Ładowanie...
Opisz dźwięk lub podaj nagranie referencyjne, aby wydzielić go z nagrania.
Wejście
Obsługuje wejścia w formatach takich jak mp3 / wav / flac / ogg / m4a / aac / aif / aiff / mp4 / mov / mkv
Obsługiwane formaty
Produkcja
WAV
Przypadek użycia
Twórz remiksy, ćwicz z akompaniamentem i edytuj osobne partie.
Wybierz model do swojego materiału i celu, a przed wysłaniem zapoznaj się z przykładami.
Koszt, czas, formaty i parametry zależą od wybranego modelu.
W opinii podaj nazwę narzędzia, kroki i napotkany problem. Zrzuty ekranu ułatwią jego zlokalizowanie.
Banquet: Twórz remiksy, ćwicz z akompaniamentem i edytuj osobne partie.
Opisz docelowy dźwięk tekstem; przydatne bez próbki audio.
Separacja tekstowa przez flow matching; porównaj pominięcia i przesłuch z AudioSep na tym samym fragmencie.
CLAPSep: Twórz remiksy, ćwicz z akompaniamentem i edytuj osobne partie.
SAM Audio Base: Twórz remiksy, ćwicz z akompaniamentem i edytuj osobne partie.
SAM Audio Large: Twórz remiksy, ćwicz z akompaniamentem i edytuj osobne partie.
ICML - 2026
Wyodrębnia dowolnie opisany dźwięk za pomocą AudioSep-Hive, FlowSep-Hive lub CLAPSep albo izoluje w Banquet źródło zgodne z 10-sekundową referencją.
IEEE/ACM TASLP - 2024
Wyodrębnia dowolnie opisany dźwięk za pomocą AudioSep-Hive, FlowSep-Hive lub CLAPSep albo izoluje w Banquet źródło zgodne z 10-sekundową referencją.
ISMIR - 2024
Wyodrębnia dowolnie opisany dźwięk za pomocą AudioSep-Hive, FlowSep-Hive lub CLAPSep albo izoluje w Banquet źródło zgodne z 10-sekundową referencją.
Zawiera publiczne wyniki testów modeli używanych tutaj i poza serwisem. Domyślnie wyświetlana jest pełna tabela źródłowa; można też wybrać warunki i metryki do porównania. Wyniki z różnych warunków testowych nie są bezpośrednio porównywalne.
Wyświetlane są tylko wyniki ze zweryfikowaną publiczną implementacją inferencji i odpowiednimi wagami oraz algorytmy niewymagające wag. Zamknięte usługi, nieopublikowane wagi i niepotwierdzone wersje eksperymentalne są pomijane. To nie jest ranking wszystkich modeli.
Publiczne wagi nie potwierdzają pełnej licencji open source. Rozwiń dane, aby sprawdzić zadeklarowane licencje wag i warunki dostępu. Brak deklaracji licencji jest oznaczony osobno.
Wybrany model nie ma zweryfikowanego, odpowiadającego mu publicznego wyniku i nie otrzymał miejsca w rankingu.
Wybierz zbiór danych, aby zobaczyć wszystkie metryki każdego modelu. Wiersze są uporządkowane według oficjalnej pozycji lub wybranej metryki. Pogrubienie oznacza najlepszą porównywalną wartość w kolumnie, także przy remisie. Różne protokoły oceny są klasyfikowane osobno; brakujące wyniki są oznaczone jako -.
OVR to subiektywna ocena parami z artykułu, zależna od modelu porównawczego. Nie łączyć jej z innymi eksperymentami; nie jest ponownym testem wag używanych w serwisie.
| Pozycja według metryki | Model | Efekty↑OVR (1–5) | Dialog↑OVR (1–5) | Mówca↑OVR (1–5) | Muzyka↑OVR (1–5) | Instrumenty w rzeczywistych warunkach↑OVR (1–5) | Instrumenty studyjne↑OVR (1–5) |
|---|---|---|---|---|---|---|---|
| 1 | SAM AudioPubliczne wagi · Kod inferencji | 3.59 | 4.29 | 4.15 | 4.05 | 4 | 4.45 |
| 2 | SoloAudioPubliczne wagi · Kod inferencji | 2.97 | 3.32 | 2.45 | 2.47 | 2.71 | 2.3 |
| 3 | CLAPSepPubliczne wagi · Kod inferencji | 2.92 | 2.47 | 2.79 | 2.97 | 2.81 | 2.56 |
| 4 | AudioSepPubliczne wagi · Kod inferencji | 2.88 | 2.85 | 2.79 | 3.51 | 2.59 | 2.45 |
| 5 | FlowSepPubliczne wagi · Kod inferencji | 2.65 | 2.14 | 2.13 | 2.9 | 2.69 | 2.02 |
| - | MossFormer2Publiczne wagi · Kod inferencji | - | - | 2.54 | - | - | - |
| - | TigerPubliczne wagi · Kod inferencji | - | - | 2.5 | - | - | - |
| - | DemucsPubliczne wagi · Kod inferencji | - | - | - | - | - | 4.26 |
| - | SpleeterPubliczne wagi · Kod inferencji | - | - | - | - | - | 3.9 |
Zbiory, wersje i warunki są rozdzielone, również źródła bez kwalifikujących się wierszy.
Do wdrożenia 3 / wiersze źródłowe 11
Nie zweryfikowano pełnego publicznego pakietu inferencji dla tych eksperymentów. Inne wagi modelu o tej samej nazwie nie wystarczą.
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
Do wdrożenia 3 / wiersze źródłowe 3
Wyniki dotyczą wskazanego zbioru, miary i wersji modelu. Różnych testów nie można bezpośrednio porównywać.
Tabela obejmuje tylko modele z publicznymi wagami lub konfiguracjami, które można uruchomić lokalnie.
Wybierz zbiór danych, aby zobaczyć wszystkie metryki każdego modelu. Wiersze są uporządkowane według oficjalnej pozycji lub wybranej metryki. Pogrubienie oznacza najlepszą porównywalną wartość w kolumnie, także przy remisie. Różne protokoły oceny są klasyfikowane osobno; brakujące wyniki są oznaczone jako -.
Do wdrożenia 3 / wiersze źródłowe 11
Nie zweryfikowano pełnego publicznego pakietu inferencji dla tych eksperymentów. Inne wagi modelu o tej samej nazwie nie wystarczą.
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
Wartości pochodzą z podanego źródła publicznego. Etykiety wierszy wskazują zbiór testowy lub checkpoint; nieopublikowane wyniki są oznaczone jako -.
| Pozycja według metryki | Model | Warunek testu | 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)Publiczne wagi · Kod inferencji | 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 )Publiczne wagi · Kod inferencji | 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)Publiczne wagi · Kod inferencji | Generative Models | - | - | 4.25 | 0.84 | 0.61 | 0.19 | 61.8 | 3.05 | 4.18 | 3.35 | 3.70 |
Tabela obejmuje tylko modele z publicznymi wagami lub konfiguracjami, które można uruchomić lokalnie.
Wybierz zbiór danych, aby zobaczyć wszystkie metryki każdego modelu. Wiersze są uporządkowane według oficjalnej pozycji lub wybranej metryki. Pogrubienie oznacza najlepszą porównywalną wartość w kolumnie, także przy remisie. Różne protokoły oceny są klasyfikowane osobno; brakujące wyniki są oznaczone jako -.
Do wdrożenia 3 / wiersze źródłowe 3
Wartości pochodzą z podanego źródła publicznego. Etykiety wierszy wskazują zbiór testowy lub checkpoint; nieopublikowane wyniki są oznaczone jako -.
| Pozycja według metryki | Model | 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-PNPubliczne wagi · Kod inferencji | 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-PPubliczne wagi · Kod inferencji | 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 | AudioSepPubliczne wagi · Kod inferencji | 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 |