Laster...

Vokal til MIDI · ROSVOT / GAME · TelkNet

MIDI / transkripsjonGPU arbeidsmengdeSOME · Kildekode SOME v1.0.0-baseline · Vekter SOME v1.0.0-baseline · Endringslogg SOME · Artikkel

Vokal til MIDI

Gjør sang, nynning eller vokalspor om til MIDI. Sammenlign ROSVOT, GAME, SOME og VOCANO før du retter melodien.

25 kreditter/brukFilinndataMaks 100 MBEstimert 45-1800 sekunder

Innspill

Last opp solosang, nynning eller et isolert hovedvokalspor. Har du bare den ferdige sangen, velg «Hel sang»; hovedvokalen skilles ut før transkripsjon.

Støttede formater

mp3wavflacoggm4aaacaifaiffmp4movmkv

Produksjon

MIDI

Bruksområde

Kopiere en sunget melodi til en DAW for redigering, dobling, synthprogrammering eller et notasjonsutkast.

Velg modellfamilie

Vokal til MIDI · ROSVOTTilgjengeligRobust vei for sang med støy eller lekkasje fra akkompagnement; det nåværende offisielle sjekkpunktet er hovedsakelig trent på mandarin-sang.Vokal til MIDI · GAMETilgjengeligGjør sang om til MIDI med innstillinger for sangspråk, segmentering og notegjenkjenning.Vokal til MIDI · SOMETilgjengeligSOME er en rask og lett sang-til-MIDI-rute.Vokal til MIDI · VOCANOTilgjengeligVOCANO henter ut vokalens tonehøyde med Patch-CNN og finner notegrenser med PyramidNet-110. Den publiserte inferensinngangen har ingen flere modellkontroller.

Velg en modell for materialet og formålet ditt, og se eksemplene før innsending.

Pris, tid, formater og parametere avhenger av valgt modell.

Rask tilbakemelding

Oppgi verktøyets navn, trinnene og problemet i tilbakemeldingen. Skjermbilder kan hjelpe oss å finne feilen.

Modeller, parametere og kilder

SOME er en rask og lett sang-til-MIDI-rute.

ROSVOTROSVOT paper, Table 1ROSVOT + RWBDVOCANO: A Note Transcription Framework for Singing Voice in Polyphonic MusicRobust Singing Voice Transcription Serves SynthesisGAME: Generative Adaptive MIDI ExtractorSOME: Singing-Oriented MIDI ExtractorGAMESOMEVOCANO

ROSVOT

Robust vei for sang med støy eller lekkasje fra akkompagnement; det nåværende offisielle sjekkpunktet er hovedsakelig trent på mandarin-sang.

ROSVOT source (pinned)ROSVOT project page ROSVOT paper

ROSVOT-terskel for notegrenser: standard 0.85; område 0–1.
ROSVOT-terskel for ordgrenser: standard 0.5; område 0–1.

GAME

Gjør sang om til MIDI med innstillinger for sangspråk, segmentering og notegjenkjenning.

GAME v1.0.3 source (pinned)GAME v1.0.3 weights GAME v1.0.3 technical guide (pinned)GAME v1.0.3 ONNX guide (pinned)

La feltet stå tomt for å bruke GAMEs offisielle språk-ID 0. Det er ikke automatisk språkgjenkjenning; velg språk når du kjenner det.
Segmenteringsterskel — Offisiell modellinnstilling; behold standardverdien hvis du er usikker.
Segmenteringsradius (s) — Offisiell modellinnstilling; behold standardverdien hvis du er usikker.
D3PM-starttid — Offisiell modellinnstilling; behold standardverdien hvis du er usikker.
GAME-støyfjerningstrinn: standard 8; område 1–128.
Estimeringsterskel — Offisiell modellinnstilling; behold standardverdien hvis du er usikker.
Analyserer de opprinnelige slagene etter transkripsjon og skriver tempoet til MIDI med notenes timing bevart.
Separate evalueringsresultater for GAME v1.0.3 er ennå ikke oppført.

SOME

SOME source (pinned)SOME baseline weights SOME technical guide (pinned)

Analyserer de opprinnelige slagene etter transkripsjon og skriver tempoet til MIDI med notenes timing bevart.

VOCANO

VOCANO henter ut vokalens tonehøyde med Patch-CNN og finner notegrenser med PyramidNet-110. Den publiserte inferensinngangen har ingen flere modellkontroller.

VOCANO source and official weights VOCANO ISMIR 2021 paper

Velg «Isolert vokal / vokalspor» for a cappella eller allerede utskilt vokal. Med «Hel sang» skilles hovedvokalen ut først.

Notater om artikkel og referansenoter

VOCANO: A Note Transcription Framework for Singing Voice in Polyphonic Music

ISMIR - 2021

VOCANO henter ut vokalens tonehøyde med Patch-CNN og finner notegrenser med PyramidNet-110. Den publiserte inferensinngangen har ingen flere modellkontroller.

Official source and citation

Robust Singing Voice Transcription Serves Synthesis

ACL - 2024

Robust vei for sang med støy eller lekkasje fra akkompagnement; det nåværende offisielle sjekkpunktet er hovedsakelig trent på mandarin-sang.

Paper

GAME: Generative Adaptive MIDI Extractor

Official technical guide - 2026

Gjør sang om til MIDI med innstillinger for sangspråk, segmentering og notegjenkjenning.

v1.0.3 technical guide (pinned)v1.0.3 ONNX guide (pinned)v1.0.3 weights

SOME: Singing-Oriented MIDI Extractor

Official technical guide - 2023

Technical guide (pinned)Baseline weights

Offisielle / arkiver

ROSVOT source (pinned)ROSVOT project page GAME v1.0.3 source (pinned)GAME v1.0.3 weights SOME source (pinned)SOME baseline weights VOCANO source and official weights

Artikler / tekniske notater

ROSVOT paper GAME v1.0.3 technical guide (pinned)GAME v1.0.3 ONNX guide (pinned)SOME technical guide (pinned)VOCANO ISMIR 2021 paper

Parameterguide

Velg «Isolert vokal / vokalspor» for a cappella eller allerede utskilt vokal. Med «Hel sang» skilles hovedvokalen ut først.
La feltet stå tomt for å bruke GAMEs offisielle språk-ID 0. Det er ikke automatisk språkgjenkjenning; velg språk når du kjenner det.
Segmenteringsterskel — Offisiell modellinnstilling; behold standardverdien hvis du er usikker.
Segmenteringsradius (s) — Offisiell modellinnstilling; behold standardverdien hvis du er usikker.
D3PM-starttid — Offisiell modellinnstilling; behold standardverdien hvis du er usikker.
GAME-støyfjerningstrinn: standard 8; område 1–128.
Estimeringsterskel — Offisiell modellinnstilling; behold standardverdien hvis du er usikker.
Analyserer de opprinnelige slagene etter transkripsjon og skriver tempoet til MIDI med notenes timing bevart.
ROSVOT-terskel for notegrenser: standard 0.85; område 0–1.
ROSVOT-terskel for ordgrenser: standard 0.5; område 0–1.

Bruksområder

Gjør om en hovedvokallinje til redigerbare notater.
Sammenlign fire transkripsjonsmodeller når opptaket har blødninger, støy eller uklare notegrenser.
Bruk MIDI som et guidespor i en DAW, og korriger deretter tonehøyder og notelengder etter gehør.

Arbeidsflyt

1Velg lydtype og last opp solosang, et vokalspor eller hele sangen. Hele sanger separeres først.
2Start med standardmodellen; bruk sammenligningen med fire versjoner når ett resultat er vanskelig å vurdere.
3Bytt mellom den originale vokalen og hver pianorull, korriger den valgte MIDI, og last den ned.

Dette bør du sjekke

Dette verktøyet følger den sungede hovedmelodien; den bygger ikke om trommer, akkorder eller et komplett arrangement.
GAME viser språk- og segmenteringskontroller. ROSVOTs utgitte sjekkpunkt er hovedsakelig trent på mandarinsang.
Sammenligningen kjører fire separate konverteringer og gir fire selvstendige MIDI-filer uten å slå sammen modellene.

Modeller i dette feltet

3 resultater

Omfatter offentlige testresultater for modeller som brukes her og andre steder. Hele kildetabellen vises som standard; betingelser og målinger kan også velges for sammenligning. Resultater fra ulike testbetingelser kan ikke sammenlignes direkte.

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.

Offentlige vekter dokumenterer ikke en fullstendig åpen kildekodelisens. Utvid dataene for å se oppgitte vektlisenser og tilgangsvilkår. Manglende lisenser merkes separat.

ReferansetestKategori

Den valgte modellen har ikke noe bekreftet, tilsvarende offentlig resultat og har ikke fått en rangering.

GAME 1.0 · Ren vokal

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 -.

Forfatternes private data, 100 holdte opptak; hver størrelse bruker sitt best rapporterte K. OA er samlet nøyaktighet per ramme, ikke note-F1, og kan ikke blandes med ROSVOT.

Ranger etter mål

GAME 1.0 · Ren vokal
Plassering etter måling	Modell	Samlet rangering innenfor denne protokollen↑OA (%)	QER (%)↓	Presence F1 (%)↑	RPA (%)↑	Pitch RMSE↓	Chamfer (frames)↓
1	GAME 1.0 Medium · K=8 Offentlige vekter · Inferenskode Offentlige vekter Inferenskode`GAME-1.0.3-medium-onnx.zip`Vektlisens (oppgitt av repositoriet): MIT	95.03	12.3	99.23	94.86	0.552	1.44
1	GAME 1.0 Large · K=1 Offentlige vekter · Inferenskode Offentlige vekter Inferenskode`GAME-1.0.3-large-onnx.zip`Vektlisens (oppgitt av repositoriet): MIT	95.03	12.87	99.15	94.92	0.684	1.44
3	GAME 1.0 Small · K=2 Offentlige vekter · Inferenskode Offentlige vekter Inferenskode`GAME-1.0.3-small-onnx.zip`Vektlisens (oppgitt av repositoriet): MIT	94.99	13.13	99.14	94.99	0.653	1.5

Opprinnelige oppføringer (3)

GAME · Technical Report §10 ↗Kontrollert: 2026-09-27

Alle evalueringskilder (1)

Datasett, versjoner og betingelser holdes atskilt, også kilder uten godkjente rader.

ROSVOT paper, Table 1 ↗
Installerbare 2 / kilderader 10
Uten plassering: 8
En fullstendig offentlig inferenspakke for disse forsøkene er ikke verifisert. Andre vekter med samme modellnavn kan ikke erstatte den.
TONY · VOCANO · MusicYOLO · Yong et al. (2023) · ℳ (conformer) · ℳ (conv) · ℳ (w/o wbd) · ℳ (w/o noise)

Alle originale resultater og kilder

Resultatene gjelder angitt datasett, målemetode og modellversjon. Ulike tester kan ikke sammenlignes direkte.

ROSVOT paper, Table 1

Installerbare 2 / kilderader 10

Uten plassering: 8

En fullstendig offentlig inferenspakke for disse forsøkene er ikke verifisert. Andre vekter med samme modellnavn kan ikke erstatte den.

TONY · VOCANO · MusicYOLO · Yong et al. (2023) · ℳ (conformer) · ℳ (conv) · ℳ (w/o wbd) · ℳ (w/o noise)

Robust vei for sang med støy eller lekkasje fra akkompagnement; det nåværende offisielle sjekkpunktet er hovedsakelig trent på mandarin-sang.

Ranger etter mål

ROSVOT paper, Table 1
Plassering etter måling	Modell	COn (F) ↑		COff (F) ↑		COnPOff (F) ↑		Pitch (AOR) ↑		Melody (RPA) ↑
Plassering etter måling	Modell	clean	noisy	clean	noisy	clean	noisy	clean	noisy	clean	noisy
1	ℳ (ours) Offentlige vekter · Inferenskode checkpoints.zip · rosvot + rwbd + rmvpe InferenskodeVektlisens ikke oppgitt	94.0	93.8	94.5	94.4	77.4	77.0	97.0	97.1	87.6	87.4
2	ℳ (w/ E W ) Offentlige vekter · Inferenskode checkpoints.zip · rosvot + rwbd + rmvpe InferenskodeVektlisens ikke oppgitt	93.3	93.5	93.2	92.9	77.1	77.0	96.5	96.2	87.5	87.2

Opprinnelige oppføringer (2)

ROSVOT paper, Table 1 ↗Kontrollert: 2026-10-25