加载中...

鼓组分离 · MDX23C DrumSep / IDM · TelkNet

分离与拆轨GPU 运行Separate-and-detect · 源码 Separate-and-Detect · 权重 vae-ckpt.ckpt · 权重 hifigan-ckpt.ckpt · 权重 vgg16-397923af.pth · 权重 vgg.pth · 权重 955717e8-8726e21a.th · 权重 madmom_models · 权重 MSG-LD · OB · 论文

鼓组分离

将鼓录音拆成可单独编辑的鼓件音轨，支持 DrumSep、IDM 和 MSG-LD。按素材选择完整混音或独立鼓轨，比较各模型的鼓件类别和输出格式，试听后下载 WAV；起音表与 MIDI 仅由支持转写的模型提供。

35 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

将鼓轨拆为各鼓件音轨，支持 IDM 和 MSG-LD。

选择主模型

5/6轨鼓组分离 · MDX23C DrumSep可用将鼓轨拆成五类或六类鼓件音频；六轨版进一步区分叮叮镲和碎音镲。9轨鼓组分离 · IDM可用IDM 输出九类鼓件音轨，不输出 MIDI。5轨鼓组分离 · MSG-LD可用分离五类鼓件并检测击打起音，适合鼓轨编辑；两版的训练辅助分支不同。

选择系列内版本与处理方式

鼓组分离 · 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。推荐可用鼓组分离 · 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。

提供鼓声部分离及击打位置；MIDI 力度统一为 100，每个事件长 0.1 秒，不影响完整 WAV 的时长。

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。

MDX23C DrumSep · 5 stemsPinned MSST pretrained-model tableMDX23C DrumSep · 6 stemsA Semantically Consistent Dataset for Data-Efficient Query-Based Universal Sound SeparationDrumSepdrum kit separationkick snare toms cymbalsBS-RoFormer SW Fixedtwo-stage drum separationfull mix drum extractionisolated drum stem splitterdrum stem separation

MDX23C DrumSep · 5 stems

MDX23C DrumSep · 5 stems：鼓组混音、鼓声替换、瞬态编辑、练习轨，以及以鼓为中心的分析。

Official 5-stem checkpoint Official 5-stem config Pinned immutable mirror used by TelkNet

MDX23C DrumSep · 6 stems

MDX23C DrumSep · 6 stems：鼓组混音、鼓声替换、瞬态编辑、练习轨，以及以鼓为中心的分析。

Official 6-stem checkpoint Official 6-stem config Pinned checkpoint bytes used by TelkNet

IDM

IDM 输出九类鼓件音轨，不输出 MIDI。

bernardo-torres/inverse-drum-machine IDM · checkpoint ddman1101/Separate-and-detect MSG-LD · checkpoint IDM

wiener 使用官方 Wiener 掩码；none 关闭掩码。
Wiener 掩码的幂指数，官方默认 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。
IDM 输出九类鼓声 WAV。表中 nSDR、LSD 和 PES 衡量音频分离，不是 MIDI 转录分数，也不与 MSG-LD 的 FAD 混排。

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。
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 · 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。
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。

论文与基准说明

A Semantically Consistent Dataset for Data-Efficient Query-Based Universal Sound Separation

ICML - 2026

可用 AudioSep-Hive、FlowSep-Hive 或 CLAPSep 按开放词汇描述提取声音，也可用 Banquet 按 10 秒参考音频分离相匹配的声源。

arXiv:2601.22599

The Inverse Drum Machine: Source Separation Through Joint Transcription and Analysis-by-Synthesis

arXiv - 2025

IDM 输出九类鼓件音轨，不输出 MIDI。

IDM

Separate-and-Detect: Unified Drum Transcription and Stem Generation via Latent Diffusion

arXiv - 2026

MSG-LD

官方 / 仓库

Official 5-stem checkpoint Official 5-stem config Pinned immutable mirror used by TelkNet Official 6-stem checkpoint Official 6-stem config Pinned checkpoint bytes used by TelkNet bernardo-torres/inverse-drum-machine IDM · checkpoint ddman1101/Separate-and-detect MSG-LD · checkpoint

论文/技术笔记

IDM MSG-LD

参数指南

wiener 使用官方 Wiener 掩码；none 关闭掩码。
Wiener 掩码的幂指数，官方默认 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。
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。

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选择 IDM 或 MSG-LD 并提交任务，试听各鼓件后下载 WAV；MSG-LD 还提供起音 CSV 和 MIDI。

检查要点

IDM 输出九类鼓件，MSG-LD 输出五类；MIDI 记录鼓的起音，不表示旋律音高。

同领域模型排行

5 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。

公开测试条件

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。

测试榜单

MSG-LD · Table 1

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 5

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。

LarsNet · 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 1
指标名次	模型	Kick↑	Snare↑	Toms↑	Hi-Hats↑	Cymbals↑	Overall↑
1	MSG-LD OBTB 公开权重 · 推理代码推理代码权重许可（仓库声明）：mit	0.78	1.42	1.41	4.30	3.52	2.29
2	MSG-LD OB本站模型公开权重 · 推理代码推理代码权重许可（仓库声明）：mit	1.03	1.33	1.45	3.46	1.92	2.12

原始记录（2 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。

MSG-LD · Table 1 ↗数据核对：2026-10-25

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。

MVSEP · 鼓组细分 (DrumSep) ↗
可部署条目 2 / 原表 15 · 数据核对：2026-10-25
未纳入排行：13 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。
DrumSep Mel Band Roformer v2 (4 stems) · BS Roformer DrumSep (small by jarredou) · DrumSep SCNet XL (5 stems) · DrumSep SCNet XL (6 stems) · DrumSep SCNet XL (4 stems) · DrumSep Mel Band Roformer (6 stems) · DrumSep Mel Band Roformer (4 stems) · MDX23XC Drumsep 5 stems (jarredou) · DTTNET+Mixer test · DrumSep model by aufr33 and jarredou (MDX23C, 6 stems) · Spectralayers 12.0 drumsep model · DrumSep model by inagoy (HDemucs, 4 stems)
IDM · Table III ↗
可部署条目 1 / 原表 1
MSG-LD · Table 1 ↗
可部署条目 2 / 原表 5
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。
LarsNet · MSG-LD Vanilla · MSG-LD TB
MSG-LD · Table 2 ↗
可部署条目 2 / 原表 5
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。
LarsNet · MSG-LD Vanilla · MSG-LD TB
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。

IDM · Table III

可部署条目 1 / 原表 1

IDM 输出九类鼓声 WAV。表中 nSDR、LSD 和 PES 衡量音频分离，不是 MIDI 转录分数，也不与 MSG-LD 的 FAD 混排。

按指标排名

IDM · Table III
指标名次	模型	kick · Masked			kick · Synthesized		snare · Masked			snare · Synthesized		hihat_closed · Masked			hihat_closed · Synthesized		hihat_open · Masked			hihat_open · Synthesized		hi_tom · Masked			hi_tom · Synthesized		mid_tom · Masked			mid_tom · Synthesized		low_tom · Masked			low_tom · Synthesized		ride · Masked			ride · Synthesized		crash_left · Masked			crash_left · Synthesized
指标名次	模型	nSDR ↑	LSD ↓	PES ↓	LSD ↓	PES ↓	nSDR ↑	LSD ↓	PES ↓	LSD ↓	PES ↓	nSDR ↑	LSD ↓	PES ↓	LSD ↓	PES ↓	nSDR ↑	LSD ↓	PES ↓	LSD ↓	PES ↓	nSDR ↑	LSD ↓	PES ↓	LSD ↓	PES ↓	nSDR ↑	LSD ↓	PES ↓	LSD ↓	PES ↓	nSDR ↑	LSD ↓	PES ↓	LSD ↓	PES ↓	nSDR ↑	LSD ↓	PES ↓	LSD ↓	PES ↓	nSDR ↑	LSD ↓	PES ↓	LSD ↓	PES ↓
-	IDM 公开权重 · 推理代码推理代码权重许可未说明	17.47	2.58	− 54.37	1.84	− 55.46	17.29	1.73	− 57.20	1.83	− 58.87	1.66	1.90	− 55.88	1.94	− 56.83	6.68	1.71	− 59.81	1.86	− 59.99	8.50	1.16	− 59.57	1.03	− 59.85	6.41	1.11	− 59.62	0.90	− 59.70	7.35	1.62	− 59.30	1.32	− 59.57	2.12	2.09	− 59.57	2.24	− 59.65	4.78	2.84	− 59.88	2.99	− 59.94

原始记录（1 条）

IDM · Table III ↗数据核对：2026-10-25

MSG-LD · Table 1

可部署条目 2 / 原表 5

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。

LarsNet · 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 1
指标名次	模型	Kick↑	Snare↑	Toms↑	Hi-Hats↑	Cymbals↑	Overall↑
1	MSG-LD OBTB 公开权重 · 推理代码推理代码权重许可（仓库声明）：mit	0.78	1.42	1.41	4.30	3.52	2.29
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	1.03	1.33	1.45	3.46	1.92	2.12

原始记录（2 条）

MSG-LD · Table 1 ↗数据核对：2026-10-25

MSG-LD · Table 2

可部署条目 2 / 原表 5

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。

LarsNet · 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 2
指标名次	模型	Kick↑	Snare↑	Toms↑	Hi-Hats↑	Cymbals↑	Mean↑
1	MSG-LD OBTB 公开权重 · 推理代码推理代码权重许可（仓库声明）：mit	0.23	0.09	0.13	0.48	0.82	0.35
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	0.32	0.10	0.16	0.38	0.71	0.33

原始记录（2 条）

MSG-LD · Table 2 ↗数据核对：2026-10-25

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

鼓组分离

模型、参数和来源

MDX23C DrumSep · 5 stems

MDX23C DrumSep · 6 stems

IDM

MSG-LD · OBTB

MSG-LD · OB

论文与基准说明

A Semantically Consistent Dataset for Data-Efficient Query-Based Universal Sound Separation

The Inverse Drum Machine: Source Separation Through Joint Transcription and Analysis-by-Synthesis

Separate-and-Detect: Unified Drum Transcription and Stem Generation via Latent Diffusion

官方 / 仓库

论文/技术笔记

参数指南

操作建议

检查要点

MSG-LD · Table 1

IDM · Table III

MSG-LD · Table 1

MSG-LD · Table 2

MSG-LD · Table 3

MSG-LD · Table 4

一键反馈