Що таке Розділення звуку за текстом і еталоном (AudioSep-Hive)?

Витягує вільно описаний звук за допомогою AudioSep-Hive, FlowSep-Hive або CLAPSep чи відокремлює в Banquet джерело, що відповідає 10-секундному еталону.

Для кого Розділення звуку за текстом і еталоном (AudioSep-Hive)?

Розділення та stem Витягує вільно описаний звук за допомогою AudioSep-Hive, FlowSep-Hive або CLAPSep чи відокремлює в Banquet джерело, що відповідає 10-секундному еталону.

Розділення звуку за текстом і еталоном (AudioSep-Hive)

Q: З якими завданнями Розділення звуку за текстом і еталоном (AudioSep-Hive) 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; AudioSep-Hive; FlowSep-Hive

Q: Які моделі та ключові слова пов'язані з Розділення звуку за текстом і еталоном (AudioSep-Hive)?

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

Моделі, параметри та джерела

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)

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.

Бенчмарк-графік: Розділення звуку за текстом і еталоном

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

Розділення звуку за текстом і еталоном

Hive paper, main test table

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	Умова тесту	Модель	SI-SDR (dB) ↑	Докладні метрики
#1	Тестовий набір Hive	AudioSep-HiveTelkNetHive paper	5.02Найкращий	SDR (dB) ↑5.67НайкращийLPAPS ↓3.86НайкращийFAD ↓0.80НайкращийCLAP-Audio ↑0.65НайкращийCLAP-T ↑0.31НайкращийMUSHRA ↑68.40НайкращийOQ ↑3.34НайкращийRec ↑4.81Pre ↑3.40НайкращийFai ↑4.39
#2	Тестовий набір Hive	AudioSep (original)Hive paper	1.58	SDR (dB) ↑2.37LPAPS ↓4.22FAD ↓0.90CLAP-Audio ↑0.57CLAP-T ↑0.26MUSHRA ↑60.90OQ ↑2.94Rec ↑4.86НайкращийPre ↑2.96Fai ↑4.47Найкращий

Розділення звуку за текстом і еталоном

Hive paper, main test table

Джерела використовують різні умови навчання або завдання, тому числа слід порівнювати лише в межах зазначеного протоколу.

Відкриті джерела перевірено: 2026-09-10

Умова тесту	Модель	FAD ↓	Докладні метрики
Результат розділення · тест Hive	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
Генеративний результат · тест Hive	FlowSep-HiveTelkNetHive paper	0.84	LPAPS ↓4.25CLAP-Audio ↑0.61CLAP-T ↑0.19MUSHRA ↑61.80OQ ↑3.05Rec ↑4.18Pre ↑3.35Fai ↑3.70

Розділення звуку за текстом і еталоном

CLAPSep paper, Table V

Відкриті джерела перевірено: 2026-09-10

± позначає стандартне відхилення.

Ранг	Умова тесту	Модель	SDRi (dB) ↑	Докладні метрики
#3	2 джерела · 1 ціль	AudioSepCLAPSep paper Table V	8.60 ± 8.86	SI-SDRi (dB) ↑7.38 ± 9.48
#2	2 джерела · 1 ціль	CLAPSep-PTelkNetВідповідна модель інструмента: CLAPSepCLAPSep paper Table V	10.03 ± 11.27	SI-SDRi (dB) ↑8.70 ± 12.64
#1	2 джерела · 1 ціль	CLAPSep-PNTelkNetВідповідна модель інструмента: CLAPSepCLAPSep paper Table V	12.67 ± 7.80Найкращий	SI-SDRi (dB) ↑11.79 ± 8.23Найкращий
#3	3 джерела · 1 ціль	AudioSepCLAPSep paper Table V	4.90 ± 6.13	SI-SDRi (dB) ↑4.20 ± 6.42
#2	3 джерела · 1 ціль	CLAPSep-PTelkNetВідповідна модель інструмента: CLAPSepCLAPSep paper Table V	6.48 ± 7.82	SI-SDRi (dB) ↑5.73 ± 8.50
#1	3 джерела · 1 ціль	CLAPSep-PNTelkNetВідповідна модель інструмента: CLAPSepCLAPSep paper Table V	8.96 ± 6.13Найкращий	SI-SDRi (dB) ↑8.09 ± 6.17Найкращий
#3	3 джерела · 2 цілі	AudioSepCLAPSep paper Table V	5.30 ± 5.38	SI-SDRi (dB) ↑2.96 ± 5.54
#2	3 джерела · 2 цілі	CLAPSep-PTelkNetВідповідна модель інструмента: CLAPSepCLAPSep paper Table V	6.35 ± 7.36	SI-SDRi (dB) ↑4.88 ± 8.10
#1	3 джерела · 2 цілі	CLAPSep-PNTelkNetВідповідна модель інструмента: CLAPSepCLAPSep paper Table V	8.90 ± 5.78Найкращий	SI-SDRi (dB) ↑7.82 ± 6.32Найкращий
#3	4 джерела · 1 ціль	AudioSepCLAPSep paper Table V	3.52 ± 5.21	SI-SDRi (dB) ↑2.81 ± 5.76
#2	4 джерела · 1 ціль	CLAPSep-PTelkNetВідповідна модель інструмента: CLAPSepCLAPSep paper Table V	5.94 ± 7.58	SI-SDRi (dB) ↑4.85 ± 8.29
#1	4 джерела · 1 ціль	CLAPSep-PNTelkNetВідповідна модель інструмента: CLAPSepCLAPSep paper Table V	7.73 ± 5.79Найкращий	SI-SDRi (dB) ↑6.80 ± 6.00Найкращий
#3	4 джерела · 2 цілі	AudioSepCLAPSep paper Table V	2.37 ± 4.26	SI-SDRi (dB) ↑0.65 ± 4.32
#2	4 джерела · 2 цілі	CLAPSep-PTelkNetВідповідна модель інструмента: CLAPSepCLAPSep paper Table V	2.91 ± 5.54	SI-SDRi (dB) ↑1.37 ± 5.98
#1	4 джерела · 2 цілі	CLAPSep-PNTelkNetВідповідна модель інструмента: CLAPSepCLAPSep paper Table V	5.20 ± 4.63Найкращий	SI-SDRi (dB) ↑4.01 ± 4.95Найкращий
#3	4 джерела · 3 цілі	AudioSepCLAPSep paper Table V	4.20 ± 4.51	SI-SDRi (dB) ↑2.03 ± 4.27
#2	4 джерела · 3 цілі	CLAPSep-PTelkNetВідповідна модель інструмента: CLAPSepCLAPSep paper Table V	5.34 ± 6.70	SI-SDRi (dB) ↑3.79 ± 7.09
#1	4 джерела · 3 цілі	CLAPSep-PNTelkNetВідповідна модель інструмента: CLAPSepCLAPSep paper Table V	8.00 ± 4.87Найкращий	SI-SDRi (dB) ↑6.73 ± 5.20Найкращий

Паперові та бенчмаркові нотатки

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

Офіційні / репозиторії

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

Статті / технічні нотатки

Hive paper CLAPSep paper Banquet paper

Керівництво параметрів

Опишіть звук для вилучення; AudioSep-Hive і FlowSep-Hive вимагають це поле.
Виберіть для CLAPSep позитивний текст, еталонне аудіо або обидва.
Опишіть цільовий звук, який CLAPSep має зберегти.
Необов’язково: опишіть звук, який CLAPSep має приглушити.
Завантажте приклад цільового звуку.
Необов’язково: завантажте приклад звуку для приглушення.
Завантажте еталон Banquet. Офіційний контракт використовує 10-секундний фрагмент запиту.
Кроки генерації FlowSep-Hive. Офіційне значення — 20; більше кроків потребує більше часу.
Classifier-free guidance FlowSep-Hive. Офіційне значення — 1,0.
Розмір пакета смуг запиту Banquet. Офіційне значення інференсу — 12.

Розділення звуку за текстом і еталоном

Моделі, параметри та джерела

AudioSep-Hive

FlowSep-Hive

CLAPSep

Banquet

Бенчмарк-графік: Розділення звуку за текстом і еталоном

Розділення звуку за текстом і еталоном

Розділення звуку за текстом і еталоном

Розділення звуку за текстом і еталоном

Паперові та бенчмаркові нотатки

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

Офіційні / репозиторії

Статті / технічні нотатки

Керівництво параметрів

Робочий процес

Перед надсиланням

Швидкий відгук