แยกเสียงด้วยข้อความและเสียงอ้างอิง

โมเดล พารามิเตอร์ และแหล่งที่มา

กระดาษและบันทึกเกณฑ์มาตรฐาน

คู่มือพารามิเตอร์

• อธิบายเสียงที่ต้องการดึง AudioSep-Hive และ FlowSep-Hive จำเป็นต้องใช้ช่องนี้
• เลือกข้อความบวก เสียงอ้างอิง หรือทั้งสองอย่างสำหรับ CLAPSep
• อธิบายเสียงเป้าหมายที่ CLAPSep ควรเก็บไว้
• ไม่บังคับ: อธิบายเสียงที่ CLAPSep ควรลดทอน
• อัปโหลดเสียงตัวอย่างของเสียงเป้าหมาย
• ไม่บังคับ: อัปโหลดตัวอย่างเสียงที่ต้องการลดทอน
• อัปโหลดเสียงอ้างอิง Banquet ข้อกำหนดทางการใช้ช่วงคำค้น 10 วินาที
• จำนวนขั้นสร้างของ FlowSep-Hive ค่าเริ่มต้นทางการคือ 20 และจำนวนมากขึ้นใช้เวลานานขึ้น
• ค่า classifier-free guidance ของ FlowSep-Hive ค่าเริ่มต้นทางการคือ 1.0
• ขนาดแบตช์ของแถบคำค้น Banquet ค่า inference ทางการคือ 12