Input-Adaptive Spectral Feature Compression by Sequence Modeling for Source Separation
arXiv - 2026
แยกบทสนทนาที่ชัดเจนจากเสียงภาพยนตร์และโทรทัศน์ และแบ่งเสียงพื้นหลังออกเป็นแทร็กดนตรีและเอฟเฟกต์เสียงแยกกัน
กําลังโหลด...
แยกเสียงภาพยนตร์เป็นบทสนทนา ดนตรี และเอฟเฟกต์สำหรับพากย์และมิกซ์
อินพุต
รองรับอินพุตในรูปแบบต่างๆ เช่น mp3 / wav / flac / ogg / m4a / aac / aif / aiff / mp4 / mov / mkv
รูปแบบที่รองรับ
เอาท์พุต
WAV
กรณีการใช้งาน
แยกเสียงภาพยนตร์เป็นบทสนทนา ดนตรี และเอฟเฟกต์สำหรับพากย์และมิกซ์
เลือกโมเดลให้เหมาะกับเนื้อหาและวัตถุประสงค์ แล้วดูตัวอย่างก่อนส่ง
ค่าใช้จ่าย เวลา รูปแบบและพารามิเตอร์ขึ้นอยู่กับโมเดลที่เลือก
โปรดระบุชื่อเครื่องมือ ขั้นตอน และปัญหาที่พบในข้อเสนอแนะ ภาพหน้าจอช่วยให้ตรวจสอบได้ง่ายขึ้น
เครือข่ายแบ่งย่านแยกบทพูด ดนตรี เอฟเฟกต์ เทียบเสียงรั่วและรายละเอียดพื้นหลัง
ส่งออกบทพูด ดนตรี และเอฟเฟกต์สามแทร็กสำหรับพากย์ ตัดต่อ และรีมิกซ์
โมเดลเวลา-ความถี่สำหรับเสียงภาพยนตร์สามแทร็ก TIGER DnR ต่างจาก TIGER สองผู้พูด
แยกเสียงภาพยนตร์และวิดีโอเป็นบทสนทนา ดนตรี และเอฟเฟกต์เสียง ส่งออกเสียงโมโน 44.1 kHz โดยรวมเสียงสเตอริโอขาเข้าเป็นโมโนก่อน
arXiv - 2026
แยกบทสนทนาที่ชัดเจนจากเสียงภาพยนตร์และโทรทัศน์ และแบ่งเสียงพื้นหลังออกเป็นแทร็กดนตรีและเอฟเฟกต์เสียงแยกกัน
IEEE OJSP - 2024
แยกบทสนทนาที่ชัดเจนจากเสียงภาพยนตร์และโทรทัศน์ และแบ่งเสียงพื้นหลังออกเป็นแทร็กดนตรีและเอฟเฟกต์เสียงแยกกัน
arXiv - 2024
แยกบทสนทนาที่ชัดเจนจากเสียงภาพยนตร์และโทรทัศน์ และแบ่งเสียงพื้นหลังออกเป็นแทร็กดนตรีและเอฟเฟกต์เสียงแยกกัน
arXiv - 2026
แยกเสียงภาพยนตร์และวิดีโอเป็นบทสนทนา ดนตรี และเอฟเฟกต์เสียง ส่งออกเสียงโมโน 44.1 kHz โดยรวมเสียงสเตอริโอขาเข้าเป็นโมโนก่อน
CVPR - 2026
ใช้เงื่อนไขภาพและเสียงของ AV-CASS เพื่อแยกคำพูด เอฟเฟกต์ และเพลงจากวิดีโอ พร้อมโหมดใช้เฉพาะเสียงสำหรับเปรียบเทียบโดยตรง
หมวดหมู่เอาต์พุต 3 รายการ
แสดงเฉพาะรายการที่ตรวจสอบแล้วว่ามีโค้ดอนุมานสาธารณะและน้ำหนักตรงกับรุ่นทดลอง รวมถึงอัลกอริทึมที่ไม่ต้องใช้น้ำหนัก โดยไม่รวมบริการปิด น้ำหนักที่ยังไม่เผยแพร่ หรือรุ่นทดลองที่จับคู่ไม่ได้ นี่ไม่ใช่อันดับรวมของทุกรุ่น
น้ำหนักชุดเดียวกันจะแสดงเพียงครั้งเดียวในแต่ละการทดสอบ โดยใช้ผลประเมินสาธารณะที่ดีที่สุดสำหรับตัวชี้วัดที่เลือก คะแนนรวมมาจากการประเมินครั้งเดียว ขยายเพื่อเปรียบเทียบผลประเมินและการตั้งค่าแต่ละครั้ง
การเผยแพร่น้ำหนักไม่ได้ยืนยันว่ามีสัญญาอนุญาตโอเพนซอร์สครบถ้วน ขยายข้อมูลเพื่อดูสัญญาอนุญาตน้ำหนักและเงื่อนไขการเข้าถึง รายการที่ไม่ระบุสัญญาอนุญาตจะแสดงแยกต่างหาก
เครื่องหมายระบุโมเดลหรือส่วนประกอบที่ใช้ที่นี่ คะแนนและการตั้งค่ามาจากการทดสอบที่อ้างอิง ไม่ใช่ผลประเมินใหม่ของกระบวนการทั้งหมดบนเว็บไซต์
เลือกชุดข้อมูลเพื่อดูทุกตัวชี้วัดของแต่ละโมเดล แถวเรียงตามอันดับทางการหรือตัวชี้วัดที่เลือก ตัวหนาแสดงค่าที่ดีที่สุดที่เปรียบเทียบกันได้ในแต่ละคอลัมน์ รวมถึงค่าที่เสมอกัน วิธีประเมินที่ต่างกันจะแยกจัดอันดับ คะแนนที่ไม่มีจะแสดงเป็น "-"
ติดตั้งได้ 2 / แถวต้นฉบับ 10
ยังไม่ได้ยืนยันแพ็กเกจอนุมานสาธารณะที่ครบถ้วนสำหรับการทดลองเหล่านี้ น้ำหนักอื่นที่ชื่อโมเดลเดียวกันใช้แทนไม่ได้
MRX-C † · - · Hybrid Demucs (v3) †‡ · - · BS-Locoformer (Small) · C1 · Band-split (64) · SFC-Locoformer (Small) · C2 · SFC-Mamba (64) · SFC-Locoformer (Small) · C3 · SFC-CA (64) · BS-Locoformer (Medium) · D1 · Band-split (64) · SFC-Locoformer (Medium) · D2 · SFC-Mamba (64) · SFC-Locoformer (Medium) † · D4 · SFC-CA (64)
ค่าตัวเลขมาจากแหล่งข้อมูลสาธารณะที่เชื่อมโยงไว้ ป้ายกำกับแถวระบุชุดทดสอบหรือเช็กพอยต์ ส่วนคะแนนที่ไม่ได้รายงานจะแสดงด้วยเครื่องหมาย "-"
| อันดับตามตัวชี้วัด | รุ่น | เงื่อนไขทดสอบ | Params. | Speech | Music | Sfx | Average | ||||
|---|---|---|---|---|---|---|---|---|---|---|---|
| SNR↑ | SISDR↑ | SNR↑ | SISDR↑ | SNR↑ | SISDR↑ | SNR↑ | SISDR↑ | ||||
| 1 | SFC-Locoformer (Medium) | D3 · SFC-CA (64) | 16.0 M | 16.38 | 16.32 | 9.70 | 9.28 | 10.56 | 9.88 | 12.21 | 11.83 |
| 2 | BandIt †โมเดลที่ใช้ในเว็บไซต์น้ำหนักสาธารณะ · โค้ดอนุมาน | Band-split (64) | 37.0 M | 15.7 | 15.6 | 8.7 | 8.0 | 9.8 | 8.2 | 11.4 | 10.9 |
เครื่องหมายระบุโมเดลหรือส่วนประกอบที่ใช้ที่นี่ คะแนนและการตั้งค่ามาจากการทดสอบที่อ้างอิง ไม่ใช่ผลประเมินใหม่ของกระบวนการทั้งหมดบนเว็บไซต์
แยกชุดข้อมูล รุ่น และเงื่อนไข รวมถึงแหล่งที่ยังไม่มีรายการผ่านเกณฑ์จัดอันดับ
ติดตั้งได้ 9 / แถวต้นฉบับ 21 · ตรวจสอบเมื่อ 2026-10-25
ยังไม่ได้ยืนยันแพ็กเกจอนุมานสาธารณะที่ครบถ้วนสำหรับการทดลองเหล่านี้ น้ำหนักอื่นที่ชื่อโมเดลเดียวกันใช้แทนไม่ได้
PT2 · MVSep Ensemble (SCNet + Mel) (2024.11) · MVSep SCNet DnR (2024.11) · MVSep MelBand Roformer DnR (v1, 2024.11) · Bandit v2 (multi) · test_scheme2 · test_scheme1 · test1012 · test_4stems_dnr_0908 · Bandit Plus (no resample) · Bandit Plus (with resample) · test_scheme3
ติดตั้งได้ 2 / แถวต้นฉบับ 10
ยังไม่ได้ยืนยันแพ็กเกจอนุมานสาธารณะที่ครบถ้วนสำหรับการทดลองเหล่านี้ น้ำหนักอื่นที่ชื่อโมเดลเดียวกันใช้แทนไม่ได้
MRX-C † · - · Hybrid Demucs (v3) †‡ · - · BS-Locoformer (Small) · C1 · Band-split (64) · SFC-Locoformer (Small) · C2 · SFC-Mamba (64) · SFC-Locoformer (Small) · C3 · SFC-CA (64) · BS-Locoformer (Medium) · D1 · Band-split (64) · SFC-Locoformer (Medium) · D2 · SFC-Mamba (64) · SFC-Locoformer (Medium) † · D4 · SFC-CA (64)
ติดตั้งได้ 2 / แถวต้นฉบับ 2
คะแนนอ้างอิงชุดข้อมูล ตัวชี้วัด และรุ่นโมเดลที่ระบุ จึงเปรียบเทียบข้ามการทดสอบโดยตรงไม่ได้
ตารางแสดงเฉพาะโมเดลที่มีเวตหรือการตั้งค่าแบบสาธารณะและเรียกใช้ในเครื่องได้
เลือกชุดข้อมูลเพื่อดูทุกตัวชี้วัดของแต่ละโมเดล แถวเรียงตามอันดับทางการหรือตัวชี้วัดที่เลือก ตัวหนาแสดงค่าที่ดีที่สุดที่เปรียบเทียบกันได้ในแต่ละคอลัมน์ รวมถึงค่าที่เสมอกัน วิธีประเมินที่ต่างกันจะแยกจัดอันดับ คะแนนที่ไม่มีจะแสดงเป็น "-"
ติดตั้งได้ 2 / แถวต้นฉบับ 10
ยังไม่ได้ยืนยันแพ็กเกจอนุมานสาธารณะที่ครบถ้วนสำหรับการทดลองเหล่านี้ น้ำหนักอื่นที่ชื่อโมเดลเดียวกันใช้แทนไม่ได้
MRX-C † · - · Hybrid Demucs (v3) †‡ · - · BS-Locoformer (Small) · C1 · Band-split (64) · SFC-Locoformer (Small) · C2 · SFC-Mamba (64) · SFC-Locoformer (Small) · C3 · SFC-CA (64) · BS-Locoformer (Medium) · D1 · Band-split (64) · SFC-Locoformer (Medium) · D2 · SFC-Mamba (64) · SFC-Locoformer (Medium) † · D4 · SFC-CA (64)
ค่าตัวเลขมาจากแหล่งข้อมูลสาธารณะที่เชื่อมโยงไว้ ป้ายกำกับแถวระบุชุดทดสอบหรือเช็กพอยต์ ส่วนคะแนนที่ไม่ได้รายงานจะแสดงด้วยเครื่องหมาย "-"
| อันดับตามตัวชี้วัด | รุ่น | เงื่อนไขทดสอบ | Params. | Speech | Music | Sfx | Average | ||||
|---|---|---|---|---|---|---|---|---|---|---|---|
| SNR↑ | SISDR↑ | SNR↑ | SISDR↑ | SNR↑ | SISDR↑ | SNR↑ | SISDR↑ | ||||
| 1 | SFC-Locoformer (Medium) | D3 · SFC-CA (64) | 16.0 M | 16.38 | 16.32 | 9.70 | 9.28 | 10.56 | 9.88 | 12.21 | 11.83 |
| 2 | BandIt †น้ำหนักสาธารณะ · โค้ดอนุมาน | Band-split (64) | 37.0 M | 15.7 | 15.6 | 8.7 | 8.0 | 9.8 | 8.2 | 11.4 | 10.9 |
เลือกชุดข้อมูลเพื่อดูทุกตัวชี้วัดของแต่ละโมเดล แถวเรียงตามอันดับทางการหรือตัวชี้วัดที่เลือก ตัวหนาแสดงค่าที่ดีที่สุดที่เปรียบเทียบกันได้ในแต่ละคอลัมน์ รวมถึงค่าที่เสมอกัน วิธีประเมินที่ต่างกันจะแยกจัดอันดับ คะแนนที่ไม่มีจะแสดงเป็น "-"
ค่า SI-SDR ที่ผู้เขียนรายงานจากแทร็กทดสอบ DnR v2 แบบเต็ม 973 แทร็ก แต่ละโมเดลใช้ความยาวหน้าต่างและระยะเลื่อนตามค่าทางการ โดยเฉลี่ยจากเพลง บทพูด และเอฟเฟกต์ นี่ไม่ใช่ผลวัดของ TelkNet และไม่นำไปรวมกับคะแนนจากชุดข้อมูลหรือเงื่อนไขการฝึกอื่น
| อันดับตามตัวชี้วัด | รุ่น | เงื่อนไขทดสอบ | SI-SDR เฉลี่ย (dB) ↑ | MX SI-SDR (dB) ↑ | DX SI-SDR (dB) ↑ | FX SI-SDR (dB) ↑ | พารามิเตอร์ M |
|---|---|---|---|---|---|---|---|
| 1 | DBS-TIGER (128)น้ำหนักสาธารณะ · โค้ดอนุมาน | DnR v2 · 973 · 6 s / 3 s | 10.13 | 7.78 | 15.9 | 6.7 | 1 |
| 2 | DBS-BSRNN (128)น้ำหนักสาธารณะ · โค้ดอนุมาน | DnR v2 · 973 · 3 s / 1.5 s | 9.07 | 6.48 | 15.01 | 5.73 | 4.7 |