Загрузка...
Опишите звук или предоставьте аудиообразец, чтобы выделить его из записи.
Вход
Поддерживает вводные данные в форматах, таких как mp3 / wav / flac / ogg / m4a / aac / aif / aiff / mp4 / mov / mkv
Поддерживаемые форматы
Результаты
WAV
Сценарий использования
Ремиксы, занятия под аккомпанемент и редактирование отдельных партий.
Выберите модель под ваш материал и задачу и посмотрите примеры перед отправкой.
Стоимость, время, форматы и параметры зависят от выбранной модели.
В отзыве укажите инструмент, последовательность действий и проблему. Скриншоты помогут её найти.
Banquet: Ремиксы, занятия под аккомпанемент и редактирование отдельных партий.
Опишите нужный звук текстом; удобно без аудиообразца.
Разделение по тексту через flow matching; сравните пропуски и примеси с AudioSep на одном фрагменте.
CLAPSep: Ремиксы, занятия под аккомпанемент и редактирование отдельных партий.
SAM Audio Base: Ремиксы, занятия под аккомпанемент и редактирование отдельных партий.
SAM Audio Large: Ремиксы, занятия под аккомпанемент и редактирование отдельных партий.
ICML - 2026
Извлекает свободно описанный звук с помощью AudioSep-Hive, FlowSep-Hive или CLAPSep либо выделяет в Banquet источник, совпадающий с 10-секундным эталоном.
IEEE/ACM TASLP - 2024
Извлекает свободно описанный звук с помощью AudioSep-Hive, FlowSep-Hive или CLAPSep либо выделяет в Banquet источник, совпадающий с 10-секундным эталоном.
ISMIR - 2024
Извлекает свободно описанный звук с помощью AudioSep-Hive, FlowSep-Hive или CLAPSep либо выделяет в Banquet источник, совпадающий с 10-секундным эталоном.
Здесь приведены открытые результаты тестирования моделей, используемых на сайте и вне его. По умолчанию показана полная исходная таблица; для сравнения можно выбрать условия и метрики. Результаты разных условий нельзя сравнивать напрямую.
Показаны только записи с проверенной публичной реализацией инференса и соответствующими весами, а также алгоритмы без обученных весов. Закрытые сервисы, неопубликованные веса и неподтверждённые версии экспериментов исключены. Это не общий рейтинг всех моделей.
Публичные веса не подтверждают полноценную лицензию с открытым исходным кодом. Разверните данные для просмотра заявленных лицензий весов и условий доступа. Отсутствие лицензии отмечено отдельно.
Для выбранной модели нет проверенного соответствующего публичного результата, поэтому место в рейтинге не присвоено.
Выберите набор данных, чтобы увидеть все метрики каждой модели. Строки упорядочены по официальному месту или выбранной метрике. Жирным выделено лучшее сопоставимое значение каждого столбца, включая равные результаты. Разные протоколы оценки ранжируются отдельно; отсутствующие оценки обозначены -.
OVR — субъективная попарная оценка из статьи, зависящая от модели сравнения. Её нельзя объединять с другими экспериментами; это не повторный тест весов сайта.
| Место по метрике | Модель | Эффекты↑OVR (1–5) | Диалог↑OVR (1–5) | Говорящий↑OVR (1–5) | Музыка↑OVR (1–5) | Инструменты в реальных условиях↑OVR (1–5) | Студийные инструменты↑OVR (1–5) |
|---|---|---|---|---|---|---|---|
| 1 | SAM AudioОткрытые веса · Код инференса | 3.59 | 4.29 | 4.15 | 4.05 | 4 | 4.45 |
| 2 | SoloAudioОткрытые веса · Код инференса | 2.97 | 3.32 | 2.45 | 2.47 | 2.71 | 2.3 |
| 3 | CLAPSepОткрытые веса · Код инференса | 2.92 | 2.47 | 2.79 | 2.97 | 2.81 | 2.56 |
| 4 | AudioSepОткрытые веса · Код инференса | 2.88 | 2.85 | 2.79 | 3.51 | 2.59 | 2.45 |
| 5 | FlowSepОткрытые веса · Код инференса | 2.65 | 2.14 | 2.13 | 2.9 | 2.69 | 2.02 |
| - | MossFormer2Открытые веса · Код инференса | - | - | 2.54 | - | - | - |
| - | TigerОткрытые веса · Код инференса | - | - | 2.5 | - | - | - |
| - | DemucsОткрытые веса · Код инференса | - | - | - | - | - | 4.26 |
| - | SpleeterОткрытые веса · Код инференса | - | - | - | - | - | 3.9 |
Наборы данных, версии и условия разделены; сохраняются и источники без допущенных строк.
Развёртываемых 3 / исходных строк 11
Для этих экспериментов не проверен полный открытый пакет инференса. Другие веса модели с тем же именем не подходят.
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
Развёртываемых 3 / исходных строк 3
Оценки относятся к указанным данным, метрике и версии модели. Результаты разных тестов нельзя сравнивать напрямую.
В таблице указаны только модели с открытыми весами или конфигурациями, которые можно запустить локально.
Выберите набор данных, чтобы увидеть все метрики каждой модели. Строки упорядочены по официальному месту или выбранной метрике. Жирным выделено лучшее сопоставимое значение каждого столбца, включая равные результаты. Разные протоколы оценки ранжируются отдельно; отсутствующие оценки обозначены -.
Развёртываемых 3 / исходных строк 11
Для этих экспериментов не проверен полный открытый пакет инференса. Другие веса модели с тем же именем не подходят.
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
Значения взяты из открытого источника по ссылке. Подписи строк указывают тестовый набор или контрольную точку; неопубликованные оценки обозначены знаком -.
| Место по метрике | Модель | Условия теста | 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)Открытые веса · Код инференса | 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 )Открытые веса · Код инференса | 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)Открытые веса · Код инференса | Generative Models | - | - | 4.25 | 0.84 | 0.61 | 0.19 | 61.8 | 3.05 | 4.18 | 3.35 | 3.70 |
В таблице указаны только модели с открытыми весами или конфигурациями, которые можно запустить локально.
Выберите набор данных, чтобы увидеть все метрики каждой модели. Строки упорядочены по официальному месту или выбранной метрике. Жирным выделено лучшее сопоставимое значение каждого столбца, включая равные результаты. Разные протоколы оценки ранжируются отдельно; отсутствующие оценки обозначены -.
Развёртываемых 3 / исходных строк 3
Значения взяты из открытого источника по ссылке. Подписи строк указывают тестовый набор или контрольную точку; неопубликованные оценки обозначены знаком -.
| Место по метрике | Модель | 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-PNОткрытые веса · Код инференса | 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-PОткрытые веса · Код инференса | 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 | AudioSepОткрытые веса · Код инференса | 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 |