加载中...

鼓点转 MIDI · MSG-LD / ADTOF · TelkNet

转 MIDI / 扒谱GPU 运行ADT_STR · 源码 adt-str · 权重 ADT_STR · tau=0.4 · 论文

鼓点转 MIDI

ADTOF Plus · ADTOF Direct · ADT_STR · MSG-LD. 完整混音按所选模型的流程先分离鼓声；仅鼓轨直接交给所选模型进行转写或拆分。

15 积分/次文件输入最大 100 MB预计 20-1800 秒

输入

支持 mp3 / wav / flac / ogg / m4a / aac / aif / aiff / mp4 / mov / mkv 等格式输入

支持格式

mp3wavflacoggm4aaacaifaiffmp4movmkv

输出

MIDI

适用场景

编辑音符、配器和演奏细节。

选择主模型

鼓点转 MIDI · MSG-LD可用先分鼓再检测起音，生成鼓 MIDI；力度和音符播放长度固定，适合整理节奏草稿。鼓点转 MIDI · ADTOF可用将鼓声转成 MIDI；Plus 加入力度和开闭镲处理，Direct 保留直接转写路线。鼓点转 MIDI · ADT_STR可用识别26类鼓件的起音与力度，生成鼓 MIDI；三个 τ 版本对应不同训练配置。

选择系列内版本与处理方式

鼓点转 MIDI · ADT_STR · tau=0.8使用 setting-tau-0.8 训练权重，识别26类鼓件起音与力度。先试默认0.8；其他版本用于同段鼓音色对照，τ 不是检测灵敏度。推荐可用鼓点转 MIDI · ADT_STR · tau=0.4使用 setting-tau-0.4 训练权重，识别26类鼓件起音与力度。先试默认0.8；其他版本用于同段鼓音色对照，τ 不是检测灵敏度。可用鼓点转 MIDI · ADT_STR · tau=0.6使用 setting-tau-0.6 训练权重，识别26类鼓件起音与力度。先试默认0.8；其他版本用于同段鼓音色对照，τ 不是检测灵敏度。可用

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。

一键反馈

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。

模型、参数和来源

ADT_STR 识别 26 类鼓件的起音与力度，导出 MIDI。

MSG-LD · OBADTOF-PyTorch READMEADTOF (original)ADTOF Direct · PyTorchADTOF Plus paper, Table 1ADTOF PlusOriginal ADTOFADTOF Plus paper, Table 2Vogl et al. 8-class baselineADT-STR · Table 2ADT-STR Setting-1ADT-STR Setting-2

MSG-LD · OB

MSG-LD 生成五类鼓件音轨并检测起音；MIDI 力度固定为 100，播放时长固定为 0.1 秒。

ddman1101/Separate-and-detect MSG-LD · checkpoint MSG-LD

msgld_ob 使用起音分支；msgld_obtb 同时使用起音和音色分支。
DDIM 采样步数，默认 200。可使用 50、100、200、250 或 500；部分其他数值不受模型支持。
完整混音按所选模型的流程先分离鼓声；仅鼓轨直接交给所选模型进行转写或拆分。
论文分别报告 OB、TB 和 OBTB，OB 的分数不能归给默认 OBTB。音符 F1 与音频 mel-MSE/FAD 分表展示；论文检测流程的分数不是本站复测结果。

MSG-LD · OBTB

MSG-LD 生成五类鼓件音轨并检测起音；MIDI 力度固定为 100，播放时长固定为 0.1 秒。

ddman1101/Separate-and-detect MSG-LD · checkpoint MSG-LD

msgld_ob 使用起音分支；msgld_obtb 同时使用起音和音色分支。
DDIM 采样步数，默认 200。可使用 50、100、200、250 或 500；部分其他数值不受模型支持。
完整混音按所选模型的流程先分离鼓声；仅鼓轨直接交给所选模型进行转写或拆分。
论文分别报告 OB、TB 和 OBTB，OB 的分数不能归给默认 OBTB。音符 F1 与音频 mel-MSE/FAD 分表展示；论文检测流程的分数不是本站复测结果。

ADTOF Plus

ADTOF Plus 在 ADTOF 转写之外加入鼓声分离、力度映射和开闭镲处理，可接收完整混音。

ADTOF Plus source (pinned)ADTOF PyTorch source (pinned)ADTOF Plus paper ADTOF ISMIR 2021 paper Pinned ADTOF Plus technical guide

上传完整混音时开启，以便先分离鼓声；上传独立鼓轨时关闭。
ADTOF Plus 的鼓点检测阈值；留空使用模型默认值。
转写后分析原曲节拍并写入 MIDI 速度，保留音符的实际时间。

ADTOF Direct · PyTorch

ADTOF Direct 使用 PyTorch 版 ADTOF 转写独立鼓轨。选择完整混音时，TelkNet 先用 AudioSep-Hive 提取鼓声；不使用 Plus 的力度和开闭镲后处理。

ADTOF PyTorch source (pinned)Original ADTOF source ISMIR 2021 paper materials Signals 2023 paper

分别调整底鼓、军鼓、踩镲、通鼓和镲片的检测阈值。
时间分辨率，默认 100 FPS；修改可能影响转写效果。
转写后分析原曲节拍并写入 MIDI 速度，保留音符的实际时间。

ADT_STR · tau=0.8

pier-maker92/ADT_STR ADT_STR · checkpoint ADT_STR

选择官方发布的权重版本。
每个片段最多生成的 token 数，官方默认 1024。
官方推理批大小，控制同时处理的片段数。
完整混音按所选模型的流程先分离鼓声；仅鼓轨直接交给所选模型进行转写或拆分。
表 2 的 Setting-1 至 Setting-4 是训练实验，不是可选的 τ=0.4/0.6/0.8 权重。分数来自纯鼓音轨评测，不代表完整混音效果。

ADT_STR · tau=0.4

pier-maker92/ADT_STR ADT_STR · checkpoint ADT_STR

选择官方发布的权重版本。
每个片段最多生成的 token 数，官方默认 1024。
官方推理批大小，控制同时处理的片段数。
完整混音按所选模型的流程先分离鼓声；仅鼓轨直接交给所选模型进行转写或拆分。
表 2 的 Setting-1 至 Setting-4 是训练实验，不是可选的 τ=0.4/0.6/0.8 权重。分数来自纯鼓音轨评测，不代表完整混音效果。

ADT_STR · tau=0.6

pier-maker92/ADT_STR ADT_STR · checkpoint ADT_STR

选择官方发布的权重版本。
每个片段最多生成的 token 数，官方默认 1024。
官方推理批大小，控制同时处理的片段数。
完整混音按所选模型的流程先分离鼓声；仅鼓轨直接交给所选模型进行转写或拆分。
表 2 的 Setting-1 至 Setting-4 是训练实验，不是可选的 τ=0.4/0.6/0.8 权重。分数来自纯鼓音轨评测，不代表完整混音效果。

论文与基准说明

Enhanced Automatic Drum Transcription via Drum Stem Source Separation

arXiv - 2025

Paper Pinned implementation

ADTOF: A large dataset of non-synthetic music for automatic drum transcription

ISMIR - 2021

Paper Paper materials

High-Quality and Reproducible Automatic Drum Transcription from Crowdsourced Data

Signals - 2023

Paper

官方 / 仓库

ddman1101/Separate-and-detect MSG-LD · checkpoint ADTOF Plus source (pinned)ADTOF PyTorch source (pinned)Original ADTOF source pier-maker92/ADT_STR ADT_STR · checkpoint

论文/技术笔记

MSG-LD ADTOF Plus paper ADTOF ISMIR 2021 paper Pinned ADTOF Plus technical guide ISMIR 2021 paper materials Signals 2023 paper ADT_STR

参数指南

上传完整混音时开启，以便先分离鼓声；上传独立鼓轨时关闭。
ADTOF Plus 的鼓点检测阈值；留空使用模型默认值。
分别调整底鼓、军鼓、踩镲、通鼓和镲片的检测阈值。
时间分辨率，默认 100 FPS；修改可能影响转写效果。
转写后分析原曲节拍并写入 MIDI 速度，保留音符的实际时间。

操作建议

1完整混音按所选模型的流程先分离鼓声；仅鼓轨直接交给所选模型进行转写或拆分。
2下载鼓 MIDI，在鼓编辑器中核对底鼓、军鼓、踩镲及其他鼓件。

检查要点

完整混音按所选模型的流程先分离鼓声；仅鼓轨直接交给所选模型进行转写或拆分。
时间分辨率，默认 100 FPS；修改可能影响转写效果。

同领域模型排行

3 条参评记录

包含本站与站外的公开测试结果。默认显示来源完整表，也可切换条件和指标比较；不同测试条件的分数不能直接比较。

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。

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。

测试榜单排行分项

ADT-STR · ENST / MDB · full vocabulary

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 -。

ADT-STR 的 README 推荐文字与成绩图不一致；这里按官方图中标注的数值排名。

按指标排名

ADT-STR · ENST / MDB · full vocabulary
指标名次	模型	ENST↑F1 (%)	MDB↑F1 (%)
1	ADT-STR · τ=0.4本站模型公开权重 · 推理代码公开权重推理代码`setting-tau-0.4/model.safetensors`权重许可未说明	60	71
2	ADT-STR · τ=0.6 公开权重 · 推理代码公开权重推理代码`setting-tau-0.6/model.safetensors`权重许可未说明	58	65
3	ADT-STR · τ=0.8 公开权重 · 推理代码公开权重推理代码`setting-tau-0.8/model.safetensors`权重许可未说明	52	61

原始记录（3 条）

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。

ADT-STR · released checkpoint score figure ↗数据核对：2026-09-27

全部评测来源（6）

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。

ADTOF-PyTorch README ↗
可部署条目 2 / 原表 2
鼓点转 MIDI ↗
可部署条目 6 / 原表 6
鼓点转 MIDI ↗
可部署条目 3 / 原表 6
未纳入排行：3 项
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。
Vogl et al. 8-class baseline · MDB · 8-class evaluation · onset only · 50 ms · Vogl et al. 8-class baseline · RBMA · 8-class evaluation · onset only · 50 ms · Vogl et al. 8-class baseline · ENST · 8-class evaluation · onset only · 50 ms
ADT-STR · Table 2 ↗
可部署条目 0 / 原表 8
未纳入排行：8 项
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。
Setting-1 · ENST · Setting-2 · ENST · Setting-3 · ENST · Setting-4 · ENST · Setting-1 · MDB · Setting-2 · MDB · Setting-3 · MDB · Setting-4 · MDB
MSG-LD · Table 3 ↗
可部署条目 2 / 原表 3
未纳入排行：1 项
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。
LarsNet
MSG-LD · Table 4 ↗
可部署条目 2 / 原表 4
未纳入排行：2 项
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。
MSG-LD Vanilla · MSG-LD TB

全部原始成绩与来源

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。

ADTOF-PyTorch README

可部署条目 2 / 原表 2

ADTOF-PyTorch README · PyTorch 88.51 · Keras 88.74

按指标排名

ADTOF-PyTorch README
指标名次	模型	Recall↑	Precision↑	F-measure↑
1	ADTOF (original) 公开权重 · 推理代码 Frame_RNN_adtofAll_0.data-00000-of-00001 + .index 推理代码权重许可（仓库声明）：CC-BY-NC-SA-4.0	88.68	89.90	88.74
2	ADTOF-pytorch 公开权重 · 推理代码 src/adtof_pytorch/data/adtof_frame_rnn_pytorch_weights.pth 推理代码权重许可未说明	88.26	89.83	88.51

原始记录（2 条）

ADTOF-PyTorch README ↗数据核对：2026-10-25

鼓点转 MIDI

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 -。

评测条件按指标排名

鼓点转 MIDI
指标名次	模型	评测条件	F1 (%)↑	精确率 (%)↑	召回率 (%)↑
1	ADTOF Plus 公开权重 · 推理代码 MDX23C 5-stem MDX23C full-mix drums ADTOF PyTorch 推理代码`drumsep_5stems_mdx23c_jarredou.ckpt`权重许可（仓库声明）：mit	MDB · 5 classes · onset only · 50 ms	89	89	89
2	Original ADTOF 公开权重 · 推理代码 Frame_RNN_adtofAll_0.data-00000-of-00001 + .index 推理代码权重许可（仓库声明）：CC-BY-NC-SA-4.0	MDB · 5 classes · onset only · 50 ms	87	-	-

原始记录（6 条）

ADTOF Plus paper, Table 1 ↗

鼓点转 MIDI

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 -。

评测条件按指标排名

鼓点转 MIDI
指标名次	模型	评测条件	F1 (%)↑	精确率 (%)↑	召回率 (%)↑
-	ADTOF Plus 公开权重 · 推理代码 MDX23C 5-stem MDX23C full-mix drums ADTOF PyTorch 推理代码`drumsep_5stems_mdx23c_jarredou.ckpt`权重许可（仓库声明）：mit	MDB · 8-class evaluation · onset only · 50 ms	84	84	84

原始记录（3 条）

ADTOF Plus paper, Table 2 ↗

MSG-LD · Table 3

可部署条目 2 / 原表 3

未纳入排行：1 项

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。

LarsNet

论文分别报告 OB、TB 和 OBTB，OB 的分数不能归给默认 OBTB。音符 F1 与音频 mel-MSE/FAD 分表展示；论文检测流程的分数不是本站复测结果。

按指标排名

MSG-LD · Table 3
指标名次	模型	MDB · Kick			MDB · Snare			MDB · Toms			MDB · Hi-Hats			MDB · Cymbals			MDB · Overall			ENST · Kick			ENST · Snare			ENST · Toms			ENST · Hi-Hats			ENST · Cymbals			ENST · Overall
指标名次	模型	F1↑	P↑	R↑	F1↑	P↑	R↑	F1↑	P↑	R↑	F1↑	P↑	R↑	F1↑	P↑	R↑	F1↑	P↑	R↑	F1↑	P↑	R↑	F1↑	P↑	R↑	F1↑	P↑	R↑	F1↑	P↑	R↑	F1↑	P↑	R↑	F1↑	P↑	R↑
1	ADTOF 公开权重 · 推理代码 Frame_RNN_adtofAll_0.data-00000-of-00001 + .index 推理代码权重许可（仓库声明）：CC-BY-NC-SA-4.0	0.851	0.790	0.923	0.752	0.828	0.690	0.520	0.520	0.520	0.773	0.859	0.703	0.849	0.802	0.902	0.795	0.813	0.778	0.795	0.984	0.667	0.599	0.932	0.441	0.581	0.669	0.513	0.777	0.936	0.663	0.657	0.788	0.563	0.709	0.908	0.582
2	MSG-LD OB 公开权重 · 推理代码推理代码权重许可（仓库声明）：mit	0.931	0.939	0.923	0.760	0.791	0.732	0.268	0.309	0.236	0.650	0.550	0.794	0.481	0.663	0.377	0.707	0.709	0.704	0.821	0.941	0.729	0.642	0.698	0.594	0.491	0.415	0.602	0.630	0.643	0.618	0.391	0.611	0.287	0.640	0.695	0.593

原始记录（2 条）

MSG-LD · Table 3 ↗数据核对：2026-10-25

MSG-LD · Table 4

可部署条目 2 / 原表 4

未纳入排行：2 项

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。

MSG-LD Vanilla · MSG-LD TB

论文分别报告 OB、TB 和 OBTB，OB 的分数不能归给默认 OBTB。音符 F1 与音频 mel-MSE/FAD 分表展示；论文检测流程的分数不是本站复测结果。

按指标排名

MSG-LD · Table 4
指标名次	模型	MDB Overall			ENST Overall			Mean overall F1 (2 sets)
指标名次	模型	F1↑	P↑	R↑	F1↑	P↑	R↑	F1↑	P↑	R↑
1	MSG-LD OB 公开权重 · 推理代码推理代码权重许可（仓库声明）：mit	0.707	0.709	0.704	0.640	0.695	0.593	0.674	0.674	0.674
2	MSG-LD OBTB 公开权重 · 推理代码推理代码权重许可（仓库声明）：mit	0.690	0.709	0.672	0.636	0.703	0.580	0.663	0.663	0.663

原始记录（2 条）

MSG-LD · Table 4 ↗数据核对：2026-10-25