Wybierz VocalParse, GAME, ROSVOT lub SOME do transkrypcji nutowej, odpornej na akompaniament albo szybkiej.
Wybierz VocalParse, GAME, ROSVOT lub SOME do transkrypcji nutowej, odpornej na akompaniament albo szybkiej.
Wejście
Kompletny obsługiwany plik audio lub wideo; wybierz profil modelu pasujący do źródła i potrzebnego wyniku.
Obsługiwane formaty
Produkcja
Wybierz VocalParse, GAME, ROSVOT lub SOME do transkrypcji nutowej, odpornej na akompaniament albo szybkiej.
Przypadek użycia
Wybierz VocalParse, GAME, ROSVOT lub SOME do transkrypcji nutowej, odpornej na akompaniament albo szybkiej.
Wybierz VocalParse, GAME, ROSVOT lub SOME do transkrypcji nutowej, odpornej na akompaniament albo szybkiej.
Domyślna ścieżka do uporządkowanego, nutowego MIDI wokalu z czystszego śpiewu; stały checkpoint nie udostępnia oficjalnych parametrów inferencji do regulacji.
GAME zamienia śpiew na MIDI z oficjalnymi ustawieniami granic, D3PM i estymacji. Język jest domyślnie automatyczny/nieokreślony; chiński nie jest wymuszany.
Odporna ścieżka dla śpiewu z szumem lub przebiciem akompaniamentu; obecny oficjalny checkpoint trenowano głównie na śpiewie mandaryńskim.
SOME to szybka i lekka ścieżka śpiewu do MIDI. Nie udostępnia publicznych ustawień modelu; opcjonalna korekta tempa MIDI działa po inferencji.
arXiv - 2026
Domyślna ścieżka do uporządkowanego, nutowego MIDI wokalu z czystszego śpiewu; stały checkpoint nie udostępnia oficjalnych parametrów inferencji do regulacji.
ACL - 2024
Odporna ścieżka dla śpiewu z szumem lub przebiciem akompaniamentu; obecny oficjalny checkpoint trenowano głównie na śpiewie mandaryńskim.
Official technical guide - 2026
GAME zamienia śpiew na MIDI z oficjalnymi ustawieniami granic, D3PM i estymacji. Język jest domyślnie automatyczny/nieokreślony; chiński nie jest wymuszany.
Official technical guide - 2023
SOME to szybka i lekka ścieżka śpiewu do MIDI. Nie udostępnia publicznych ustawień modelu; opcjonalna korekta tempa MIDI działa po inferencji.
Wybierz VocalParse, GAME, ROSVOT lub SOME do transkrypcji nutowej, odpornej na akompaniament albo szybkiej.
Domyślna ścieżka do uporządkowanego, nutowego MIDI wokalu z czystszego śpiewu; stały checkpoint nie udostępnia oficjalnych parametrów inferencji do regulacji.
GAME zamienia śpiew na MIDI z oficjalnymi ustawieniami granic, D3PM i estymacji. Język jest domyślnie automatyczny/nieokreślony; chiński nie jest wymuszany.
Odporna ścieżka dla śpiewu z szumem lub przebiciem akompaniamentu; obecny oficjalny checkpoint trenowano głównie na śpiewie mandaryńskim.
SOME to szybka i lekka ścieżka śpiewu do MIDI. Nie udostępnia publicznych ustawień modelu; opcjonalna korekta tempa MIDI działa po inferencji.
VocalParse, GAME, ROSVOT i SOME publikują wyniki dla różnych zbiorów danych, języków, reguł etykietowania i tolerancji dopasowania. Nie ma zweryfikowanego wspólnego protokołu publicznego obejmującego wszystkie cztery wdrożone punkty kontrolne, dlatego strona nie tworzy sztucznego rankingu łącznego.
| Notatki z artykułu i benchmarków | Model | MAE_pitch ↓ | Szczegółowe metryki |
|---|---|---|---|
| Tekst referencyjny + znaczniki czasu SOFA | ROSVOTTelkNetPaper Table 1 | 0.38 | MAE_note ↓0.45MAE_duration ↓0.40MAE_note-count ↓0.20 |
| Tylko audio | VocalParse 1.7BTelkNetPaper Table 1 | 0.56 | MAE_note ↓0.44MAE_duration ↓0.34MAE_note-count ↓0.11 |
| Audio + tekst referencyjny | VocalParse 1.7BTelkNetPaper Table 1 | 0.35 | MAE_note ↓0.43MAE_duration ↓0.33MAE_note-count ↓0.11 |
Odporna ścieżka dla śpiewu z szumem lub przebiciem akompaniamentu; obecny oficjalny checkpoint trenowano głównie na śpiewie mandaryńskim.
| Notatki z artykułu i benchmarków | Model | COnPOff F1 (%) | Szczegółowe metryki |
|---|---|---|---|
| Czyste | ROSVOTTelkNetPaper Table 1 | 77.4 | COn F1 (%)94.0COff F1 (%)94.5Pitch AOR (%)97.0Melody RPA (%)87.6 |
| Szum MUSAN | ROSVOTTelkNetPaper Table 1 | 77.0 | COn F1 (%)93.8COff F1 (%)94.4Pitch AOR (%)97.1Melody RPA (%)87.4 |
VocalParse, GAME, ROSVOT i SOME publikują wyniki dla różnych zbiorów danych, języków, reguł etykietowania i tolerancji dopasowania. Nie ma zweryfikowanego wspólnego protokołu publicznego obejmującego wszystkie cztery wdrożone punkty kontrolne, dlatego strona nie tworzy sztucznego rankingu łącznego.
To narzędzie jest w trakcie konserwacji. Proszę, spróbuj ponownie później.
Wpisz tutaj swoją sugestię lub prośbę i wyślij. Słuchamy każdego głosu i dokładamy starań, by dobre pomysły zamieniać w realne funkcje.
Demo
Wybierz VocalParse, GAME, ROSVOT lub SOME do transkrypcji nutowej, odpornej na akompaniament albo szybkiej.
VocalParse 1.7B