Що таке Розділення діалогів, музики й ефектів?

Розділення діалогів, музики й ефектів Виберіть модель і спосіб обробки Вартість, час, формати й параметри залежать від обраної моделі.

Для кого Розділення діалогів, музики й ефектів?

Розділення та stem Розділення діалогів, музики й ефектів Виберіть модель і спосіб обробки Вартість, час, формати й параметри залежать від обраної моделі.

З якими завданнями Розділення діалогів, музики й ефектів може допомогти?

Розділення та stem; WAV; Ремікси, заняття під акомпанемент і редагування окремих партій.; Підтримує введення у форматах, таких як mp3 / wav / flac / ogg / m4a / aac / aif / aiff / mp4 / mov / mkv; SFC-Locoformer DnR; BandIt

Розділення діалогів, музики й ефектів

Q: Які моделі та ключові слова пов'язані з Розділення діалогів, музики й ефектів?

SFC-Locoformer DnR, BandIt, TIGER-DnR, SFC-Locoformer, TIGER, SFC paper, BandIt paper (IEEE OJSP), TIGER paper

Моделі, параметри та джерела

SFC-Locoformer DnRBandItTIGER-DnRSFC-LocoformerTIGERSFC paperBandIt paper (IEEE OJSP)TIGER paperSFC paper, Table IID3 · mediumPublished DnR Table IITable II

SFC-Locoformer DnR

SFC-Locoformer BandIt TIGER SFC paper

Профіль розділення: SFC-Locoformer DnR — типовий маршрут для діалогів/музики/ефектів; BandIt і TIGER-DnR — альтернативні чекпоінти для того самого завдання three-stem.
Вихідний стем відео: коли на вході відео, виберіть, який розділений стем записується назад разом із зображенням; автоматично використовується основний стем інструмента.

BandIt

SFC-Locoformer BandIt TIGER BandIt paper (IEEE OJSP)

Профіль розділення: SFC-Locoformer DnR — типовий маршрут для діалогів/музики/ефектів; BandIt і TIGER-DnR — альтернативні чекпоінти для того самого завдання three-stem.
Вихідний стем відео: коли на вході відео, виберіть, який розділений стем записується назад разом із зображенням; автоматично використовується основний стем інструмента.

TIGER-DnR

SFC-Locoformer BandIt TIGER TIGER paper

Профіль розділення: SFC-Locoformer DnR — типовий маршрут для діалогів/музики/ефектів; BandIt і TIGER-DnR — альтернативні чекпоінти для того самого завдання three-stem.
Вихідний стем відео: коли на вході відео, виберіть, який розділений стем записується назад разом із зображенням; автоматично використовується основний стем інструмента.

AV-CASS

AV-CASS source and official checkpoint links (pinned)AV-CASS paper

Порівняння моделей

Модель

Роль

Чому це використовується

Вплив на результат

Бали стосуються лише вказаних даних, метрики й версії. Лідерство в таблиці не означає поточного світового рекорду чи результату цього сервісу. Можливості й тести можуть виправдати пріоритет моделі без зіставних балів.

Публічна таблиця лідерів: DnR v2 · SI-SDR / Розділення мовлення, ефектів і музики з відео · AV-CASS

У таблиці наведено лише моделі з відкритими вагами або конфігураціями, які можна запускати локально.

DnR v2 · SI-SDR

SFC paper, Table II

Значення взято з відкритого джерела за посиланням. У рядках зазначено тестовий набір або чекпойнт; моделі без зіставного результату не включено.

Відкриті джерела перевірено: 2026-09-10

Ранг	Модель	SI-SDR (dB) ↑	Докладні метрики
D3 · medium	SFC-Locoformer DnRTelkNetPublished DnR Table II	11.83Найкращий	DX SNR (dB) ↑16.38НайкращийDX SI-SDR (dB) ↑16.32НайкращийMX SNR (dB) ↑9.70НайкращийMX SI-SDR (dB) ↑9.28НайкращийFX SNR (dB) ↑10.56НайкращийFX SI-SDR (dB) ↑9.88НайкращийСередній SNR (dB)12.21НайкращийПараметри M16.00
Table II	BandItTelkNetPublished DnR Table II	10.90	DX SNR (dB) ↑15.70DX SI-SDR (dB) ↑15.60MX SNR (dB) ↑8.70MX SI-SDR (dB) ↑8.00FX SNR (dB) ↑9.80FX SI-SDR (dB) ↑8.20Середній SNR (dB)11.40Параметри M37.00

Розділення мовлення, ефектів і музики з відео · AV-CASS

AV-CASS paper, Table 1

Відкриті джерела перевірено: 2026-09-10

± позначає 95%-й довірчий інтервал.

Ранг	Умова тесту	Модель	MOS ↑
#3	Реальні відео	MRXAV-CASS paper Table 1	2.55 ± 0.10
#2	Реальні відео	BandItAV-CASS paper Table 1	3.78 ± 0.10
#1	Реальні відео	AV-CASSAV-CASS paper Table 1	4.13 ± 0.09Найкращий

Розділення мовлення, ефектів і музики з відео · AV-CASS

AV-CASS paper, Table 2

Відкриті джерела перевірено: 2026-09-10

Ранг	Умова тесту	Модель	WPR (%) ↓
#3	Діалог (DX)	MRXAV-CASS paper Table 2	2.63
#2	Діалог (DX)	BandItAV-CASS paper Table 2	0.60
#4	Діалог (DX)	DAVIS-FlowAV-CASS paper Table 2	5.88
#1	Діалог (DX)	AV-CASSAV-CASS paper Table 2	0.46Найкращий
#4	Ефекти (FX)	MRXAV-CASS paper Table 2	33.72
#3	Ефекти (FX)	BandItAV-CASS paper Table 2	22.41
#1	Ефекти (FX)	DAVIS-FlowAV-CASS paper Table 2	14.58Найкращий
#2	Ефекти (FX)	AV-CASSAV-CASS paper Table 2	19.81
#3	Музика (MX)	MRXAV-CASS paper Table 2	6.01
#2	Музика (MX)	BandItAV-CASS paper Table 2	0.35
#4	Музика (MX)	DAVIS-FlowAV-CASS paper Table 2	35.94
#1	Музика (MX)	AV-CASSAV-CASS paper Table 2	0.32Найкращий

Розділення мовлення, ефектів і музики з відео · AV-CASS

AV-CASS paper, Table 3

Відкриті джерела перевірено: 2026-09-10

Ранг	Умова тесту	Модель	FAD ↓	Докладні метрики
#3	Протокол AVDnR	Hybrid DemucsAV-CASS paper Table 3	2.05	KL ↓1.03SI-SDRi (dB) ↑13.57PESQ ↑2.16WPR (%) ↓5.24
#4	Протокол AVDnR	HTDemucsAV-CASS paper Table 3	2.08	KL ↓1.06SI-SDRi (dB) ↑13.41PESQ ↑2.06WPR (%) ↓9.23
#7	Протокол AVDnR	MRXAV-CASS paper Table 3	3.47	KL ↓1.67SI-SDRi (dB) ↑10.60PESQ ↑1.89WPR (%) ↓14.91
#5	Протокол AVDnR	BandItAV-CASS paper Table 3	2.15	KL ↓1.14SI-SDRi (dB) ↑14.40НайкращийPESQ ↑2.15WPR (%) ↓4.65
#6	Протокол AVDnR	MSDMAV-CASS paper Table 3	2.90	KL ↓2.90SI-SDRi (dB) ↑11.63PESQ ↑2.12WPR (%) ↓5.65
#8	Протокол AVDnR	DAVIS-FlowAV-CASS paper Table 3	5.94	KL ↓1.64SI-SDRi (dB) ↑9.25PESQ ↑1.96WPR (%) ↓12.14
#1	Протокол AVDnR	AV-CASSAV-CASS paper Table 3	0.84Найкращий	KL ↓0.93НайкращийSI-SDRi (dB) ↑12.32PESQ ↑2.26НайкращийWPR (%) ↓1.84Найкращий
#2	Протокол AVDnR	AV-CASS audio-onlyВідповідна модель інструмента: AV-CASSAV-CASS paper Table 3	1.63	KL ↓1.15SI-SDRi (dB) ↑12.23PESQ ↑2.08WPR (%) ↓2.01

Паперові та бенчмаркові нотатки

Input-Adaptive Spectral Feature Compression by Sequence Modeling for Source Separation

arXiv - 2026

Paper

A Generalized Bandsplit Neural Network for Cinematic Audio Source Separation

IEEE OJSP - 2024

Paper Source

TIGER: Time-frequency Interleaved Gain Extraction and Reconstruction for Efficient Speech Separation

arXiv - 2024

Paper Source

Cinematic Audio Source Separation Using Visual Cues

CVPR - 2026

Використовує візуальні та звукові умови AV-CASS для розділення мовлення, ефектів і музики; доступне пряме порівняння з режимом лише аудіо.

Paper

Офіційні / репозиторії

SFC-Locoformer BandIt TIGER AV-CASS source and official checkpoint links (pinned)

Статті / технічні нотатки

SFC paper BandIt paper (IEEE OJSP)TIGER paper AV-CASS paper

Керівництво параметрів

Профіль розділення: SFC-Locoformer DnR — типовий маршрут для діалогів/музики/ефектів; BandIt і TIGER-DnR — альтернативні чекпоінти для того самого завдання three-stem.
Вихідний стем відео: коли на вході відео, виберіть, який розділений стем записується назад разом із зображенням; автоматично використовується основний стем інструмента.

Розділення діалогів, музики й ефектів

Моделі, параметри та джерела

SFC-Locoformer DnR

BandIt

TIGER-DnR

AV-CASS

Порівняння моделей

Публічна таблиця лідерів: DnR v2 · SI-SDR / Розділення мовлення, ефектів і музики з відео · AV-CASS

DnR v2 · SI-SDR

Розділення мовлення, ефектів і музики з відео · AV-CASS

Розділення мовлення, ефектів і музики з відео · AV-CASS

Розділення мовлення, ефектів і музики з відео · AV-CASS

Паперові та бенчмаркові нотатки

Input-Adaptive Spectral Feature Compression by Sequence Modeling for Source Separation

A Generalized Bandsplit Neural Network for Cinematic Audio Source Separation

TIGER: Time-frequency Interleaved Gain Extraction and Reconstruction for Efficient Speech Separation

Cinematic Audio Source Separation Using Visual Cues

Офіційні / репозиторії

Статті / технічні нотатки

Керівництво параметрів

Робочий процес

Перед надсиланням

Пов'язані сценарії

Швидкий відгук