Ładowanie...

Melodia wokalna do MIDI · TelkNet

MIDI / transkrypcjaGPU obciążenia pracą

Melodia wokalna do MIDI

Jeden model: 25 kredytów · porównanie wszystkich czterech: 250 kredytówWejście plikuMax 100 MBSzacowany czas 45-1800 sekund

Wejście

Prześlij śpiew solo, nucenie lub oddzielony wokal prowadzący. Jeśli masz tylko gotowy utwór, wybierz „Pełny utwór”; wokal prowadzący zostanie najpierw wydzielony.

Obsługiwane formaty

mp3wavflacoggm4aaacaifaiffmp4movmkv

Produkcja

Jedna edytowalna notatka MIDI z każdego wybranego modelu. Teksty, krzywe vibrato i reszta aranżacji nie są uwzględnione.

Przypadek użycia

Kopiowanie śpiewanej melodii do DAW w celu edycji, dublowania, programowania syntezatora lub szkicu notacji.

Modele, parametry i źródła

Zamienia śpiew a cappella, nucenie lub oddzielony wokal prowadzący na edytowalne nuty MIDI. Domyślnie wybrany jest ROSVOT. Porównanie uruchamia osobno GAME, ROSVOT, SOME i VOCANO, aby można było ich posłuchać przed wyborem. Jeden model kosztuje 5 kredytów, wszystkie cztery 45.

GAMEROSVOTSOMEVOCANOGAME v1.0.3 source (pinned)GAME v1.0.3 weightsGAME v1.0.3 technical guide (pinned)GAME v1.0.3 ONNX guide (pinned)ROSVOT source (pinned)ROSVOT project pageROSVOT paperSOME source (pinned)

GAME

GAME zamienia śpiew na MIDI przy użyciu oficjalnych ustawień granic, D3PM i estymacji. Puste pole języka oznacza oficjalny identyfikator 0; nie wykrywa języka ani nie wymusza chińskiego.

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)

Pozostaw puste, aby użyć oficjalnego identyfikatora języka 0 w GAME. To nie jest automatyczne wykrywanie; wybierz język, jeśli go znasz.
Próg segmentacji — Oficjalne ustawienie modelu; w razie wątpliwości zachowaj wartość domyślną.
Promień segmentacji (s) — Oficjalne ustawienie modelu; w razie wątpliwości zachowaj wartość domyślną.
Czas startu D3PM — Oficjalne ustawienie modelu; w razie wątpliwości zachowaj wartość domyślną.
Liczba kroków odszumiania GAME D3PM. Domyślna wartość upstream to 8 i określono tylko minimum 1; 128 to limit publicznych zadań TelkNet, a nie maksimum upstream.
Próg estymacji — Oficjalne ustawienie modelu; w razie wątpliwości zachowaj wartość domyślną.
Po inferencji Beat This final0 zapisuje w MIDI prawidłowe stałe tempo lub mapę tempa takt po takcie, zachowując położenie każdego zdarzenia w sekundach. Jeśli nie można uzyskać prawidłowych danych o uderzeniach, zadanie kończy się błędem zamiast dostarczać MIDI z domyślnym tempem modelu.

ROSVOT

Odporna ścieżka dla śpiewu z szumem lub przebiciem akompaniamentu; obecny oficjalny checkpoint trenowano głównie na śpiewie mandaryńskim.

ROSVOT source (pinned)ROSVOT project page ROSVOT paper

Próg granicy nuty ROSVOT; domyślna wartość upstream to 0,85. Zakres 0–1 to walidacja TelkNet, a nie ograniczenie parsera upstream.
Próg granicy słowa ROSVOT; domyślna wartość upstream to 0,5. Zakres 0–1 to walidacja TelkNet, a nie ograniczenie parsera upstream.

SOME

SOME to szybka i lekka ścieżka śpiewu do MIDI.

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

Po inferencji Beat This final0 zapisuje w MIDI prawidłowe stałe tempo lub mapę tempa takt po takcie, zachowując położenie każdego zdarzenia w sekundach. Jeśli nie można uzyskać prawidłowych danych o uderzeniach, zadanie kończy się błędem zamiast dostarczać MIDI z domyślnym tempem modelu.

VOCANO

VOCANO wydobywa wysokość wokalu przez Patch-CNN i wyznacza granice nut przez PyramidNet-110. Opublikowany tryb inferencji nie ma dodatkowych ustawień modelu.

VOCANO source and official weights VOCANO ISMIR 2021 paper

Dla a cappella lub już oddzielonego wokalu wybierz „Sam wokal / ścieżka wokalna”. Przy „Pełnym utworze” najpierw zostanie wydzielony wokal prowadzący.

Notatki z artykułu i benchmarków

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

ISMIR - 2021

VOCANO wydobywa wysokość wokalu przez Patch-CNN i wyznacza granice nut przez PyramidNet-110. Opublikowany tryb inferencji nie ma dodatkowych ustawień modelu.

Official source and citation

Robust Singing Voice Transcription Serves Synthesis

ACL - 2024

Odporna ścieżka dla śpiewu z szumem lub przebiciem akompaniamentu; obecny oficjalny checkpoint trenowano głównie na śpiewie mandaryńskim.

Paper

GAME: Generative Adaptive MIDI Extractor

Official technical guide - 2026

GAME zamienia śpiew na MIDI przy użyciu oficjalnych ustawień granic, D3PM i estymacji. Puste pole języka oznacza oficjalny identyfikator 0; nie wykrywa języka ani nie wymusza chińskiego.

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

SOME to szybka i lekka ścieżka śpiewu do MIDI.

Technical guide (pinned)Baseline weights

Oficjalne / repozytoria

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

Artykuły / notatki techniczne

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

Przewodnik po parametrach

Dla a cappella lub już oddzielonego wokalu wybierz „Sam wokal / ścieżka wokalna”. Przy „Pełnym utworze” najpierw zostanie wydzielony wokal prowadzący.
Pozostaw puste, aby użyć oficjalnego identyfikatora języka 0 w GAME. To nie jest automatyczne wykrywanie; wybierz język, jeśli go znasz.
Próg segmentacji — Oficjalne ustawienie modelu; w razie wątpliwości zachowaj wartość domyślną.
Promień segmentacji (s) — Oficjalne ustawienie modelu; w razie wątpliwości zachowaj wartość domyślną.
Czas startu D3PM — Oficjalne ustawienie modelu; w razie wątpliwości zachowaj wartość domyślną.
Liczba kroków odszumiania GAME D3PM. Domyślna wartość upstream to 8 i określono tylko minimum 1; 128 to limit publicznych zadań TelkNet, a nie maksimum upstream.
Próg estymacji — Oficjalne ustawienie modelu; w razie wątpliwości zachowaj wartość domyślną.
Po inferencji Beat This final0 zapisuje w MIDI prawidłowe stałe tempo lub mapę tempa takt po takcie, zachowując położenie każdego zdarzenia w sekundach. Jeśli nie można uzyskać prawidłowych danych o uderzeniach, zadanie kończy się błędem zamiast dostarczać MIDI z domyślnym tempem modelu.
Próg granicy nuty ROSVOT; domyślna wartość upstream to 0,85. Zakres 0–1 to walidacja TelkNet, a nie ograniczenie parsera upstream.
Próg granicy słowa ROSVOT; domyślna wartość upstream to 0,5. Zakres 0–1 to walidacja TelkNet, a nie ograniczenie parsera upstream.

Przypadki użycia

Zmień linię głównego wokalu w edytowalne nuty.
Porównaj cztery modele transkrypcji, gdy w nagraniu występują spady, szumy lub niejasne granice nut.
Użyj MIDI jako ścieżki prowadzącej w DAW, a następnie koryguj wysokość i długość nut ze słuchu.

Przepływ pracy

1Wybierz rodzaj nagrania i prześlij śpiew solo, ścieżkę wokalną lub pełny utwór. Pełny utwór jest najpierw separowany.
2Zacznij od modelu domyślnego; porównania czterech wersji użyj, gdy jeden wynik trudno ocenić.
3Przełączaj się między oryginalnym wokalem a każdą rolką fortepianu, popraw wybrany MIDI, a następnie pobierz go.

Przed wysłaniem

To narzędzie podąża za śpiewaną melodią wiodącą; nie przebudowuje perkusji, akordów ani kompletnego układu.
GAME udostępnia kontrolę języka i segmentacji. Punkt kontrolny ROSVOT jest szkolony głównie w zakresie śpiewu mandaryńskiego.
Porównanie czterech wersji kosztuje 45 kredytów za plik i wykonuje cztery osobne transkrypcje. Zwraca cztery niezależne pliki MIDI, bez łączenia modeli.

Powiązane przewodniki użycia

Przy podobnym zadaniu te przewodniki wskażą odpowiednie narzędzia, granice modelu, źródła i FAQ dla każdego scenariusza.

Konwersja audio do MIDI · narzędzie online i przewodnik po modelu

Szybka opinia

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