输入
完整歌曲、器乐合奏或多乐器录音；默认走 YPTF.MoE+Multi noPS checkpoint
支持格式
输出
生成多轨 MIDI 草稿，适合修谱、配器、拆和声和回 DAW 精修
适用场景
整段混音的可编辑 MIDI 草稿，也适合较干净的钢琴/键盘、吉他、贝斯、鼓、弦乐/木管和人声草稿
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。
可用多乐器 MIDI 转写 (YourMT3+) 使用官方 YourMT3+ checkpoint。处理复杂编曲时，可先分离出人声、鼓、贝斯、吉他、钢琴和其他六轨，再逐轨转为 MIDI；最终只提供各轨 MIDI 和合并 MIDI。它可处理较干净的钢琴、吉他、贝斯、鼓、弦乐、木管和人声素材；钢琴独奏建议使用钢琴专用工具。
使用 MuScriptor-large 将音乐转为多乐器 MIDI。
YourMT3+ 检查点，用于在完整混音或演示中进行多乐器自动音乐转录。
BS-RoFormer SW Fixed 使用 BS-Rofo-SW-Fixed.ckpt 与 BS-Rofo-SW-Fixed.yaml，把完整混音拆成六个 WAV 分轨。
MIROS MusicFM multi-decoder 运行官方本地 MIROS 路线，使用 pretrained_msd.pt 与微调后的 last.ckpt。
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。
表中只列出有公开权重或配置、可在本地运行的模型。
论文在同一套私有 D_Test 上比较 CFG=1 最终模型与 YourMT3+。结果尚无独立复现，也不能与 MIROS 或其他评测协议直接排名。
公开资料核对：2026-09-10
| 排名 | 模型 | 多乐器 F1 (%) | 详细指标 |
|---|---|---|---|
| D_Test / CFG=1 | MuScriptor-largePaper Table 1 | 48.20最佳 | 起始 F1 (%)60.40最佳帧级 F1 (%)73.30最佳结束 F1 (%)49.00最佳鼓组 F1 (%)50.20最佳 |
| D_Test / YPTF.MoE+Multi (noPS) | YourMT3+TelkNetPaper Table 1 | 21.90 | 起始 F1 (%)32.52帧级 F1 (%)45.54结束 F1 (%)17.79鼓组 F1 (%)41.40 |
论文表 2 在双方训练集均未包含的八个数据集上评测两个已发布、可本地部署的模型。
公开资料核对：2026-09-10
| 排名 | 模型 | 多乐器 F1 (%) | 详细指标 |
|---|---|---|---|
| Bach10 | YourMT3+Paper Table 2 | 26.4 | 起始 F1 (%)59.8最佳帧级 F1 (%)66.0结束 F1 (%)48.0最佳 |
| Bach10 | MuScriptor-largePaper Table 2 | 34.7最佳 | 起始 F1 (%)43.1帧级 F1 (%)85.0最佳结束 F1 (%)36.0 |
| Dagstuhl ChoirSet | YourMT3+Paper Table 2 | 2.6 | 起始 F1 (%)22.3最佳帧级 F1 (%)51.0结束 F1 (%)10.8 |
| Dagstuhl ChoirSet | MuScriptor-largePaper Table 2 | 11.5最佳 | 起始 F1 (%)14.4帧级 F1 (%)80.7最佳结束 F1 (%)11.5最佳 |
| PHENICX-Anechoic | YourMT3+Paper Table 2 | 12.2 | 起始 F1 (%)56.7最佳帧级 F1 (%)58.9结束 F1 (%)18.7 |
| PHENICX-Anechoic | MuScriptor-largePaper Table 2 | 25.7最佳 | 起始 F1 (%)56.1帧级 F1 (%)74.6最佳结束 F1 (%)32.6最佳 |
| RWC-P | YourMT3+Paper Table 2 | 19.1 | 起始 F1 (%)36.1帧级 F1 (%)51.6结束 F1 (%)20.6鼓组 F1 (%)36.5 |
| RWC-P | MuScriptor-largePaper Table 2 | 25.6最佳 | 起始 F1 (%)46.1最佳帧级 F1 (%)61.2最佳结束 F1 (%)25.6最佳鼓组 F1 (%)42.1最佳 |
| RWC-C | YourMT3+Paper Table 2 | 40.5最佳 | 起始 F1 (%)71.7最佳帧级 F1 (%)71.3最佳结束 F1 (%)44.3最佳鼓组 F1 (%)8.7 |
| RWC-C | MuScriptor-largePaper Table 2 | 36.0 | 起始 F1 (%)67.7帧级 F1 (%)70.5结束 F1 (%)36.9鼓组 F1 (%)23.7最佳 |
| RWC-G | YourMT3+Paper Table 2 | 17.2 | 起始 F1 (%)36.9帧级 F1 (%)49.4结束 F1 (%)20.5鼓组 F1 (%)25.6 |
| RWC-G | MuScriptor-largePaper Table 2 | 23.7最佳 | 起始 F1 (%)44.7最佳帧级 F1 (%)58.7最佳结束 F1 (%)24.4最佳鼓组 F1 (%)29.2最佳 |
| RWC-J | YourMT3+Paper Table 2 | 26.4 | 起始 F1 (%)52.9帧级 F1 (%)57.2结束 F1 (%)31.1鼓组 F1 (%)30.6 |
| RWC-J | MuScriptor-largePaper Table 2 | 31.8最佳 | 起始 F1 (%)59.4最佳帧级 F1 (%)62.7最佳结束 F1 (%)33.9最佳鼓组 F1 (%)31.3最佳 |
| RWC-R | YourMT3+Paper Table 2 | 23.1最佳 | 起始 F1 (%)46.1帧级 F1 (%)61.5结束 F1 (%)28.6最佳鼓组 F1 (%)51.3最佳 |
| RWC-R | MuScriptor-largePaper Table 2 | 20.3 | 起始 F1 (%)47.1最佳帧级 F1 (%)68.6最佳结束 F1 (%)24.8鼓组 F1 (%)36.5 |
论文表 4 仅使用 D_Real 训练并在同一套私有 D_Test 上评测；各行规模是论文标签，不是公开 checkpoint 的精确参数量。
公开资料核对：2026-09-10
| 评测条件 | 模型 | 多乐器 F1 (%) | 详细指标 |
|---|---|---|---|
| D_Real only / conditioning on | MuScriptor 60MPaper Table 4 | 35.2 | 起始 F1 (%)47.7帧级 F1 (%)65.7结束 F1 (%)35.3鼓组 F1 (%)39.8 |
| D_Real only / conditioning on | MuScriptor 100MPaper Table 4 | 38.2 | 起始 F1 (%)51.2帧级 F1 (%)67.2结束 F1 (%)38.7鼓组 F1 (%)41.5 |
| D_Real only / conditioning on | MuScriptor 300MPaper Table 4 | 39.7 | 起始 F1 (%)52.4帧级 F1 (%)68.0结束 F1 (%)40.3鼓组 F1 (%)42.0 |
| D_Real only / conditioning on | MuScriptor 1.3BPaper Table 4 | 40.5 | 起始 F1 (%)53.2帧级 F1 (%)68.7结束 F1 (%)41.0鼓组 F1 (%)42.5 |
官方榜单中的开源可复现条目，保留官方名次。F1、精确率、召回率、起始、结束和重叠指标统一以百分数显示，耗时单位为毫秒。
公开资料核对：2026-09-10
| 排名 | 模型 | F1 (%) | 详细指标 |
|---|---|---|---|
| #1 | 59.99最佳 | 精确率 (%)65.58最佳召回率 (%)57.24重叠 (%)73.91起始 F1 (%)79.92最佳结束 F1 (%)73.68运行时间（毫秒）22.0535 | |
| #2 | YourMT3-YPTF-MoE-MTelkNetOfficial leaderboard | 59.39 | 精确率 (%)60.10召回率 (%)58.88最佳重叠 (%)73.05起始 F1 (%)78.34结束 F1 (%)75.77最佳运行时间（毫秒）12.5981 |
| #3 | YourMT3-YPTF-SOfficial leaderboard | 55.82 | 精确率 (%)55.65召回率 (%)56.15重叠 (%)73.26起始 F1 (%)76.57结束 F1 (%)74.71运行时间（毫秒）15.3954 |
| #4 | YourMT3-POfficial leaderboard | 39.48 | 精确率 (%)39.66召回率 (%)39.85重叠 (%)72.63起始 F1 (%)60.18结束 F1 (%)68.19运行时间（毫秒）14.9916 |
| #5 | 39.32 | 精确率 (%)38.11召回率 (%)41.15重叠 (%)71.80起始 F1 (%)68.77结束 F1 (%)65.97运行时间（毫秒）20.1915 | |
| #7 | YourMT3-YPTF-SP-VOfficial leaderboard | 33.06 | 精确率 (%)32.80召回率 (%)33.58重叠 (%)71.47起始 F1 (%)64.17结束 F1 (%)69.57运行时间（毫秒）14.5031 |
| #10 | YourMT3-YPTF-MoE-MPOfficial leaderboard | 21.73 | 精确率 (%)21.50召回率 (%)22.06重叠 (%)61.16起始 F1 (%)70.56结束 F1 (%)70.95运行时间（毫秒）16.0262 |
| #13 | ByteDance Piano transcriptionOfficial leaderboard | 17.21 | 精确率 (%)20.41召回率 (%)16.89重叠 (%)54.23起始 F1 (%)36.03结束 F1 (%)48.15运行时间（毫秒）9.6727 |
| #15 | ReconVATOfficial leaderboard | 14.16 | 精确率 (%)12.15召回率 (%)18.03重叠 (%)78.98最佳起始 F1 (%)35.52结束 F1 (%)56.43运行时间（毫秒）5.4548 |
| #16 | Basic PitchOfficial leaderboard | 6.34 | 精确率 (%)5.50召回率 (%)7.82重叠 (%)59.77起始 F1 (%)29.08结束 F1 (%)49.55运行时间（毫秒）3.9056最佳 |
YourMT3+ 论文在 Slakh 类指标上与 MT3 家族基线的对比。
公开资料核对：2026-09-10
| 评测条件 | 模型 | 起始 F1 (%) | 详细指标 |
|---|---|---|---|
| Slakh / no pitch shifting | YPTF.MoE+Multi (noPS)TelkNet | 84.14 | 多乐器 F1 (%)73.98 |
| Slakh / pitch shifting | YPTF.MoE+Multi (PS) | 84.56 | 多乐器 F1 (%)74.84结束 F1 (%)70.70鼓 F1 (%)90.05 |
| paper baseline | PerceiverTF | 81.90 | 鼓 F1 (%)78.30 |
| paper baseline | MT3 | 76.00 | 结束 F1 (%)57.00多乐器 F1 (%)62.00 |
arXiv - 2026
使用 MuScriptor-large 将音乐转为多乐器 MIDI。
IEEE MLSP - 2024
YourMT3+ 通过增强 Transformer、MoE、多通道解码和跨数据集 stem 增强扩展 MT3。
ICLR - 2022
MT3 奠定了 multi-task multitrack music transcription，并仍是新 AMT 对比中的命名基线。
arXiv / OpenReview - 2026
2025 AMT Challenge 总结论文发布于 2026-03-29，写的是 2025-01-01 至 2025-04-30 的比赛，不是 2026 新比赛。论文报告 21 队注册、14 队提交、8 队有效评分；测试集为 76 段约 20 秒古典多乐器音频，每段最多三种乐器。
处理同类任务时可以先看这些指南：每个场景都列出适用工具、模型边界、来源和常见问题。
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。
TelkNet 修复记录 · 2026 年 8 月 13 日
我们把同一首完整歌曲分别交给 TelkNet 和官方 MuScriptor Large 0.3.0 严格模式。两边都是 8 个声部、6560 个音符，声部、音高和顺序逐一对应。异常集中在约 182–222 秒：原音频还有清楚的中高频旋律，MIDI 的 C4 及以上声部却空了约 40.31 秒。界面、BPM 处理和 MIDI 编辑器都没有删音符，空缺来自官方模型输出。没有原始总谱，我们无法准确判断究竟漏了多少个音符。
问题出在 5 秒分段之间：上一段的单一 program 被反复传给下一段，误判因此越积越重。TelkNet 已切断这条反馈链，同时保留真实延音。每段仍只调用一次官方 MuScriptor Large；没有跳过开头 30 秒，也没有重试、二次推理或事后补轨。
我们随后用 14 首歌跑了 16 次完整任务，全部正常结束。第一首歌 C4 及以上声部的最长起音空档从 40.309 秒缩短到 1.970 秒；第二首歌从 1698 个音符、6 条活跃轨道、钢琴占 70.79%，变为 2279 个音符、8 条活跃轨道、钢琴占 50.77%。两首歌各完整重跑两次，生成的文件逐字节一致。
MuScriptor 节拍兼容性
官方基线使用 Beat This final0 检测拍点，再以允许自由截距的最小二乘拟合发布单一固定 BPM。 拍点不符合固定速度时，严格模式报错，best-effort 模式写入 120 BPM 占位值。 MIDI 写入还会校正起音偏差，并整体延后音符以让小节线对齐强拍。
TelkNet 保留同一个 Beat This final0 检测器，并保持“自动检测唯一 BPM”为推荐默认。用户明确选择跟随原曲速度变化时，只有整首歌曲的固定网格与检测拍点距离不超过 40 ms 才使用单一 BPM；超过门限则输出自适应 Tempo Map。手动 BPM 仍可选择。未开启量化时，模型原始音符时间不会被移动。
| 对比项 | 官方 MuScriptor v0.3.0 | TelkNet v11 候选 |
|---|---|---|
| 拍点检测 | 使用 Beat This final0。 | 使用同一 Beat This final0，没有更换检测模型。 |
| 节拍网格 | 以自由截距拟合发布单一固定 BPM；非固定速度时严格模式报错，best-effort 写入 120 BPM 占位值。 | 最大网格距离不超过 40 ms 时才使用固定 BPM；否则输出相位受限的自适应 Tempo Map。 |
| BPM 控制 | 当前官方 CLI 不支持手动 BPM。 | 支持自适应、自动固定和 30–300 手动 BPM。 |
| 音符时间轴 | 校正起音偏差，并整体延后音符，使小节线与强拍对齐。 | 默认不量化时保持模型原生音符秒数，不执行小节对齐延后。 |
Beat This 仍是音频估计器。非常规拍号、节奏瞬态很弱、自由速度、突变节拍，以及半速或倍速脉冲误判，仍可能产生错误网格。自动 BPM 也可能与已知精确值存在小数偏差；已知原曲 BPM 时可选“固定 · 手动 BPM”。开启音符量化会按用户选择有意移动音符时间。MuScriptor 原生输出中的断音、错音、乐器或轨道标签错误属于另一类转写缺陷，节拍层不会掩盖或伪造修复。重要 MIDI 仍应在 DAW 中与原曲核对。