人声旋律转 MIDI

模型、参数和来源

把清唱、哼唱或已分离的主唱变成可编辑的音符 MIDI。默认用 ROSVOT；四版对照会分别运行 GAME、ROSVOT、SOME 和 VOCANO，试听后再选。单模型 5 积分，四版对照 45 积分。

论文与基准说明

参数指南

• 有清唱、哼唱或人声分轨时选“清唱 / 人声分轨”；上传成品歌曲时选“完整歌曲”，系统会先提取主唱。
• 留空时使用 GAME 官方语言 ID 0。这不是自动识别；只有知道演唱语言时才选择对应项。
• GAME 边界分段的置信度阈值。
• GAME 搜索边界的时间半径，单位为秒。
• GAME 官方 D3PM 调度的起始噪声时间。
• GAME 的 D3PM 去噪步数。上游默认 8、只规定最小值 1；128 是 TelkNet 公开任务上限，不是上游最大值。
• GAME 音符估计的置信度阈值。
• 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。
• ROSVOT 音符边界置信度阈值，上游默认 0.85。0–1 是 TelkNet 输入校验范围，不是上游解析器限制。
• ROSVOT 单词边界置信度阈值，上游默认 0.5。0–1 是 TelkNet 输入校验范围，不是上游解析器限制。