人声转 MIDI

模型、参数和来源

VOCANO 先用 Patch-CNN 提取歌声音高，再由 PyramidNet-110 判断音符边界；官方推理入口没有额外可调模型参数。

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 去噪步数，默认 8；可设为 1–128。
• GAME 音符估计的置信度阈值。
• 转写后分析原曲节拍并写入 MIDI 速度，保留音符的实际时间。
• ROSVOT 音符边界阈值，默认 0.85；可设为 0–1。
• ROSVOT 单词边界阈值，默认 0.5；可设为 0–1。