Input-Adaptive Spectral Feature Compression by Sequence Modeling for Source Separation
arXiv - 2026
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。
加载中...
将影视录音拆成对白、背景音乐和音效，供配音整理与后期混音使用。
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
将影视录音拆成对白、背景音乐和音效，供配音整理与后期混音使用。
按素材和用途选择模型，查看示例后再提交。
费用、耗时、格式和参数以所选模型为准。
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。
输出对白、音乐和音效三轨，适合配音整理、影视剪辑和背景重混。
采用分频网络拆分对白、音乐和音效，可用于对照对白残留与背景细节。
采用时频交替结构分离影视三轨；这是影视 DnR 模型，不是双人语音 TIGER。
将影视声音分成对白、音乐和音效三条音轨。 输出 44.1 kHz 单声道；立体声输入先合为单声道。
arXiv - 2026
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。
IEEE OJSP - 2024
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。
arXiv - 2024
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。
arXiv - 2026
将影视声音分成对白、音乐和音效三条音轨。 输出 44.1 kHz 单声道；立体声输入先合为单声道。
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。
3 个输出分项
仅展示已核实公开推理实现及对应权重的记录（无需权重的算法除外）。封闭服务、未公开权重或无法匹配实验版本的记录不入榜；这不是全领域总榜。
同一榜单中，每份权重只列一次，展示当前计分项的最佳公开成绩；综合分来自同一次评测。展开可查看各次评测与设置。
公开权重不等于许可完整的开源。权重许可和访问条件见展开数据；未明确声明的许可单独标注。
标记表示本站使用的模型或组件；成绩和参数以公开测试为准，不是整条处理链路的复测结果。
切换数据集查看每个模型的完整指标。默认按官方名次或所选指标排序；粗体为同评测口径下的列最优值，并列均标出。不同口径不合并排名，缺分为 -。
可部署条目 2 / 原表 10
以下实验尚未核实完整的公开推理包；同名模型的其他权重不能替代。
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)
数值来自所链接的公开来源；行标签标明测试集或检查点，未报告的分数显示为 -。
| 指标名次 | 模型 | 评测条件 | Params. | Speech | Music | Sfx | Average | ||||
|---|---|---|---|---|---|---|---|---|---|---|---|
| SNR↑ | SISDR↑ | SNR↑ | SISDR↑ | SNR↑ | SISDR↑ | SNR↑ | SISDR↑ | ||||
| 1 | SFC-Locoformer (Medium)本站模型 | 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 †公开权重 · 推理代码 | Band-split (64) | 37.0 M | 15.7 | 15.6 | 8.7 | 8.0 | 9.8 | 8.2 | 11.4 | 10.9 |
标记表示本站使用的模型或组件；成绩和参数以公开测试为准，不是整条处理链路的复测结果。
数据集、版本和条件分别列出，未纳入排行的评测也保留来源。
可部署条目 9 / 原表 21 · 数据核对：2026-10-25
以下实验尚未核实完整的公开推理包；同名模型的其他权重不能替代。
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
可部署条目 2 / 原表 10
以下实验尚未核实完整的公开推理包；同名模型的其他权重不能替代。
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)
可部署条目 2 / 原表 2
评测分数对应各自的数据集、指标和模型版本，不同测试的分数不能直接比较。
表中只列出有公开权重或配置、可在本地运行的模型。
切换数据集查看每个模型的完整指标。默认按官方名次或所选指标排序；粗体为同评测口径下的列最优值，并列均标出。不同口径不合并排名，缺分为 -。
可部署条目 2 / 原表 10
以下实验尚未核实完整的公开推理包；同名模型的其他权重不能替代。
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)
数值来自所链接的公开来源；行标签标明测试集或检查点，未报告的分数显示为 -。
| 指标名次 | 模型 | 评测条件 | 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 †公开权重 · 推理代码 | Band-split (64) | 37.0 M | 15.7 | 15.6 | 8.7 | 8.0 | 9.8 | 8.2 | 11.4 | 10.9 |
切换数据集查看每个模型的完整指标。默认按官方名次或所选指标排序；粗体为同评测口径下的列最优值，并列均标出。不同口径不合并排名，缺分为 -。
作者在 973 条完整 DnR v2 测试音轨上报告的 SI-SDR。两种模型各用官方窗口和步长，均值覆盖音乐、对白和音效；这些不是本站实测，不与其他数据集或训练方案的分数合并。
| 指标名次 | 模型 | 评测条件 | 平均 SI-SDR (dB) ↑ | MX SI-SDR (dB) ↑ | DX SI-SDR (dB) ↑ | FX SI-SDR (dB) ↑ | 参数量 (M) |
|---|---|---|---|---|---|---|---|
| 1 | DBS-TIGER (128)公开权重 · 推理代码 | DnR v2 · 973 · 6 s / 3 s | 10.13 | 7.78 | 15.9 | 6.7 | 1 |
| 2 | DBS-BSRNN (128)公开权重 · 推理代码 | DnR v2 · 973 · 3 s / 1.5 s | 9.07 | 6.48 | 15.01 | 5.73 | 4.7 |
查找适合素材的处理方法与操作步骤。