从影视、剧集和视频素材中提取清晰对白，并把背景声拆成独立的音乐和音效两条音轨。
输入
支持 mp3 / wav / flac / ogg / m4a / aac / aif / aiff / mp4 / mov / mkv 等格式输入
支持格式
输出
WAV
适用场景
重混、伴奏练习和分声部编辑。
按用途选择：先看输入与输出需求，再参考同条件实测、公开评测和模型能力。缺少公开分数不代表质量较差；参数更多、发布时间更新也不自动代表更好。这里的顺序是使用建议，不是总榜名次。
费用、耗时、格式和参数以所选模型为准。
可用分数只代表所列来源中的数据集、指标与模型版本；表内领先不等于当前全球第一，也不证明本站运行结果。无可比分数的模型仍可按能力与实测优先使用。
表中只列出有公开权重或配置、可在本地运行的模型。
| 排名 | 模型 | SI-SDR (dB) ↑ | 详细指标 |
|---|---|---|---|
| D3 · medium | SFC-Locoformer DnRTelkNetPublished DnR Table II | 11.83最佳 | DX SNR (dB) ↑16.38最佳DX SI-SDR (dB) ↑16.32最佳MX SNR (dB) ↑9.70最佳MX SI-SDR (dB) ↑9.28最佳FX SNR (dB) ↑10.56最佳FX SI-SDR (dB) ↑9.88最佳平均 SNR (dB)12.21最佳参数量 (M)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) ↑8.20平均 SNR (dB)11.40参数量 (M)37.00 |
数值来自所链接的公开来源；行标签标明测试集或检查点，缺少同协议结果的模型不列入。
公开资料核对：2026-09-10
± 表示 95% 置信区间。
| 排名 | 评测条件 | 模型 | MOS ↑ |
|---|---|---|---|
| #3 | 真实视频 | 2.55 ± 0.10 | |
| #2 | 真实视频 | BandItAV-CASS paper Table 1 | 3.78 ± 0.10 |
| #1 | 真实视频 | AV-CASSAV-CASS paper Table 1 | 4.13 ± 0.09最佳 |
数值来自所链接的公开来源；行标签标明测试集或检查点，缺少同协议结果的模型不列入。
公开资料核对：2026-09-10
| 排名 | 评测条件 | 模型 | WPR (%) ↓ |
|---|---|---|---|
| #3 | 对白（DX） | 2.63 | |
| #2 | 对白（DX） | BandItAV-CASS paper Table 2 | 0.60 |
| #4 | 对白（DX） | DAVIS-FlowAV-CASS paper Table 2 | 5.88 |
| #1 | 对白（DX） | AV-CASSAV-CASS paper Table 2 | 0.46最佳 |
| #4 | 音效（FX） | 33.72 | |
| #3 | 音效（FX） | BandItAV-CASS paper Table 2 | 22.41 |
| #1 | 音效（FX） | DAVIS-FlowAV-CASS paper Table 2 | 14.58最佳 |
| #2 | 音效（FX） | AV-CASSAV-CASS paper Table 2 | 19.81 |
| #3 | 音乐（MX） | 6.01 | |
| #2 | 音乐（MX） | BandItAV-CASS paper Table 2 | 0.35 |
| #4 | 音乐（MX） | DAVIS-FlowAV-CASS paper Table 2 | 35.94 |
| #1 | 音乐（MX） | AV-CASSAV-CASS paper Table 2 | 0.32最佳 |
数值来自所链接的公开来源；行标签标明测试集或检查点，缺少同协议结果的模型不列入。
公开资料核对：2026-09-10
| 排名 | 评测条件 | 模型 | FAD ↓ | 详细指标 |
|---|---|---|---|---|
| #3 | AVDnR 协议 | Hybrid DemucsAV-CASS paper Table 3 | 2.05 | KL ↓1.03SI-SDRi (dB) ↑13.57PESQ ↑2.16WPR (%) ↓5.24 |
| #4 | AVDnR 协议 | HTDemucsAV-CASS paper Table 3 | 2.08 | KL ↓1.06SI-SDRi (dB) ↑13.41PESQ ↑2.06WPR (%) ↓9.23 |
| #7 | AVDnR 协议 | 3.47 | KL ↓1.67SI-SDRi (dB) ↑10.60PESQ ↑1.89WPR (%) ↓14.91 | |
| #5 | AVDnR 协议 | BandItAV-CASS paper Table 3 | 2.15 | KL ↓1.14SI-SDRi (dB) ↑14.40最佳PESQ ↑2.15WPR (%) ↓4.65 |
| #6 | AVDnR 协议 | 2.90 | KL ↓2.90SI-SDRi (dB) ↑11.63PESQ ↑2.12WPR (%) ↓5.65 | |
| #8 | AVDnR 协议 | DAVIS-FlowAV-CASS paper Table 3 | 5.94 | KL ↓1.64SI-SDRi (dB) ↑9.25PESQ ↑1.96WPR (%) ↓12.14 |
| #1 | AVDnR 协议 | AV-CASSAV-CASS paper Table 3 | 0.84最佳 | KL ↓0.93最佳SI-SDRi (dB) ↑12.32PESQ ↑2.26最佳WPR (%) ↓1.84最佳 |
| #2 | AVDnR 协议 | 1.63 | KL ↓1.15SI-SDRi (dB) ↑12.23PESQ ↑2.08WPR (%) ↓2.01 |
arXiv - 2026
IEEE OJSP - 2024
arXiv - 2024
CVPR - 2026
用 AV-CASS 的视觉与音频条件从视频中分离对白、音效和音乐；也可切换纯音频条件做直接对照。
处理同类任务时可以先看这些指南：每个场景都列出适用工具、模型边界、来源和常见问题。
反馈时请注明工具名称、操作步骤和遇到的问题，可附截图帮助定位。