加载中...

鼓点转 MIDI · TelkNet

转 MIDI / 扒谱GPU 运行GitHub 0ac2fe6a35a7968d70ecfb8866cad025c350f5bd / 2038fa6d9c509d824e66784db242134daf7340081d78d5202879bf4c20b4598e / msgld_obtb

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

5 × WAV · MIDI · CSV

适用场景

编辑音符、配器和演奏细节。

选择主模型

MSG-LD可用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。ADTOF可用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。ADT_STR可用ADT_STR 识别 26 类鼓件的起音与力度，导出 MIDI。

选择系列内版本与处理方式

MSG-LD · OBTB使用起音与音色辅助分支训练的版本，生成五类鼓轨并检测鼓点。推荐可用MSG-LD · OB使用起音辅助分支训练的版本，生成五类鼓轨并检测鼓点。可用

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。

同领域模型排行

6 条参评记录

包含本站与站外的公开测试结果。默认按综合成绩排序；手动切换榜单或分项可查看相应排名。各榜单使用独立的测试条件。

测试榜单排行分项

综合排行越高越好 · 强者在前

综合分为 2 项同条件成绩的等权平均，仅纳入分项齐全的记录。

计分项：MDB · Overall · ENST · Overall

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。

MSG-LD · Tables 3–4 ↗数据核对：2026-09-27

查看图表数据

排名	模型	F1 (%)
1	ADTOF	75.2
2	MSG-LD OB本站模型	67.35
3	MSG-LD Vanilla	66.7
4	MSG-LD OBTB本站模型	66.3
5	MSG-LD TB	66.2
6	LarsNet	55.3

全部原始成绩与来源

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。

公开排行榜：模型对比

表中只列出有公开权重或配置、可在本地运行的模型。

ADTOF · MDBDrums++

ADTOF-PyTorch README

ADTOF-PyTorch README · PyTorch 88.51 · Keras 88.74

公开资料核对：2026-09-27

排名	评测条件	模型	F 值 (%)	详细指标
#1	原始 Keras 运行时	ADTOF (original)Pinned README table	88.74	精确率 (%)89.90召回率 (%)88.68
#2	转换后的 PyTorch 运行时	ADTOF Direct · PyTorchPinned README table	88.51	精确率 (%)89.83召回率 (%)88.26

鼓点转 MIDI

ADTOF Plus paper, Table 1

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：2026-09-27

排名	评测条件	模型	F1 (%)	详细指标
#1	MDB · 5 classes · onset only · 50 ms	ADTOF PlusPaper Table 1	89.00	精确率 (%)89.00召回率 (%)89.00
#2	MDB · 5 classes · onset only · 50 ms	Original ADTOFPaper Table 1	87.00
#2	RBMA · 5 classes · onset only · 50 ms	ADTOF PlusPaper Table 1	63.00	精确率 (%)66.00召回率 (%)62.00
#1	RBMA · 5 classes · onset only · 50 ms	Original ADTOFPaper Table 1	65.00
#1	ENST · 5 classes · onset only · 50 ms	ADTOF PlusPaper Table 1	85.00	精确率 (%)91.00召回率 (%)81.00
#2	ENST · 5 classes · onset only · 50 ms	Original ADTOFPaper Table 1	84.00

鼓点转 MIDI

ADTOF Plus paper, Table 2

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：2026-09-27

排名	评测条件	模型	F1 (%)	详细指标
#1	MDB · 8-class evaluation · onset only · 50 ms	ADTOF PlusPaper Table 2	84.00	精确率 (%)84.00召回率 (%)84.00
#2	MDB · 8-class evaluation · onset only · 50 ms	Vogl et al. 8-class baselinePaper Table 2	72.00
#2	RBMA · 8-class evaluation · onset only · 50 ms	ADTOF PlusPaper Table 2	56.00	精确率 (%)60.00召回率 (%)55.00
#1	RBMA · 8-class evaluation · onset only · 50 ms	Vogl et al. 8-class baselinePaper Table 2	58.00
#1	ENST · 8-class evaluation · onset only · 50 ms	ADTOF PlusPaper Table 2	76.00	精确率 (%)81.00召回率 (%)72.00
#2	ENST · 8-class evaluation · onset only · 50 ms	Vogl et al. 8-class baselinePaper Table 2	65.00

ADT-STR · ENST / MDB

ADT-STR · Table 2

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。

名次仅在同一表格、同一测试条件内计算，并列保留。切换指标后重新排序；横向滚动可查看全部列。缺失值不记零、不参与排名。

公开资料核对：2026-09-23

按指标排名评测条件

显示 8/8 行 · 6 个指标

ADT-STR · ENST / MDB
排名	评测条件	模型	SUM F1 (%)	BD F1 (%)	SD F1 (%)	TT F1 (%)	HH F1 (%)	CY+RD F1 (%)
#1	ENST · ADT-STR Table 2	ADT-STR Setting-1	73.00	87.00	80.00	55.00	77.00	49.00
#2	ENST · ADT-STR Table 2	ADT-STR Setting-3	70.00	85.00	75.00	42.00	73.00	52.00
#3	ENST · ADT-STR Table 2	ADT-STR Setting-4	69.00	83.00	75.00	58.00	69.00	50.00
#4	ENST · ADT-STR Table 2	ADT-STR Setting-2	67.00	84.00	77.00	43.00	75.00	38.00
#1	MDB · ADT-STR Table 2	ADT-STR Setting-1	79.00	92.00	85.00	77.00	74.00	52.00
#1	MDB · ADT-STR Table 2	ADT-STR Setting-4	79.00	91.00	85.00	75.00	77.00	52.00
#3	MDB · ADT-STR Table 2	ADT-STR Setting-3	76.00	93.00	83.00	46.00	73.00	44.00
#4	MDB · ADT-STR Table 2	ADT-STR Setting-2	73.00	91.00	79.00	45.00	72.00	43.00

MSG-LD · MDB / ENST · 50 ms

MSG-LD · Table 3

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。

名次仅在同一表格、同一测试条件内计算，并列保留。切换指标后重新排序；横向滚动可查看全部列。缺失值不记零、不参与排名。

公开资料核对：2026-09-23

按指标排名评测条件

显示 36/36 行 · 3 个指标

MSG-LD · MDB / ENST · 50 ms
排名	评测条件	模型	F1 (%)	精确率 (%)	召回率 (%)
#1	MDB · Kick · 50 ms · MSG-LD Table 3	MSG-LD OB	93.10	93.90	92.30
#2	MDB · Kick · 50 ms · MSG-LD Table 3	LarsNet	89.90	89.30	90.60
#3	MDB · Kick · 50 ms · MSG-LD Table 3	ADTOF	85.10	79.00	92.30
#1	MDB · Snare · 50 ms · MSG-LD Table 3	MSG-LD OB	76.00	79.10	73.20
#2	MDB · Snare · 50 ms · MSG-LD Table 3	ADTOF	75.20	82.80	69.00
#3	MDB · Snare · 50 ms · MSG-LD Table 3	LarsNet	75.10	82.10	69.20
#1	MDB · Toms · 50 ms · MSG-LD Table 3	ADTOF	52.00	52.00	52.00
#2	MDB · Toms · 50 ms · MSG-LD Table 3	MSG-LD OB	26.80	30.90	23.60
#3	MDB · Toms · 50 ms · MSG-LD Table 3	LarsNet	26.10	42.10	18.90
#1	MDB · Hi-Hats · 50 ms · MSG-LD Table 3	ADTOF	77.30	85.90	70.30
#2	MDB · Hi-Hats · 50 ms · MSG-LD Table 3	MSG-LD OB	65.00	55.00	79.40
#3	MDB · Hi-Hats · 50 ms · MSG-LD Table 3	LarsNet	41.00	40.50	41.50
#1	MDB · Cymbals · 50 ms · MSG-LD Table 3	ADTOF	84.90	80.20	90.20
#2	MDB · Cymbals · 50 ms · MSG-LD Table 3	MSG-LD OB	48.10	66.30	37.70
#3	MDB · Cymbals · 50 ms · MSG-LD Table 3	LarsNet	21.70	87.30	12.40
#1	MDB · Overall · 50 ms · MSG-LD Table 3	ADTOF	79.50	81.30	77.80
#2	MDB · Overall · 50 ms · MSG-LD Table 3	MSG-LD OB	70.70	70.90	70.40
#3	MDB · Overall · 50 ms · MSG-LD Table 3	LarsNet	61.30	70.00	54.50
#1	ENST · Kick · 50 ms · MSG-LD Table 3	MSG-LD OB	82.10	94.10	72.90
#2	ENST · Kick · 50 ms · MSG-LD Table 3	ADTOF	79.50	98.40	66.70
#3	ENST · Kick · 50 ms · MSG-LD Table 3	LarsNet	77.90	89.30	69.00
#1	ENST · Snare · 50 ms · MSG-LD Table 3	MSG-LD OB	64.20	69.80	59.40
#2	ENST · Snare · 50 ms · MSG-LD Table 3	LarsNet	60.60	78.70	49.30
#3	ENST · Snare · 50 ms · MSG-LD Table 3	ADTOF	59.90	93.20	44.10
#1	ENST · Toms · 50 ms · MSG-LD Table 3	ADTOF	58.10	66.90	51.30
#2	ENST · Toms · 50 ms · MSG-LD Table 3	MSG-LD OB	49.10	41.50	60.20
#3	ENST · Toms · 50 ms · MSG-LD Table 3	LarsNet	34.80	23.10	69.80
#1	ENST · Hi-Hats · 50 ms · MSG-LD Table 3	ADTOF	77.70	93.60	66.30
#2	ENST · Hi-Hats · 50 ms · MSG-LD Table 3	MSG-LD OB	63.00	64.30	61.80
#3	ENST · Hi-Hats · 50 ms · MSG-LD Table 3	LarsNet	34.00	69.90	22.50
#1	ENST · Cymbals · 50 ms · MSG-LD Table 3	ADTOF	65.70	78.80	56.30
#2	ENST · Cymbals · 50 ms · MSG-LD Table 3	MSG-LD OB	39.10	61.10	28.70
#3	ENST · Cymbals · 50 ms · MSG-LD Table 3	LarsNet	34.90	24.30	61.90
#1	ENST · Overall · 50 ms · MSG-LD Table 3	ADTOF	70.90	90.80	58.20
#2	ENST · Overall · 50 ms · MSG-LD Table 3	MSG-LD OB	64.00	69.50	59.30
#3	ENST · Overall · 50 ms · MSG-LD Table 3	LarsNet	49.30	50.40	48.30

MSG-LD · Vanilla / OB / TB / OBTB

MSG-LD · Table 4

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。

名次仅在同一表格、同一测试条件内计算，并列保留。切换指标后重新排序；横向滚动可查看全部列。缺失值不记零、不参与排名。

公开资料核对：2026-09-23

按指标排名评测条件

显示 12/12 行 · 3 个指标

MSG-LD · Vanilla / OB / TB / OBTB
排名	评测条件	模型	F1 (%)	精确率 (%)	召回率 (%)
#1	MDB Overall · MSG-LD Table 4	MSG-LD OB	70.70	70.90	70.40
#2	MDB Overall · MSG-LD Table 4	MSG-LD TB	69.80	70.60	69.10
#3	MDB Overall · MSG-LD Table 4	MSG-LD OBTBTelkNet	69.00	70.90	67.20
#4	MDB Overall · MSG-LD Table 4	MSG-LD Vanilla	68.90	70.10	67.80
#1	ENST Overall · MSG-LD Table 4	MSG-LD Vanilla	64.50	71.40	58.80
#2	ENST Overall · MSG-LD Table 4	MSG-LD OB	64.00	69.50	59.30
#3	ENST Overall · MSG-LD Table 4	MSG-LD OBTBTelkNet	63.60	70.30	58.00
#4	ENST Overall · MSG-LD Table 4	MSG-LD TB	62.60	67.70	58.20
#1	Mean overall F1 (2 sets) · MSG-LD Table 4	MSG-LD OB	67.40	—	—
#2	Mean overall F1 (2 sets) · MSG-LD Table 4	MSG-LD Vanilla	66.70	—	—
#3	Mean overall F1 (2 sets) · MSG-LD Table 4	MSG-LD OBTBTelkNet	66.30	—	—
#4	Mean overall F1 (2 sets) · MSG-LD Table 4	MSG-LD TB	66.20	—	—

模型、参数和来源

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。

MSG-LD · OBTBddman1101/Separate-and-detectMSG-LD · checkpointMSG-LDADTOF-PyTorch READMEADTOF (original)Original Keras runtimePinned README tableADTOF Direct · PyTorchPyTorch converted runtimeADTOF Plus paper, Table 1ADTOF Plus

MSG-LD · OBTB

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。
官方 DDIM 采样步数，默认 200；不支持的时间步组合会报错。
完整混音会先提取鼓轨：MSG-LD 使用官方 Demucs，其余新模型使用 AudioSep；仅鼓轨跳过这一步。
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 · OB

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。
官方 DDIM 采样步数，默认 200；不支持的时间步组合会报错。
完整混音会先提取鼓轨：MSG-LD 使用官方 Demucs，其余新模型使用 AudioSep；仅鼓轨跳过这一步。
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

ADTOF Plus 官方 input_is_mix 控制。完整混音请开启以执行 MDX23C 分离；只有上传文件已经是独立鼓轨时才关闭。
ADTOF Plus 官方可选参数 default_threshold。留空会保留上游 -Infinity 默认值；Direct 不使用该参数。
模型推理完成后，Beat This final0 会把有效的固定速度或逐拍速度图写入 MIDI，同时保持所有事件的秒级位置不变。若无法产生有效节拍证据，任务会失败，不会交付模型默认速度的 MIDI。

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

分别设置底鼓、军鼓、踩镲、通鼓和镲片的 5 个官方 ADTOF 阈值，不再输入逗号字符串。
ADTOF 官方 CLI 的高级控制。上游默认值为 100 FPS；修改会改变时间分辨率，也可能影响质量。
模型推理完成后，Beat This final0 会把有效的固定速度或逐拍速度图写入 MIDI，同时保持所有事件的秒级位置不变。若无法产生有效节拍证据，任务会失败，不会交付模型默认速度的 MIDI。

ADT_STR · tau=0.8

ADT_STR 识别 26 类鼓件的起音与力度，导出 MIDI。

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。
完整混音会先提取鼓轨：MSG-LD 使用官方 Demucs，其余新模型使用 AudioSep；仅鼓轨跳过这一步。
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

ADT_STR 识别 26 类鼓件的起音与力度，导出 MIDI。

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。
完整混音会先提取鼓轨：MSG-LD 使用官方 Demucs，其余新模型使用 AudioSep；仅鼓轨跳过这一步。
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

ADT_STR 识别 26 类鼓件的起音与力度，导出 MIDI。

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。
完整混音会先提取鼓轨：MSG-LD 使用官方 Demucs，其余新模型使用 AudioSep；仅鼓轨跳过这一步。
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。

模型对比

模型

作用

选择原因

影响的输出

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

msgld_ob 使用起音分支；msgld_obtb 同时使用起音和音色分支。
官方 DDIM 采样步数，默认 200；不支持的时间步组合会报错。
完整混音会先提取鼓轨：MSG-LD 使用官方 Demucs，其余新模型使用 AudioSep；仅鼓轨跳过这一步。
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。

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。

提交前检查

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。
ADTOF 官方 CLI 的高级控制。上游默认值为 100 FPS；修改会改变时间分辨率，也可能影响质量。

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。