Hangi görevlerde yardımcı olabilir Metin ve referansla yönlendirilen ses ayırma (AudioSep-Hive)?

Ayrılık ve stem bölünme; WAV; Remiks yapın, eşlikle çalışın ve ayrı partileri düzenleyin.; Girişleri mp3 / wav / flac / ogg / m4a / aac / aif / aiff / mp4 / mov / mkv gibi formatlarda destekler; AudioSep-Hive; FlowSep-Hive

Metin ve referansla yönlendirilen ses ayırma (AudioSep-Hive)

Q: Metin ve referansla yönlendirilen ses ayırma (AudioSep-Hive) nedir?

AudioSep-Hive, FlowSep-Hive veya CLAPSep ile serbestçe tanımlanan bir sesi çıkarır ya da Banquet ile 10 saniyelik referansla eşleşen kaynağı ayırır.; WAV

Q: Kimin için Metin ve referansla yönlendirilen ses ayırma (AudioSep-Hive)?

Ayrılık ve stem bölünme AudioSep-Hive, FlowSep-Hive veya CLAPSep ile serbestçe tanımlanan bir sesi çıkarır ya da Banquet ile 10 saniyelik referansla eşleşen kaynağı ayırır.; WAV

Q: Hangi model ve anahtar kelime varlıkları Metin ve referansla yönlendirilen ses ayırma (AudioSep-Hive) ile bağlantılıdır?

AudioSep-Hive, FlowSep-Hive, CLAPSep, Banquet, Hive source (pinned), AudioSep-Hive weights (pinned), FlowSep-Hive weights (pinned), Hive paper

Modeller, parametreler ve kaynaklar

AudioSep-HiveFlowSep-HiveCLAPSepBanquetHive source (pinned)AudioSep-Hive weights (pinned)FlowSep-Hive weights (pinned)Hive paperCLAPSep source (pinned)Official CLAPSep Space artifacts (pinned)CLAPSep paperBanquet source (pinned)

Puanlar yalnızca belirtilen veri kümesi, ölçüt ve sürüm için geçerlidir. Tabloda lider olmak güncel dünya rekoru veya bu hizmetin sonucu anlamına gelmez. Yetenekler ve testler, karşılaştırılabilir puanı olmayan modelleri öne çıkarabilir.

Kıyaslama tablosu: Metin ve referansla yönlendirilen ses ayırma

Tabloda yalnızca açık ağırlıkları veya yapılandırmaları bulunan ve yerel olarak çalıştırılabilen modeller yer alır.

Metin ve referansla yönlendirilen ses ayırma

Hive paper, main test table

Değerler bağlantıdaki açık kaynaktan alınmıştır. Satırlar test kümesini veya checkpointi belirtir; eşleşen sonucu olmayan modeller gösterilmez.

Herkese açık kaynaklar kontrol edildi: 2026-09-10

Rütbe	Test koşulu	Model	SI-SDR (dB) ↑	Ayrıntılı metrikler
#1	Hive test kümesi	AudioSep-HiveTelkNetHive paper	5.02En iyi	SDR (dB) ↑5.67En iyiLPAPS ↓3.86En iyiFAD ↓0.80En iyiCLAP-Audio ↑0.65En iyiCLAP-T ↑0.31En iyiMUSHRA ↑68.40En iyiOQ ↑3.34En iyiRec ↑4.81Pre ↑3.40En iyiFai ↑4.39
#2	Hive test kümesi	AudioSep (original)Hive paper	1.58	SDR (dB) ↑2.37LPAPS ↓4.22FAD ↓0.90CLAP-Audio ↑0.57CLAP-T ↑0.26MUSHRA ↑60.90OQ ↑2.94Rec ↑4.86En iyiPre ↑2.96Fai ↑4.47En iyi

Metin ve referansla yönlendirilen ses ayırma

Hive paper, main test table

Kaynakların eğitim veya görev koşulları farklıdır; sayıları yalnızca belirtilen protokol içinde karşılaştırın.

Herkese açık kaynaklar kontrol edildi: 2026-09-10

Test koşulu	Model	FAD ↓	Ayrıntılı metrikler
Ayırma çıktısı · Hive testi	AudioSep-HiveTelkNetHive paper	0.80	SDR (dB) ↑5.67SI-SDR (dB) ↑5.02LPAPS ↓3.86CLAP-Audio ↑0.65CLAP-T ↑0.31MUSHRA ↑68.40OQ ↑3.34Rec ↑4.81Pre ↑3.40Fai ↑4.39
Üretken çıktı · Hive testi	FlowSep-HiveTelkNetHive paper	0.84	LPAPS ↓4.25CLAP-Audio ↑0.61CLAP-T ↑0.19MUSHRA ↑61.80OQ ↑3.05Rec ↑4.18Pre ↑3.35Fai ↑3.70

Metin ve referansla yönlendirilen ses ayırma

CLAPSep paper, Table V

Değerler bağlantıdaki açık kaynaktan alınmıştır. Satırlar test kümesini veya checkpointi belirtir; eşleşen sonucu olmayan modeller gösterilmez.

Herkese açık kaynaklar kontrol edildi: 2026-09-10

±, standart sapmayı belirtir.

Rütbe	Test koşulu	Model	SDRi (dB) ↑	Ayrıntılı metrikler
#3	2 kaynak · 1 hedef	AudioSepCLAPSep paper Table V	8.60 ± 8.86	SI-SDRi (dB) ↑7.38 ± 9.48
#2	2 kaynak · 1 hedef	CLAPSep-PTelkNetAraçtaki karşılık gelen model: CLAPSepCLAPSep paper Table V	10.03 ± 11.27	SI-SDRi (dB) ↑8.70 ± 12.64
#1	2 kaynak · 1 hedef	CLAPSep-PNTelkNetAraçtaki karşılık gelen model: CLAPSepCLAPSep paper Table V	12.67 ± 7.80En iyi	SI-SDRi (dB) ↑11.79 ± 8.23En iyi
#3	3 kaynak · 1 hedef	AudioSepCLAPSep paper Table V	4.90 ± 6.13	SI-SDRi (dB) ↑4.20 ± 6.42
#2	3 kaynak · 1 hedef	CLAPSep-PTelkNetAraçtaki karşılık gelen model: CLAPSepCLAPSep paper Table V	6.48 ± 7.82	SI-SDRi (dB) ↑5.73 ± 8.50
#1	3 kaynak · 1 hedef	CLAPSep-PNTelkNetAraçtaki karşılık gelen model: CLAPSepCLAPSep paper Table V	8.96 ± 6.13En iyi	SI-SDRi (dB) ↑8.09 ± 6.17En iyi
#3	3 kaynak · 2 hedef	AudioSepCLAPSep paper Table V	5.30 ± 5.38	SI-SDRi (dB) ↑2.96 ± 5.54
#2	3 kaynak · 2 hedef	CLAPSep-PTelkNetAraçtaki karşılık gelen model: CLAPSepCLAPSep paper Table V	6.35 ± 7.36	SI-SDRi (dB) ↑4.88 ± 8.10
#1	3 kaynak · 2 hedef	CLAPSep-PNTelkNetAraçtaki karşılık gelen model: CLAPSepCLAPSep paper Table V	8.90 ± 5.78En iyi	SI-SDRi (dB) ↑7.82 ± 6.32En iyi
#3	4 kaynak · 1 hedef	AudioSepCLAPSep paper Table V	3.52 ± 5.21	SI-SDRi (dB) ↑2.81 ± 5.76
#2	4 kaynak · 1 hedef	CLAPSep-PTelkNetAraçtaki karşılık gelen model: CLAPSepCLAPSep paper Table V	5.94 ± 7.58	SI-SDRi (dB) ↑4.85 ± 8.29
#1	4 kaynak · 1 hedef	CLAPSep-PNTelkNetAraçtaki karşılık gelen model: CLAPSepCLAPSep paper Table V	7.73 ± 5.79En iyi	SI-SDRi (dB) ↑6.80 ± 6.00En iyi
#3	4 kaynak · 2 hedef	AudioSepCLAPSep paper Table V	2.37 ± 4.26	SI-SDRi (dB) ↑0.65 ± 4.32
#2	4 kaynak · 2 hedef	CLAPSep-PTelkNetAraçtaki karşılık gelen model: CLAPSepCLAPSep paper Table V	2.91 ± 5.54	SI-SDRi (dB) ↑1.37 ± 5.98
#1	4 kaynak · 2 hedef	CLAPSep-PNTelkNetAraçtaki karşılık gelen model: CLAPSepCLAPSep paper Table V	5.20 ± 4.63En iyi	SI-SDRi (dB) ↑4.01 ± 4.95En iyi
#3	4 kaynak · 3 hedef	AudioSepCLAPSep paper Table V	4.20 ± 4.51	SI-SDRi (dB) ↑2.03 ± 4.27
#2	4 kaynak · 3 hedef	CLAPSep-PTelkNetAraçtaki karşılık gelen model: CLAPSepCLAPSep paper Table V	5.34 ± 6.70	SI-SDRi (dB) ↑3.79 ± 7.09
#1	4 kaynak · 3 hedef	CLAPSep-PNTelkNetAraçtaki karşılık gelen model: CLAPSepCLAPSep paper Table V	8.00 ± 4.87En iyi	SI-SDRi (dB) ↑6.73 ± 5.20En iyi

Makale ve kıyaslama notları

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

ICML - 2026

Paper

CLAPSep: Leveraging Contrastive Pre-trained Model for Multi-Modal Query-Conditioned Target Sound Extraction

IEEE/ACM TASLP - 2024

Paper

A Stem-Agnostic Single-Decoder System for Music Source Separation Beyond Four Stems

ISMIR - 2024

Paper

Resmi / depolar

Hive source (pinned)AudioSep-Hive weights (pinned)FlowSep-Hive weights (pinned)CLAPSep source (pinned)Official CLAPSep Space artifacts (pinned)Banquet source (pinned)Official Banquet checkpoint

Makaleler / teknik notlar

Hive paper CLAPSep paper Banquet paper

Parametre rehberi

Çıkarılacak sesi açıklayın; AudioSep-Hive ve FlowSep-Hive için zorunludur.
CLAPSep için pozitif metin, referans ses veya ikisini seçin.
CLAPSep’in koruyacağı hedef sesi açıklayın.
İsteğe bağlı: CLAPSep’in bastıracağı sesi açıklayın.
Hedef sesi örnekleyen bir referans yükleyin.
İsteğe bağlı: Bastırılacak sesin referansını yükleyin.
Banquet referansını yükleyin. Resmi sözleşme 10 saniyelik sorgu kesiti kullanır.
FlowSep-Hive üretim adımları. Resmi varsayılan 20’dir; daha çok adım daha uzun sürer.
FlowSep-Hive classifier-free guidance ölçeği. Resmi varsayılan 1,0’dır.
Banquet sorgu bantlarının batch boyutu. Resmi çıkarım varsayılanı 12’dir.

Metin ve referansla yönlendirilen ses ayırma

Modeller, parametreler ve kaynaklar

AudioSep-Hive

FlowSep-Hive

CLAPSep

Banquet

Kıyaslama tablosu: Metin ve referansla yönlendirilen ses ayırma

Metin ve referansla yönlendirilen ses ayırma

Metin ve referansla yönlendirilen ses ayırma

Metin ve referansla yönlendirilen ses ayırma

Makale ve kıyaslama notları

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

CLAPSep: Leveraging Contrastive Pre-trained Model for Multi-Modal Query-Conditioned Target Sound Extraction

A Stem-Agnostic Single-Decoder System for Music Source Separation Beyond Four Stems

Resmi / depolar

Makaleler / teknik notlar

Parametre rehberi

İş Akışı

Göndermeden önce

Hızlı geri bildirim