กําลังโหลด...

แปลงเสียงร้องเป็น MIDI · ROSVOT / GAME · TelkNet

MIDI / การถอดความภาระงาน GPUGAME · ซอร์สโค้ด GAME v1.0.3 · น้ำหนัก GAME v1.0.3 · บันทึกการเปลี่ยนแปลง GAME · บทความวิจัย GAME · บทความวิจัย

แปลงเสียงร้องเป็น MIDI

แปลงเสียงร้อง ฮัม หรือแทร็กเสียงร้องเป็น MIDI เปรียบเทียบ ROSVOT, GAME, SOME และ VOCANO แล้วแก้ทำนอง

25 เครดิต/การใช้งานFile อินพุตสูงสุด 100 MBประมาณ 45-1800 วินาที

อินพุต

อัปโหลดเสียงร้องเดี่ยว เสียงฮัม หรือแทร็กเสียงร้องนำที่แยกแล้ว หากมีเพียงเพลงสำเร็จ ให้เลือก “เพลงเต็ม” ระบบจะแยกเสียงร้องนำก่อนถอดเป็นโน้ต

รูปแบบที่รองรับ

mp3wavflacoggm4aaacaifaiffmp4movmkv

เอาท์พุต

MIDI

กรณีการใช้งาน

การคัดลอกทำนองเพลงลงใน DAW เพื่อการแก้ไข การเล่นสองเท่า การเขียนโปรแกรมซินธ์ หรือร่างโน้ต

เลือกตระกูลโมเดล

แปลงเสียงร้องเป็น MIDI · ROSVOTมีจําหน่ายเส้นทางที่ทนต่อเสียงรบกวนหรือเสียงดนตรีประกอบรั่วเข้ามา โดย checkpoint ทางการปัจจุบันฝึกจากการร้องภาษาจีนกลางเป็นหลักแปลงเสียงร้องเป็น MIDI · GAMEมีจําหน่ายแปลงเสียงร้องเป็น MIDI พร้อมปรับภาษาที่ร้อง การแบ่งช่วง และการตรวจจับโน้ตแปลงเสียงร้องเป็น MIDI · SOMEมีจําหน่ายSOME เป็นเส้นทางเสียงร้องไป MIDI ที่เร็วและเบาแปลงเสียงร้องเป็น MIDI · VOCANOมีจําหน่ายVOCANO ใช้ Patch-CNN ดึงระดับเสียงร้องและ PyramidNet-110 หาแนวแบ่งโน้ต จุดเรียก inference ที่เผยแพร่ไม่มีตัวปรับโมเดลเพิ่มเติม

เลือกโมเดลให้เหมาะกับเนื้อหาและวัตถุประสงค์ แล้วดูตัวอย่างก่อนส่ง

ค่าใช้จ่าย เวลา รูปแบบและพารามิเตอร์ขึ้นอยู่กับโมเดลที่เลือก

โมเดล พารามิเตอร์ และแหล่งที่มา

แปลงเสียงร้องเป็น MIDI พร้อมปรับภาษาที่ร้อง การแบ่งช่วง และการตรวจจับโน้ต

ROSVOTROSVOT paper, Table 1ROSVOT + RWBDVOCANO: A Note Transcription Framework for Singing Voice in Polyphonic MusicRobust Singing Voice Transcription Serves SynthesisGAME: Generative Adaptive MIDI ExtractorSOME: Singing-Oriented MIDI ExtractorGAMESOMEVOCANO

ROSVOT

เส้นทางที่ทนต่อเสียงรบกวนหรือเสียงดนตรีประกอบรั่วเข้ามา โดย checkpoint ทางการปัจจุบันฝึกจากการร้องภาษาจีนกลางเป็นหลัก

ROSVOT source (pinned)ROSVOT project page ROSVOT paper

เกณฑ์ขอบเขตโน้ตของ ROSVOT: ค่าเริ่มต้น 0.85 ตั้งได้ 0–1
เกณฑ์ขอบเขตคำของ ROSVOT: ค่าเริ่มต้น 0.5 ตั้งได้ 0–1

GAME

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)

เว้นช่องนี้ไว้เพื่อใช้รหัสภาษาทางการ 0 ของ GAME นี่ไม่ใช่การตรวจภาษาอัตโนมัติ ให้เลือกภาษาเมื่อทราบภาษาที่ร้องเท่านั้น
เกณฑ์การแบ่งช่วง — พารามิเตอร์ทางการของโมเดล หากไม่แน่ใจให้ใช้ค่าเริ่มต้น
รัศมีการแบ่งช่วง (วินาที) — พารามิเตอร์ทางการของโมเดล หากไม่แน่ใจให้ใช้ค่าเริ่มต้น
เวลาเริ่ม D3PM — พารามิเตอร์ทางการของโมเดล หากไม่แน่ใจให้ใช้ค่าเริ่มต้น
จำนวนขั้นตอนลดสัญญาณรบกวนของ GAME: ค่าเริ่มต้น 8 ตั้งได้ 1–128
เกณฑ์การประมาณ — พารามิเตอร์ทางการของโมเดล หากไม่แน่ใจให้ใช้ค่าเริ่มต้น
วิเคราะห์จังหวะต้นฉบับหลังถอดโน้ตและเขียนเทมโปลง MIDI โดยคงเวลาของโน้ตไว้
ยังไม่มีผลประเมินแยกสำหรับ GAME v1.0.3 ในรายการนี้

SOME

SOME เป็นเส้นทางเสียงร้องไป MIDI ที่เร็วและเบา

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

วิเคราะห์จังหวะต้นฉบับหลังถอดโน้ตและเขียนเทมโปลง MIDI โดยคงเวลาของโน้ตไว้

VOCANO

VOCANO ใช้ Patch-CNN ดึงระดับเสียงร้องและ PyramidNet-110 หาแนวแบ่งโน้ต จุดเรียก inference ที่เผยแพร่ไม่มีตัวปรับโมเดลเพิ่มเติม

VOCANO source and official weights VOCANO ISMIR 2021 paper

ถ้าเป็นเสียงร้องล้วนหรือแทร็กเสียงร้องที่แยกแล้ว ให้เลือก “เสียงร้องล้วน / โวคอลสเต็ม” ถ้าเป็นเพลงสำเร็จ ให้เลือก “เพลงเต็ม” เพื่อแยกเสียงร้องนำก่อน

กระดาษและบันทึกเกณฑ์มาตรฐาน

ยังไม่มีผลประเมินแยกสำหรับ GAME v1.0.3 ในรายการนี้

GAME

กระดาษและบันทึกเกณฑ์มาตรฐาน

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

ISMIR - 2021

Official source and citation

Robust Singing Voice Transcription Serves Synthesis

ACL - 2024

Paper

GAME: Generative Adaptive MIDI Extractor

Official technical guide - 2026

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 เป็นเส้นทางเสียงร้องไป MIDI ที่เร็วและเบา

Technical guide (pinned)Baseline weights

เป็นทางการ / ที่เก็บ

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

เอกสาร / หมายเหตุทางเทคนิค

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

คู่มือพารามิเตอร์

ถ้าเป็นเสียงร้องล้วนหรือแทร็กเสียงร้องที่แยกแล้ว ให้เลือก “เสียงร้องล้วน / โวคอลสเต็ม” ถ้าเป็นเพลงสำเร็จ ให้เลือก “เพลงเต็ม” เพื่อแยกเสียงร้องนำก่อน
เว้นช่องนี้ไว้เพื่อใช้รหัสภาษาทางการ 0 ของ GAME นี่ไม่ใช่การตรวจภาษาอัตโนมัติ ให้เลือกภาษาเมื่อทราบภาษาที่ร้องเท่านั้น
เกณฑ์การแบ่งช่วง — พารามิเตอร์ทางการของโมเดล หากไม่แน่ใจให้ใช้ค่าเริ่มต้น
รัศมีการแบ่งช่วง (วินาที) — พารามิเตอร์ทางการของโมเดล หากไม่แน่ใจให้ใช้ค่าเริ่มต้น
เวลาเริ่ม D3PM — พารามิเตอร์ทางการของโมเดล หากไม่แน่ใจให้ใช้ค่าเริ่มต้น
จำนวนขั้นตอนลดสัญญาณรบกวนของ GAME: ค่าเริ่มต้น 8 ตั้งได้ 1–128
เกณฑ์การประมาณ — พารามิเตอร์ทางการของโมเดล หากไม่แน่ใจให้ใช้ค่าเริ่มต้น
วิเคราะห์จังหวะต้นฉบับหลังถอดโน้ตและเขียนเทมโปลง MIDI โดยคงเวลาของโน้ตไว้
เกณฑ์ขอบเขตโน้ตของ ROSVOT: ค่าเริ่มต้น 0.85 ตั้งได้ 0–1
เกณฑ์ขอบเขตคำของ ROSVOT: ค่าเริ่มต้น 0.5 ตั้งได้ 0–1

กรณีการใช้งาน

เปลี่ยนท่อนร้องนำให้เป็นโน้ตที่แก้ไขได้
เปรียบเทียบโมเดลการถอดเสียงสี่แบบเมื่อการบันทึกมีเลือดออก มีเสียงรบกวน หรือขอบเขตโน้ตไม่ชัดเจน
ใช้ MIDI เป็นแทร็กนำทางใน DAW จากนั้นแก้ไขระดับเสียงสูงและความยาวของโน้ตด้วยหู

เวิร์กโฟลว์

1เลือกประเภทไฟล์ แล้วอัปโหลดเสียงร้องล้วน โวคอลสเต็ม หรือเพลงเต็ม เพลงเต็มจะถูกแยกเสียงร้องก่อน
2เริ่มจากโมเดลเริ่มต้น หากตัดสินผลลัพธ์เดียวได้ยากจึงใช้การเปรียบเทียบสี่เวอร์ชัน
3สลับระหว่างเสียงร้องต้นฉบับและเปียโนโรลแต่ละอัน แก้ไข MIDI ที่เลือก จากนั้นดาวน์โหลด

จุดที่ควรตรวจ

เครื่องมือนี้เป็นไปตามทำนองเพลงนำ มันไม่ได้สร้างกลอง คอร์ด หรือการเรียบเรียงใหม่ทั้งหมด
GAME เปิดเผยการควบคุมภาษาและการแบ่งส่วน จุดตรวจที่ปล่อยออกมาของ ROSVOT เน้นการฝึกร้องเพลงภาษาจีนกลางเป็นหลัก
การเปรียบเทียบจะแปลงแยกกันสี่ครั้งและส่งออกไฟล์ MIDI อิสระสี่ไฟล์ โดยไม่รวมผลของโมเดลเข้าด้วยกัน

อันดับโมเดลในสาขานี้

ผลทดสอบ 3 รายการ

รวมผลทดสอบสาธารณะของโมเดลที่ใช้ในเว็บไซต์นี้และที่อื่น โดยแสดงตารางต้นฉบับทั้งหมดเป็นค่าเริ่มต้น และสามารถเลือกเงื่อนไขกับตัวชี้วัดเพื่อเปรียบเทียบได้ คะแนนจากเงื่อนไขการทดสอบต่างกันไม่สามารถเปรียบเทียบโดยตรงได้

แสดงเฉพาะรายการที่ตรวจสอบแล้วว่ามีโค้ดอนุมานสาธารณะและน้ำหนักตรงกับรุ่นทดลอง รวมถึงอัลกอริทึมที่ไม่ต้องใช้น้ำหนัก โดยไม่รวมบริการปิด น้ำหนักที่ยังไม่เผยแพร่ หรือรุ่นทดลองที่จับคู่ไม่ได้ นี่ไม่ใช่อันดับรวมของทุกรุ่น

การเผยแพร่น้ำหนักไม่ได้ยืนยันว่ามีสัญญาอนุญาตโอเพนซอร์สครบถ้วน ขยายข้อมูลเพื่อดูสัญญาอนุญาตน้ำหนักและเงื่อนไขการเข้าถึง รายการที่ไม่ระบุสัญญาอนุญาตจะแสดงแยกต่างหาก

ชุดทดสอบหมวดอันดับ

GAME 1.0 · เสียงร้องสะอาด

เลือกชุดข้อมูลเพื่อดูทุกตัวชี้วัดของแต่ละโมเดล แถวเรียงตามอันดับทางการหรือตัวชี้วัดที่เลือก ตัวหนาแสดงค่าที่ดีที่สุดที่เปรียบเทียบกันได้ในแต่ละคอลัมน์ รวมถึงค่าที่เสมอกัน วิธีประเมินที่ต่างกันจะแยกจัดอันดับ คะแนนที่ไม่มีจะแสดงเป็น "-"

ข้อมูลส่วนตัวของผู้เขียน มีเสียงบันทึกที่กันไว้ 100 รายการ แต่ละขนาดใช้ K ที่ดีที่สุดตามรายงาน OA คือความแม่นยำรวมระดับเฟรม ไม่ใช่ F1 ของโน้ต และไม่รวมกับคะแนน ROSVOT

จัดอันดับตามตัวชี้วัด

GAME 1.0 · เสียงร้องสะอาด
อันดับตามตัวชี้วัด	รุ่น	อันดับรวมภายใต้เงื่อนไขเดียวกัน↑OA (%)	QER (%)↓	Presence F1 (%)↑	RPA (%)↑	Pitch RMSE↓	Chamfer (frames)↓
1	GAME 1.0 Medium · K=8 น้ำหนักสาธารณะ · โค้ดอนุมาน น้ำหนักสาธารณะ โค้ดอนุมาน`GAME-1.0.3-medium-onnx.zip`สัญญาอนุญาตน้ำหนัก (ตามที่คลังโค้ดระบุ): MIT	95.03	12.3	99.23	94.86	0.552	1.44
1	GAME 1.0 Large · K=1โมเดลที่ใช้ในเว็บไซต์ น้ำหนักสาธารณะ · โค้ดอนุมาน น้ำหนักสาธารณะ โค้ดอนุมาน`GAME-1.0.3-large-onnx.zip`สัญญาอนุญาตน้ำหนัก (ตามที่คลังโค้ดระบุ): MIT	95.03	12.87	99.15	94.92	0.684	1.44
3	GAME 1.0 Small · K=2 น้ำหนักสาธารณะ · โค้ดอนุมาน น้ำหนักสาธารณะ โค้ดอนุมาน`GAME-1.0.3-small-onnx.zip`สัญญาอนุญาตน้ำหนัก (ตามที่คลังโค้ดระบุ): MIT	94.99	13.13	99.14	94.99	0.653	1.5

รายการต้นฉบับ (3)

เครื่องหมายระบุโมเดลหรือส่วนประกอบที่ใช้ที่นี่ คะแนนและการตั้งค่ามาจากการทดสอบที่อ้างอิง ไม่ใช่ผลประเมินใหม่ของกระบวนการทั้งหมดบนเว็บไซต์

GAME · Technical Report §10 ↗ตรวจสอบเมื่อ 2026-09-27

แหล่งประเมินทั้งหมด (1)

แยกชุดข้อมูล รุ่น และเงื่อนไข รวมถึงแหล่งที่ยังไม่มีรายการผ่านเกณฑ์จัดอันดับ

ROSVOT paper, Table 1 ↗
ติดตั้งได้ 2 / แถวต้นฉบับ 10
ไม่จัดอันดับ: 8
ยังไม่ได้ยืนยันแพ็กเกจอนุมานสาธารณะที่ครบถ้วนสำหรับการทดลองเหล่านี้ น้ำหนักอื่นที่ชื่อโมเดลเดียวกันใช้แทนไม่ได้
TONY · VOCANO · MusicYOLO · Yong et al. (2023) · ℳ (conformer) · ℳ (conv) · ℳ (w/o wbd) · ℳ (w/o noise)

ผลต้นฉบับและแหล่งที่มาทั้งหมด

คะแนนอ้างอิงชุดข้อมูล ตัวชี้วัด และรุ่นโมเดลที่ระบุ จึงเปรียบเทียบข้ามการทดสอบโดยตรงไม่ได้

ROSVOT paper, Table 1

ติดตั้งได้ 2 / แถวต้นฉบับ 10

ไม่จัดอันดับ: 8

ยังไม่ได้ยืนยันแพ็กเกจอนุมานสาธารณะที่ครบถ้วนสำหรับการทดลองเหล่านี้ น้ำหนักอื่นที่ชื่อโมเดลเดียวกันใช้แทนไม่ได้

TONY · VOCANO · MusicYOLO · Yong et al. (2023) · ℳ (conformer) · ℳ (conv) · ℳ (w/o wbd) · ℳ (w/o noise)

จัดอันดับตามตัวชี้วัด

ROSVOT paper, Table 1
อันดับตามตัวชี้วัด	รุ่น	COn (F) ↑		COff (F) ↑		COnPOff (F) ↑		Pitch (AOR) ↑		Melody (RPA) ↑
อันดับตามตัวชี้วัด	รุ่น	clean	noisy	clean	noisy	clean	noisy	clean	noisy	clean	noisy
1	ℳ (ours) น้ำหนักสาธารณะ · โค้ดอนุมาน checkpoints.zip · rosvot + rwbd + rmvpe โค้ดอนุมานไม่ระบุสัญญาอนุญาตน้ำหนัก	94.0	93.8	94.5	94.4	77.4	77.0	97.0	97.1	87.6	87.4
2	ℳ (w/ E W ) น้ำหนักสาธารณะ · โค้ดอนุมาน checkpoints.zip · rosvot + rwbd + rmvpe โค้ดอนุมานไม่ระบุสัญญาอนุญาตน้ำหนัก	93.3	93.5	93.2	92.9	77.1	77.0	96.5	96.2	87.5	87.2

รายการต้นฉบับ (2)

ROSVOT paper, Table 1 ↗ตรวจสอบเมื่อ 2026-10-25

แปลงเสียงร้องเป็น MIDI

โมเดล พารามิเตอร์ และแหล่งที่มา

ROSVOT

GAME

SOME

VOCANO

กระดาษและบันทึกเกณฑ์มาตรฐาน

กระดาษและบันทึกเกณฑ์มาตรฐาน

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

Robust Singing Voice Transcription Serves Synthesis

GAME: Generative Adaptive MIDI Extractor

SOME: Singing-Oriented MIDI Extractor

เป็นทางการ / ที่เก็บ

เอกสาร / หมายเหตุทางเทคนิค

คู่มือพารามิเตอร์

กรณีการใช้งาน

เวิร์กโฟลว์

จุดที่ควรตรวจ

อันดับโมเดลในสาขานี้

GAME 1.0 · เสียงร้องสะอาด

ROSVOT paper, Table 1

แสดงความคิดเห็นอย่างรวดเร็ว