsvarende verktøymodell: CLAPSepCLAPSep paper Table V	5.34 ± 6.70	SI-SDRi (dB) ↑3.79 ± 7.09
#1	4 kilder · 3 mål	CLAPSep-PNTelkNetTilsvarende verktøymodell: CLAPSepCLAPSep paper Table V	8.00 ± 4.87Best	SI-SDRi (dB) ↑6.73 ± 5.20Best

Notater om artikkel og referansenoter

A Semantically Consistent Dataset for Data-Efficient Query-Based Universal Sound Separation

ICML - 2026

Paper

CLAPSep: Leveraging Contrastive Pre-trained Model for Multi-Modal Query-Conditioned Target Sound Extraction

IEEE/ACM TASLP - 2024

Paper

A Stem-Agnostic Single-Decoder System for Music Source Separation Beyond Four Stems

ISMIR - 2024

Paper

Offisielle / arkiver

Hive source (pinned)AudioSep-Hive weights (pinned)FlowSep-Hive weights (pinned)CLAPSep source (pinned)Official CLAPSep Space artifacts (pinned)Banquet source (pinned)Official Banquet checkpoint

Artikler / tekniske notater

Hive paper CLAPSep paper Banquet paper

Parameterguide

Beskriv lyden som skal trekkes ut; AudioSep-Hive og FlowSep-Hive krever feltet.
Velg positiv tekst, referanselyd eller begge deler for CLAPSep.
Beskriv mållyden som CLAPSep skal beholde.
Valgfritt: Beskriv en lyd som CLAPSep skal dempe.
Last opp lyd som viser mållyden.
Valgfritt: Last opp en referanse til lyden som skal dempes.
Last opp Banquet-referansen. Den offisielle kontrakten bruker et forespørselsutdrag på 10 sekunder.
Genereringstrinn for FlowSep-Hive. Offisiell standard: 20; flere trinn tar lengre tid.
Classifier-free guidance-skala for FlowSep-Hive. Offisiell standard: 1,0.
Batchstørrelse for Banquet-forespørselsbånd. Offisiell inferensstandard: 12.

Lydseparasjon styrt av tekst og referanse

Modeller, parametere og kilder

AudioSep-Hive

FlowSep-Hive

CLAPSep

Banquet

Referansediagram: Lydseparasjon styrt av tekst og referanse

Lydseparasjon styrt av tekst og referanse

Lydseparasjon styrt av tekst og referanse

Lydseparasjon styrt av tekst og referanse

Notater om artikkel og referansenoter

A Semantically Consistent Dataset for Data-Efficient Query-Based Universal Sound Separation

CLAPSep: Leveraging Contrastive Pre-trained Model for Multi-Modal Query-Conditioned Target Sound Extraction

A Stem-Agnostic Single-Decoder System for Music Source Separation Beyond Four Stems

Offisielle / arkiver

Artikler / tekniske notater

Parameterguide

Arbeidsflyt

Før innsending

Rask tilbakemelding