Ładowanie...

Perkusja do MIDI · MSG-LD / ADTOF · TelkNet

MIDI / transkrypcjaGPU obciążenia pracąSeparate-and-detect · Kod źródłowy Separate-and-Detect · Wagi vae-ckpt.ckpt · Wagi hifigan-ckpt.ckpt · Wagi vgg16-397923af.pth · Wagi vgg.pth · Wagi 955717e8-8726e21a.th · Wagi madmom_models · Wagi MSG-LD · OB · Publikacja

Perkusja do MIDI

ADTOF Plus · ADTOF Direct · ADT_STR · MSG-LD. Pełny miks najpierw przechodzi separację bębnów w wybranym procesie. Odizolowane bębny trafiają bezpośrednio do wybranego modelu transkrypcji lub separacji.

15 kredyty/wykorzystanieWejście plikuMaksymalnie 100 MBSzacowany czas 20-1800 sekund

Wejście

Obsługuje wejścia w formatach takich jak mp3 / wav / flac / ogg / m4a / aac / aif / aiff / mp4 / mov / mkv

Obsługiwane formaty

mp3wavflacoggm4aaacaifaiffmp4movmkv

Produkcja

5 × WAV · MIDI · CSV

Przypadek użycia

Edytuj nuty, instrumentację i szczegóły wykonania.

Wybierz rodzinę modeli

Perkusja do MIDI · MSG-LDDostępneSeparacja perkusji i wykrywanie ataków do szkicu MIDI; stała dynamika i czas odtwarzania.Perkusja do MIDI · ADTOFDostępnePerkusja do MIDI: Plus dodaje dynamikę i otwarty/zamknięty hi-hat; Direct transkrybuje bezpośrednio.Perkusja do MIDI · ADT_STRDostępnePoczątki i dynamika 26 klas perkusji; trzy τ to różne konfiguracje treningowe.

Wybierz wersję lub tryb przetwarzania

Perkusja do MIDI · MSG-LD · OBTrenowany z pomocniczą gałęzią początku dźwięku; generuje pięć ścieżek i wykrywa uderzenia.ZalecaneDostępnePerkusja do MIDI · MSG-LD · OBTBTrenowany z gałęziami początku dźwięku i barwy; generuje pięć ścieżek i wykrywa uderzenia.Dostępne

Wybierz model do swojego materiału i celu, a przed wysłaniem zapoznaj się z przykładami.

Koszt, czas, formaty i parametry zależą od wybranego modelu.

Rozdziela partie perkusji i wykrywa uderzenia. MIDI velocity wynosi zawsze 100, a każde zdarzenie trwa 0.1 sekundy; długość pełnego WAV pozostaje bez zmian.

Szybka opinia

W opinii podaj nazwę narzędzia, kroki i napotkany problem. Zrzuty ekranu ułatwią jego zlokalizowanie.

Modele, parametry i źródła

MSG-LD generuje pięć ścieżek perkusji i wykrywa początki uderzeń; MIDI ma stałą siłę 100 i czas odtwarzania 0,1 sekundy.

MSG-LD · OBADTOF-PyTorch READMEADTOF (original)ADTOF Direct · PyTorchADTOF Plus paper, Table 1ADTOF PlusOriginal ADTOFADTOF Plus paper, Table 2Vogl et al. 8-class baselineADT-STR · Table 2ADT-STR Setting-1ADT-STR Setting-2

MSG-LD · OB

ddman1101/Separate-and-detect MSG-LD · checkpoint MSG-LD

msgld_ob używa gałęzi ataków; msgld_obtb używa gałęzi ataków i barwy.
Liczba kroków próbkowania DDIM, domyślnie 200. Obsługiwane są m.in. 50, 100, 200, 250 i 500; część innych wartości nie jest obsługiwana.
Pełny miks najpierw przechodzi separację bębnów w wybranym procesie. Odizolowane bębny trafiają bezpośrednio do wybranego modelu transkrypcji lub separacji.
Artykuł ocenia OB, TB i OBTB osobno; wyników OB nie można przypisać domyślnemu OBTB. F1 nut oraz mel-MSE/FAD audio mają osobne tabele. Proces detekcji z artykułu nie został tu ponownie zmierzony.

MSG-LD · OBTB

ddman1101/Separate-and-detect MSG-LD · checkpoint MSG-LD

msgld_ob używa gałęzi ataków; msgld_obtb używa gałęzi ataków i barwy.
Liczba kroków próbkowania DDIM, domyślnie 200. Obsługiwane są m.in. 50, 100, 200, 250 i 500; część innych wartości nie jest obsługiwana.
Pełny miks najpierw przechodzi separację bębnów w wybranym procesie. Odizolowane bębny trafiają bezpośrednio do wybranego modelu transkrypcji lub separacji.
Artykuł ocenia OB, TB i OBTB osobno; wyników OB nie można przypisać domyślnemu OBTB. F1 nut oraz mel-MSE/FAD audio mają osobne tabele. Proces detekcji z artykułu nie został tu ponownie zmierzony.

ADTOF Plus

ADTOF Plus dodaje do ADTOF separację perkusji, mapowanie dynamiki i obsługę otwartego/zamkniętego hi-hatu. Przyjmuje pełne miksy.

ADTOF Plus source (pinned)ADTOF PyTorch source (pinned)ADTOF Plus paper ADTOF ISMIR 2021 paper Pinned ADTOF Plus technical guide

Włącz dla pełnego miksu, aby najpierw oddzielić perkusję; wyłącz dla odizolowanej ścieżki perkusji.
Próg wykrywania uderzeń perkusji w ADTOF Plus; pozostaw puste, aby użyć wartości domyślnej modelu.
Po transkrypcji analizuje oryginalne uderzenia i zapisuje tempo w MIDI, zachowując czas nut.

ADTOF Direct · PyTorch

ADTOF Direct transkrybuje odizolowane bębny przy użyciu PyTorch ADTOF. Dla pełnego miksu TelkNet najpierw wydziela bębny przez AudioSep-Hive, bez przetwarzania siły uderzeń i otwartego/zamkniętego hi-hatu z Plus.

ADTOF PyTorch source (pinned)Original ADTOF source ISMIR 2021 paper materials Signals 2023 paper

Dostosuj osobno progi wykrywania stopy, werbla, hi-hatu, tomów i talerzy.
Rozdzielczość czasowa, domyślnie 100 FPS; zmiana może wpłynąć na jakość transkrypcji.
Po transkrypcji analizuje oryginalne uderzenia i zapisuje tempo w MIDI, zachowując czas nut.

ADT_STR · tau=0.8

ADT_STR wykrywa początki i siłę uderzeń dla 26 klas perkusji oraz eksportuje MIDI.

pier-maker92/ADT_STR ADT_STR · checkpoint ADT_STR

Wybierz oficjalnie opublikowany wariant wag.
Maksymalna liczba token generowanych na segment; oficjalna wartość 1024.
Oficjalny rozmiar partii inferencji: liczba segmentów przetwarzanych razem.
Pełny miks najpierw przechodzi separację bębnów w wybranym procesie. Odizolowane bębny trafiają bezpośrednio do wybranego modelu transkrypcji lub separacji.
Setting-1–Setting-4 w tabeli 2 to eksperymenty treningowe, a nie wybierane wagi τ=0.4/0.6/0.8. Wyniki dotyczą izolowanej perkusji, nie pełnych miksów.

ADT_STR · tau=0.4

ADT_STR wykrywa początki i siłę uderzeń dla 26 klas perkusji oraz eksportuje MIDI.

pier-maker92/ADT_STR ADT_STR · checkpoint ADT_STR

Wybierz oficjalnie opublikowany wariant wag.
Maksymalna liczba token generowanych na segment; oficjalna wartość 1024.
Oficjalny rozmiar partii inferencji: liczba segmentów przetwarzanych razem.
Pełny miks najpierw przechodzi separację bębnów w wybranym procesie. Odizolowane bębny trafiają bezpośrednio do wybranego modelu transkrypcji lub separacji.
Setting-1–Setting-4 w tabeli 2 to eksperymenty treningowe, a nie wybierane wagi τ=0.4/0.6/0.8. Wyniki dotyczą izolowanej perkusji, nie pełnych miksów.

ADT_STR · tau=0.6

ADT_STR wykrywa początki i siłę uderzeń dla 26 klas perkusji oraz eksportuje MIDI.

pier-maker92/ADT_STR ADT_STR · checkpoint ADT_STR

Wybierz oficjalnie opublikowany wariant wag.
Maksymalna liczba token generowanych na segment; oficjalna wartość 1024.
Oficjalny rozmiar partii inferencji: liczba segmentów przetwarzanych razem.
Pełny miks najpierw przechodzi separację bębnów w wybranym procesie. Odizolowane bębny trafiają bezpośrednio do wybranego modelu transkrypcji lub separacji.
Setting-1–Setting-4 w tabeli 2 to eksperymenty treningowe, a nie wybierane wagi τ=0.4/0.6/0.8. Wyniki dotyczą izolowanej perkusji, nie pełnych miksów.

Notatki z artykułu i benchmarków

Enhanced Automatic Drum Transcription via Drum Stem Source Separation

arXiv - 2025

Paper Pinned implementation

ADTOF: A large dataset of non-synthetic music for automatic drum transcription

ISMIR - 2021

Paper Paper materials

High-Quality and Reproducible Automatic Drum Transcription from Crowdsourced Data

Signals - 2023

Paper

Oficjalne / repozytoria

ddman1101/Separate-and-detect MSG-LD · checkpoint ADTOF Plus source (pinned)ADTOF PyTorch source (pinned)Original ADTOF source pier-maker92/ADT_STR ADT_STR · checkpoint

Artykuły / notatki techniczne

MSG-LD ADTOF Plus paper ADTOF ISMIR 2021 paper Pinned ADTOF Plus technical guide ISMIR 2021 paper materials Signals 2023 paper ADT_STR

Przewodnik po parametrach

Włącz dla pełnego miksu, aby najpierw oddzielić perkusję; wyłącz dla odizolowanej ścieżki perkusji.
Próg wykrywania uderzeń perkusji w ADTOF Plus; pozostaw puste, aby użyć wartości domyślnej modelu.
Dostosuj osobno progi wykrywania stopy, werbla, hi-hatu, tomów i talerzy.
Rozdzielczość czasowa, domyślnie 100 FPS; zmiana może wpłynąć na jakość transkrypcji.
Po transkrypcji analizuje oryginalne uderzenia i zapisuje tempo w MIDI, zachowując czas nut.

Przepływ pracy

1Pełny miks najpierw przechodzi separację bębnów w wybranym procesie. Odizolowane bębny trafiają bezpośrednio do wybranego modelu transkrypcji lub separacji.
2Pobierz MIDI i sprawdź stopę, werbel, hi-hat oraz inne elementy.

Co sprawdzić

Pełny miks najpierw przechodzi separację bębnów w wybranym procesie. Odizolowane bębny trafiają bezpośrednio do wybranego modelu transkrypcji lub separacji.
Rozdzielczość czasowa, domyślnie 100 FPS; zmiana może wpłynąć na jakość transkrypcji.

Modele w tej dziedzinie

3 wyników

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.

Test porównawczyKategoria

MSG-LD / ADTOF / LarsNet · MDB + ENST · 5 classes · 50 ms

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 -.

Ranking według metryki

MSG-LD / ADTOF / LarsNet · MDB + ENST · 5 classes · 50 ms
Pozycja według metryki	Model	MDB · Overall	ENST · Overall	MDB					ENST
Pozycja według metryki	Model	MDB · Overall	ENST · Overall	Kick↑F1 (%)	Snare↑F1 (%)	Toms↑F1 (%)	Hi-Hats↑F1 (%)	Cymbals↑F1 (%)	Kick↑F1 (%)	Snare↑F1 (%)	Toms↑F1 (%)	Hi-Hats↑F1 (%)	Cymbals↑F1 (%)
1	ADTOF Publiczne wagi · Kod inferencji Publiczne wagi Kod inferencji`Frame_RNN_adtofAll_0.data-00000-of-00001 + .index`Licencja wag (deklaracja repozytorium): CC-BY-NC-SA-4.0	79.5	70.9	85.1	75.2	52	77.3	84.9	79.5	59.9	58.1	77.7	65.7
2	MSG-LD OBModel używany tutaj Publiczne wagi · Kod inferencji Publiczne wagi Kod inferencji Licencja wag (deklaracja repozytorium): mit	70.7	64	93.1	76	26.8	65	48.1	82.1	64.2	49.1	63	39.1
3	MSG-LD OBTB Publiczne wagi · Kod inferencji Publiczne wagi Kod inferencji Licencja wag (deklaracja repozytorium): mit	69	63.6	-	-	-	-	-	-	-	-	-	-

Oryginalne rekordy (3)

Oznaczenia wskazują używane tutaj modele lub elementy. Wyniki i ustawienia pochodzą z przytoczonych testów, a nie z nowej oceny całego procesu serwisu.

MSG-LD · Tables 3–4 ↗Sprawdzono: 2026-09-27

Wszystkie źródła ocen (6)

Zbiory, wersje i warunki są rozdzielone, również źródła bez kwalifikujących się wierszy.

ADTOF-PyTorch README ↗
Do wdrożenia 2 / wiersze źródłowe 2
Perkusja na MIDI ↗
Do wdrożenia 6 / wiersze źródłowe 6
Perkusja na MIDI ↗
Do wdrożenia 3 / wiersze źródłowe 6
Poza rankingiem: 3
Nie zweryfikowano pełnego publicznego pakietu inferencji dla tych eksperymentów. Inne wagi modelu o tej samej nazwie nie wystarczą.
Vogl et al. 8-class baseline · MDB · 8-class evaluation · onset only · 50 ms · Vogl et al. 8-class baseline · RBMA · 8-class evaluation · onset only · 50 ms · Vogl et al. 8-class baseline · ENST · 8-class evaluation · onset only · 50 ms
ADT-STR · Table 2 ↗
Do wdrożenia 0 / wiersze źródłowe 8
Poza rankingiem: 8
Nie zweryfikowano pełnego publicznego pakietu inferencji dla tych eksperymentów. Inne wagi modelu o tej samej nazwie nie wystarczą.
Setting-1 · ENST · Setting-2 · ENST · Setting-3 · ENST · Setting-4 · ENST · Setting-1 · MDB · Setting-2 · MDB · Setting-3 · MDB · Setting-4 · MDB
MSG-LD · Table 3 ↗
Do wdrożenia 2 / wiersze źródłowe 3
Poza rankingiem: 1
Nie zweryfikowano pełnego publicznego pakietu inferencji dla tych eksperymentów. Inne wagi modelu o tej samej nazwie nie wystarczą.
LarsNet
MSG-LD · Table 4 ↗
Do wdrożenia 2 / wiersze źródłowe 4
Poza rankingiem: 2
Nie zweryfikowano pełnego publicznego pakietu inferencji dla tych eksperymentów. Inne wagi modelu o tej samej nazwie nie wystarczą.
MSG-LD Vanilla · MSG-LD TB

Wszystkie wyniki źródłowe i źródła

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.

ADTOF-PyTorch README

Do wdrożenia 2 / wiersze źródłowe 2

ADTOF-PyTorch README · PyTorch 88.51 · Keras 88.74

Ranking według metryki

ADTOF-PyTorch README
Pozycja według metryki	Model	Recall↑	Precision↑	F-measure↑
1	ADTOF (original) Publiczne wagi · Kod inferencji Frame_RNN_adtofAll_0.data-00000-of-00001 + .index Kod inferencji Licencja wag (deklaracja repozytorium): CC-BY-NC-SA-4.0	88.68	89.90	88.74
2	ADTOF-pytorch Publiczne wagi · Kod inferencji src/adtof_pytorch/data/adtof_frame_rnn_pytorch_weights.pth Kod inferencjiNie zadeklarowano licencji wag	88.26	89.83	88.51

Oryginalne rekordy (2)

ADTOF-PyTorch README ↗Sprawdzono: 2026-10-25

Perkusja na MIDI

Wartości pochodzą z podanego źródła publicznego. Etykiety wierszy wskazują zbiór testowy lub checkpoint; nieopublikowane wyniki są oznaczone jako -.

Warunek testuRanking według metryki

Perkusja na MIDI
Pozycja według metryki	Model	Warunek testu	F1 (%)↑	Precyzja (%)↑	Przypomnienie sobie czegoś (%)↑
1	ADTOF Plus Publiczne wagi · Kod inferencji MDX23C 5-stem MDX23C full-mix drums ADTOF PyTorch Kod inferencji`drumsep_5stems_mdx23c_jarredou.ckpt`Licencja wag (deklaracja repozytorium): mit	MDB · 5 classes · onset only · 50 ms	89	89	89
2	Original ADTOF Publiczne wagi · Kod inferencji Frame_RNN_adtofAll_0.data-00000-of-00001 + .index Kod inferencji Licencja wag (deklaracja repozytorium): CC-BY-NC-SA-4.0	MDB · 5 classes · onset only · 50 ms	87	-	-

Oryginalne rekordy (6)

ADTOF Plus paper, Table 1 ↗

Perkusja na MIDI

Wartości pochodzą z podanego źródła publicznego. Etykiety wierszy wskazują zbiór testowy lub checkpoint; nieopublikowane wyniki są oznaczone jako -.

Warunek testuRanking według metryki

Perkusja na MIDI
Pozycja według metryki	Model	Warunek testu	F1 (%)↑	Precyzja (%)↑	Przypomnienie sobie czegoś (%)↑
-	ADTOF Plus Publiczne wagi · Kod inferencji MDX23C 5-stem MDX23C full-mix drums ADTOF PyTorch Kod inferencji`drumsep_5stems_mdx23c_jarredou.ckpt`Licencja wag (deklaracja repozytorium): mit	MDB · 8-class evaluation · onset only · 50 ms	84	84	84

Oryginalne rekordy (3)

ADTOF Plus paper, Table 2 ↗

MSG-LD · Table 3

Do wdrożenia 2 / wiersze źródłowe 3

Poza rankingiem: 1

Nie zweryfikowano pełnego publicznego pakietu inferencji dla tych eksperymentów. Inne wagi modelu o tej samej nazwie nie wystarczą.

LarsNet

Artykuł ocenia OB, TB i OBTB osobno; wyników OB nie można przypisać domyślnemu OBTB. F1 nut oraz mel-MSE/FAD audio mają osobne tabele. Proces detekcji z artykułu nie został tu ponownie zmierzony.

Ranking według metryki

MSG-LD · Table 3
Pozycja według metryki	Model	MDB · Kick			MDB · Snare			MDB · Toms			MDB · Hi-Hats			MDB · Cymbals			MDB · Overall			ENST · Kick			ENST · Snare			ENST · Toms			ENST · Hi-Hats			ENST · Cymbals			ENST · Overall
Pozycja według metryki	Model	F1↑	P↑	R↑	F1↑	P↑	R↑	F1↑	P↑	R↑	F1↑	P↑	R↑	F1↑	P↑	R↑	F1↑	P↑	R↑	F1↑	P↑	R↑	F1↑	P↑	R↑	F1↑	P↑	R↑	F1↑	P↑	R↑	F1↑	P↑	R↑	F1↑	P↑	R↑
1	ADTOF Publiczne wagi · Kod inferencji Frame_RNN_adtofAll_0.data-00000-of-00001 + .index Kod inferencji Licencja wag (deklaracja repozytorium): CC-BY-NC-SA-4.0	0.851	0.790	0.923	0.752	0.828	0.690	0.520	0.520	0.520	0.773	0.859	0.703	0.849	0.802	0.902	0.795	0.813	0.778	0.795	0.984	0.667	0.599	0.932	0.441	0.581	0.669	0.513	0.777	0.936	0.663	0.657	0.788	0.563	0.709	0.908	0.582
2	MSG-LD OB Publiczne wagi · Kod inferencji Kod inferencji Licencja wag (deklaracja repozytorium): mit	0.931	0.939	0.923	0.760	0.791	0.732	0.268	0.309	0.236	0.650	0.550	0.794	0.481	0.663	0.377	0.707	0.709	0.704	0.821	0.941	0.729	0.642	0.698	0.594	0.491	0.415	0.602	0.630	0.643	0.618	0.391	0.611	0.287	0.640	0.695	0.593

Oryginalne rekordy (2)

MSG-LD · Table 3 ↗Sprawdzono: 2026-10-25

MSG-LD · Table 4

Do wdrożenia 2 / wiersze źródłowe 4

Poza rankingiem: 2

Nie zweryfikowano pełnego publicznego pakietu inferencji dla tych eksperymentów. Inne wagi modelu o tej samej nazwie nie wystarczą.

MSG-LD Vanilla · MSG-LD TB

Ranking według metryki

MSG-LD · Table 4
Pozycja według metryki	Model	MDB Overall			ENST Overall			Mean overall F1 (2 sets)
Pozycja według metryki	Model	F1↑	P↑	R↑	F1↑	P↑	R↑	F1↑	P↑	R↑
1	MSG-LD OB Publiczne wagi · Kod inferencji Kod inferencji Licencja wag (deklaracja repozytorium): mit	0.707	0.709	0.704	0.640	0.695	0.593	0.674	0.674	0.674
2	MSG-LD OBTB Publiczne wagi · Kod inferencji Kod inferencji Licencja wag (deklaracja repozytorium): mit	0.690	0.709	0.672	0.636	0.703	0.580	0.663	0.663	0.663

Oryginalne rekordy (2)

MSG-LD · Table 4 ↗Sprawdzono: 2026-10-25