Что такое Разделение диалогов, музыки и эффектов?

Разделение диалогов, музыки и эффектов Выберите модель и способ обработки Стоимость, время, форматы и параметры зависят от выбранной модели.

Для кого Разделение диалогов, музыки и эффектов?

Разделение и stem разделение Разделение диалогов, музыки и эффектов Выберите модель и способ обработки Стоимость, время, форматы и параметры зависят от выбранной модели.

С какими задачами Разделение диалогов, музыки и эффектов может помочь?

Разделение и stem разделение; WAV; Ремиксы, занятия под аккомпанемент и редактирование отдельных партий.; Поддерживает вводные данные в форматах, таких как mp3 / wav / flac / ogg / m4a / aac / aif / aiff / mp4 / mov / mkv; SFC-Locoformer DnR; BandIt

Разделение диалогов, музыки и эффектов

Q: Какие модели и ключевые слова связаны с Разделение диалогов, музыки и эффектов?

SFC-Locoformer DnR, BandIt, TIGER-DnR, SFC-Locoformer, TIGER, SFC paper, BandIt paper (IEEE OJSP), TIGER paper

Модели, параметры и источники

SFC-Locoformer DnRBandItTIGER-DnRSFC-LocoformerTIGERSFC paperBandIt paper (IEEE OJSP)TIGER paperSFC paper, Table IID3 · mediumPublished DnR Table IITable II

SFC-Locoformer DnR

SFC-Locoformer BandIt TIGER SFC paper

Профиль разделения: SFC-Locoformer DnR — маршрут по умолчанию для диалогов/музыки/эффектов; BandIt и TIGER-DnR — альтернативные чекпоинты для той же задачи three-stem.
Выходной стем видео: когда на входе видео, выберите, какой разделённый стем записывается обратно вместе с изображением; автоматически используется основной стем инструмента.

BandIt

SFC-Locoformer BandIt TIGER BandIt paper (IEEE OJSP)

Профиль разделения: SFC-Locoformer DnR — маршрут по умолчанию для диалогов/музыки/эффектов; BandIt и TIGER-DnR — альтернативные чекпоинты для той же задачи three-stem.
Выходной стем видео: когда на входе видео, выберите, какой разделённый стем записывается обратно вместе с изображением; автоматически используется основной стем инструмента.

TIGER-DnR

SFC-Locoformer BandIt TIGER TIGER paper

Профиль разделения: SFC-Locoformer DnR — маршрут по умолчанию для диалогов/музыки/эффектов; BandIt и TIGER-DnR — альтернативные чекпоинты для той же задачи three-stem.
Выходной стем видео: когда на входе видео, выберите, какой разделённый стем записывается обратно вместе с изображением; автоматически используется основной стем инструмента.

AV-CASS

AV-CASS source and official checkpoint links (pinned)AV-CASS paper

Сравнение моделей

Модель

Роль

Почему он используется

Влияние на выход

Баллы относятся только к указанным данным, метрике и версии. Лидерство в таблице не означает мировой рекорд или результат этого сервиса. Возможности и тесты позволяют предпочесть модель без сопоставимых баллов.

Публичная таблица лидеров: DnR v2 · SI-SDR / Разделение речи, эффектов и музыки из видео · AV-CASS

В таблице указаны только модели с открытыми весами или конфигурациями, которые можно запустить локально.

DnR v2 · SI-SDR

SFC paper, Table II

Значения взяты из открытого источника по ссылке. В строках указан тестовый набор или чекпойнт; модели без сопоставимого результата не включены.

Открытые источники проверены: 2026-09-10

Звание	Модель	SI-SDR (dB) ↑	Подробные метрики
D3 · medium	SFC-Locoformer DnRTelkNetPublished DnR Table II	11.83Лучший	DX SNR (dB) ↑16.38ЛучшийDX SI-SDR (dB) ↑16.32ЛучшийMX SNR (dB) ↑9.70ЛучшийMX SI-SDR (dB) ↑9.28ЛучшийFX SNR (dB) ↑10.56ЛучшийFX SI-SDR (dB) ↑9.88ЛучшийСредний SNR (дБ)12.21ЛучшийПараметры (Б)16.00
Table II	BandItTelkNetPublished DnR Table II	10.90	DX SNR (dB) ↑15.70DX SI-SDR (dB) ↑15.60MX SNR (dB) ↑8.70MX SI-SDR (dB) ↑8.00FX SNR (dB) ↑9.80FX SI-SDR (dB) ↑8.20Средний SNR (дБ)11.40Параметры (Б)37.00

Разделение речи, эффектов и музыки из видео · AV-CASS

AV-CASS paper, Table 1

Открытые источники проверены: 2026-09-10

± обозначает 95%-й доверительный интервал.

Звание	Условия теста	Модель	MOS ↑
#3	Реальные видео	MRXAV-CASS paper Table 1	2.55 ± 0.10
#2	Реальные видео	BandItAV-CASS paper Table 1	3.78 ± 0.10
#1	Реальные видео	AV-CASSAV-CASS paper Table 1	4.13 ± 0.09Лучший

Разделение речи, эффектов и музыки из видео · AV-CASS

AV-CASS paper, Table 2

Открытые источники проверены: 2026-09-10

Звание	Условия теста	Модель	WPR (%) ↓
#3	Диалог (DX)	MRXAV-CASS paper Table 2	2.63
#2	Диалог (DX)	BandItAV-CASS paper Table 2	0.60
#4	Диалог (DX)	DAVIS-FlowAV-CASS paper Table 2	5.88
#1	Диалог (DX)	AV-CASSAV-CASS paper Table 2	0.46Лучший
#4	Эффекты (FX)	MRXAV-CASS paper Table 2	33.72
#3	Эффекты (FX)	BandItAV-CASS paper Table 2	22.41
#1	Эффекты (FX)	DAVIS-FlowAV-CASS paper Table 2	14.58Лучший
#2	Эффекты (FX)	AV-CASSAV-CASS paper Table 2	19.81
#3	Музыка (MX)	MRXAV-CASS paper Table 2	6.01
#2	Музыка (MX)	BandItAV-CASS paper Table 2	0.35
#4	Музыка (MX)	DAVIS-FlowAV-CASS paper Table 2	35.94
#1	Музыка (MX)	AV-CASSAV-CASS paper Table 2	0.32Лучший

Разделение речи, эффектов и музыки из видео · AV-CASS

AV-CASS paper, Table 3

Открытые источники проверены: 2026-09-10

Звание	Условия теста	Модель	FAD ↓	Подробные метрики
#3	Протокол AVDnR	Hybrid DemucsAV-CASS paper Table 3	2.05	KL ↓1.03SI-SDRi (dB) ↑13.57PESQ ↑2.16WPR (%) ↓5.24
#4	Протокол AVDnR	HTDemucsAV-CASS paper Table 3	2.08	KL ↓1.06SI-SDRi (dB) ↑13.41PESQ ↑2.06WPR (%) ↓9.23
#7	Протокол AVDnR	MRXAV-CASS paper Table 3	3.47	KL ↓1.67SI-SDRi (dB) ↑10.60PESQ ↑1.89WPR (%) ↓14.91
#5	Протокол AVDnR	BandItAV-CASS paper Table 3	2.15	KL ↓1.14SI-SDRi (dB) ↑14.40ЛучшийPESQ ↑2.15WPR (%) ↓4.65
#6	Протокол AVDnR	MSDMAV-CASS paper Table 3	2.90	KL ↓2.90SI-SDRi (dB) ↑11.63PESQ ↑2.12WPR (%) ↓5.65
#8	Протокол AVDnR	DAVIS-FlowAV-CASS paper Table 3	5.94	KL ↓1.64SI-SDRi (dB) ↑9.25PESQ ↑1.96WPR (%) ↓12.14
#1	Протокол AVDnR	AV-CASSAV-CASS paper Table 3	0.84Лучший	KL ↓0.93ЛучшийSI-SDRi (dB) ↑12.32PESQ ↑2.26ЛучшийWPR (%) ↓1.84Лучший
#2	Протокол AVDnR	AV-CASS audio-onlyСоответствующая модель инструмента: AV-CASSAV-CASS paper Table 3	1.63	KL ↓1.15SI-SDRi (dB) ↑12.23PESQ ↑2.08WPR (%) ↓2.01

Бумажные и эталонные заметки

Input-Adaptive Spectral Feature Compression by Sequence Modeling for Source Separation

arXiv - 2026

Paper

A Generalized Bandsplit Neural Network for Cinematic Audio Source Separation

IEEE OJSP - 2024

Paper Source

TIGER: Time-frequency Interleaved Gain Extraction and Reconstruction for Efficient Speech Separation

arXiv - 2024

Paper Source

Cinematic Audio Source Separation Using Visual Cues

CVPR - 2026

Использует визуальные и звуковые условия AV-CASS для разделения речи, эффектов и музыки; доступно прямое сравнение с режимом только аудио.

Paper

Официальные / хранилища

SFC-Locoformer BandIt TIGER AV-CASS source and official checkpoint links (pinned)

Статьи / технические заметки

SFC paper BandIt paper (IEEE OJSP)TIGER paper AV-CASS paper

Руководство по параметрам

Профиль разделения: SFC-Locoformer DnR — маршрут по умолчанию для диалогов/музыки/эффектов; BandIt и TIGER-DnR — альтернативные чекпоинты для той же задачи three-stem.
Выходной стем видео: когда на входе видео, выберите, какой разделённый стем записывается обратно вместе с изображением; автоматически используется основной стем инструмента.

Разделение диалогов, музыки и эффектов

Модели, параметры и источники

SFC-Locoformer DnR

BandIt

TIGER-DnR

AV-CASS

Сравнение моделей

Публичная таблица лидеров: DnR v2 · SI-SDR / Разделение речи, эффектов и музыки из видео · AV-CASS

DnR v2 · SI-SDR

Разделение речи, эффектов и музыки из видео · AV-CASS

Разделение речи, эффектов и музыки из видео · AV-CASS

Разделение речи, эффектов и музыки из видео · AV-CASS

Бумажные и эталонные заметки

Input-Adaptive Spectral Feature Compression by Sequence Modeling for Source Separation

A Generalized Bandsplit Neural Network for Cinematic Audio Source Separation

TIGER: Time-frequency Interleaved Gain Extraction and Reconstruction for Efficient Speech Separation

Cinematic Audio Source Separation Using Visual Cues

Официальные / хранилища

Статьи / технические заметки

Руководство по параметрам

Рабочий процесс

Перед отправкой

Связанные сценарии

Быстрый отзыв