Tách lời thoại, nhạc và hiệu ứng là gì?

Tách lời thoại, nhạc và hiệu ứng Chọn mô hình và cách xử lý Chi phí, thời gian, định dạng và tham số phụ thuộc mô hình đã chọn.

Tách lời thoại, nhạc và hiệu ứng dành cho ai?

Tách và stem tách Tách lời thoại, nhạc và hiệu ứng Chọn mô hình và cách xử lý Chi phí, thời gian, định dạng và tham số phụ thuộc mô hình đã chọn.

Tách lời thoại, nhạc và hiệu ứng có thể giúp những nhiệm vụ nào?

Tách và stem tách; WAV; Làm bản phối lại, luyện tập với nhạc đệm và chỉnh sửa từng bè.; Hỗ trợ đầu vào ở các định dạng như mp3 / wav / flac / ogg / m4a / aac / aif / aiff / mp4 / mov / mkv; SFC-Locoformer DnR; BandIt

Tách lời thoại, nhạc và hiệu ứng

Q: Mô hình và thực thể từ khóa nào được kết nối với Tách lời thoại, nhạc và hiệu ứng?

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

Mô hình, thông số và nguồn

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

Hồ sơ tách: SFC-Locoformer DnR là tuyến dialogue/music/effects mặc định; BandIt và TIGER-DnR là các checkpoint thay thế cho cùng bài toán three-stem.
Stem đầu ra video: khi đầu vào là video, chọn stem đã tách sẽ được ghi lại cùng hình ảnh; chế độ automatic dùng stem chính của công cụ.

BandIt

SFC-Locoformer BandIt TIGER BandIt paper (IEEE OJSP)

Hồ sơ tách: SFC-Locoformer DnR là tuyến dialogue/music/effects mặc định; BandIt và TIGER-DnR là các checkpoint thay thế cho cùng bài toán three-stem.
Stem đầu ra video: khi đầu vào là video, chọn stem đã tách sẽ được ghi lại cùng hình ảnh; chế độ automatic dùng stem chính của công cụ.

TIGER-DnR

SFC-Locoformer BandIt TIGER TIGER paper

Hồ sơ tách: SFC-Locoformer DnR là tuyến dialogue/music/effects mặc định; BandIt và TIGER-DnR là các checkpoint thay thế cho cùng bài toán three-stem.
Stem đầu ra video: khi đầu vào là video, chọn stem đã tách sẽ được ghi lại cùng hình ảnh; chế độ automatic dùng stem chính của công cụ.

AV-CASS

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

So sánh mô hình

Mô hình

Vai trò

Tại sao nó được sử dụng

Tác động đầu ra

Điểm chỉ áp dụng cho tập dữ liệu, chỉ số và phiên bản được dẫn. Đứng đầu bảng không đồng nghĩa kỷ lục thế giới hiện tại hay kết quả của dịch vụ này. Khả năng và thử nghiệm có thể giúp ưu tiên mô hình không có điểm so sánh.

Bảng xếp hạng công khai: DnR v2 · SI-SDR / Tách lời thoại, hiệu ứng và nhạc từ video · AV-CASS

Bảng chỉ gồm các mô hình có trọng số hoặc cấu hình công khai và có thể chạy cục bộ.

DnR v2 · SI-SDR

SFC paper, Table II

Số liệu lấy từ nguồn công khai trong liên kết. Mỗi dòng ghi bộ thử hoặc checkpoint; mô hình không có kết quả tương ứng sẽ được bỏ qua.

Đã kiểm tra nguồn công khai: 2026-09-10

Cấp	Mô hình	SI-SDR (dB) ↑	Chỉ số chi tiết
D3 · medium	SFC-Locoformer DnRTelkNetPublished DnR Table II	11.83Tốt nhất	DX SNR (dB) ↑16.38Tốt nhấtDX SI-SDR (dB) ↑16.32Tốt nhấtMX SNR (dB) ↑9.70Tốt nhấtMX SI-SDR (dB) ↑9.28Tốt nhấtFX SNR (dB) ↑10.56Tốt nhấtFX SI-SDR (dB) ↑9.88Tốt nhấtSNR trung bình (dB)12.21Tốt nhấtThông số 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) ↑8.20SNR trung bình (dB)11.40Thông số M37.00

Tách lời thoại, hiệu ứng và nhạc từ video · AV-CASS

AV-CASS paper, Table 1

Số liệu lấy từ nguồn công khai trong liên kết. Mỗi dòng ghi bộ thử hoặc checkpoint; mô hình không có kết quả tương ứng sẽ được bỏ qua.

Đã kiểm tra nguồn công khai: 2026-09-10

± biểu thị khoảng tin cậy 95%.

Cấp	Điều kiện thử nghiệm	Mô hình	MOS ↑
#3	Video thực tế	MRXAV-CASS paper Table 1	2.55 ± 0.10
#2	Video thực tế	BandItAV-CASS paper Table 1	3.78 ± 0.10
#1	Video thực tế	AV-CASSAV-CASS paper Table 1	4.13 ± 0.09Tốt nhất

Tách lời thoại, hiệu ứng và nhạc từ video · AV-CASS

AV-CASS paper, Table 2

Số liệu lấy từ nguồn công khai trong liên kết. Mỗi dòng ghi bộ thử hoặc checkpoint; mô hình không có kết quả tương ứng sẽ được bỏ qua.

Đã kiểm tra nguồn công khai: 2026-09-10

Cấp	Điều kiện thử nghiệm	Mô hình	WPR (%) ↓
#3	Lời thoại (DX)	MRXAV-CASS paper Table 2	2.63
#2	Lời thoại (DX)	BandItAV-CASS paper Table 2	0.60
#4	Lời thoại (DX)	DAVIS-FlowAV-CASS paper Table 2	5.88
#1	Lời thoại (DX)	AV-CASSAV-CASS paper Table 2	0.46Tốt nhất
#4	Hiệu ứng âm thanh (FX)	MRXAV-CASS paper Table 2	33.72
#3	Hiệu ứng âm thanh (FX)	BandItAV-CASS paper Table 2	22.41
#1	Hiệu ứng âm thanh (FX)	DAVIS-FlowAV-CASS paper Table 2	14.58Tốt nhất
#2	Hiệu ứng âm thanh (FX)	AV-CASSAV-CASS paper Table 2	19.81
#3	Nhạc (MX)	MRXAV-CASS paper Table 2	6.01
#2	Nhạc (MX)	BandItAV-CASS paper Table 2	0.35
#4	Nhạc (MX)	DAVIS-FlowAV-CASS paper Table 2	35.94
#1	Nhạc (MX)	AV-CASSAV-CASS paper Table 2	0.32Tốt nhất

Tách lời thoại, hiệu ứng và nhạc từ video · AV-CASS

AV-CASS paper, Table 3

Số liệu lấy từ nguồn công khai trong liên kết. Mỗi dòng ghi bộ thử hoặc checkpoint; mô hình không có kết quả tương ứng sẽ được bỏ qua.

Đã kiểm tra nguồn công khai: 2026-09-10

Cấp	Điều kiện thử nghiệm	Mô hình	FAD ↓	Chỉ số chi tiết
#3	Giao thức AVDnR	Hybrid DemucsAV-CASS paper Table 3	2.05	KL ↓1.03SI-SDRi (dB) ↑13.57PESQ ↑2.16WPR (%) ↓5.24
#4	Giao thức AVDnR	HTDemucsAV-CASS paper Table 3	2.08	KL ↓1.06SI-SDRi (dB) ↑13.41PESQ ↑2.06WPR (%) ↓9.23
#7	Giao thức AVDnR	MRXAV-CASS paper Table 3	3.47	KL ↓1.67SI-SDRi (dB) ↑10.60PESQ ↑1.89WPR (%) ↓14.91
#5	Giao thức AVDnR	BandItAV-CASS paper Table 3	2.15	KL ↓1.14SI-SDRi (dB) ↑14.40Tốt nhấtPESQ ↑2.15WPR (%) ↓4.65
#6	Giao thức AVDnR	MSDMAV-CASS paper Table 3	2.90	KL ↓2.90SI-SDRi (dB) ↑11.63PESQ ↑2.12WPR (%) ↓5.65
#8	Giao thức AVDnR	DAVIS-FlowAV-CASS paper Table 3	5.94	KL ↓1.64SI-SDRi (dB) ↑9.25PESQ ↑1.96WPR (%) ↓12.14
#1	Giao thức AVDnR	AV-CASSAV-CASS paper Table 3	0.84Tốt nhất	KL ↓0.93Tốt nhấtSI-SDRi (dB) ↑12.32PESQ ↑2.26Tốt nhấtWPR (%) ↓1.84Tốt nhất
#2	Giao thức AVDnR	AV-CASS audio-onlyMô hình tương ứng trong công cụ: AV-CASSAV-CASS paper Table 3	1.63	KL ↓1.15SI-SDRi (dB) ↑12.23PESQ ↑2.08WPR (%) ↓2.01

Giấy tờ và ghi chú điểm chuẩn

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

Dùng điều kiện hình ảnh và âm thanh của AV-CASS để tách lời thoại, hiệu ứng và nhạc; có thể so sánh trực tiếp với chế độ chỉ dùng âm thanh.

Paper

Chính thức / kho lưu trữ

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

Giấy tờ/ghi chú kỹ thuật

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

Hướng dẫn tham số

Hồ sơ tách: SFC-Locoformer DnR là tuyến dialogue/music/effects mặc định; BandIt và TIGER-DnR là các checkpoint thay thế cho cùng bài toán three-stem.
Stem đầu ra video: khi đầu vào là video, chọn stem đã tách sẽ được ghi lại cùng hình ảnh; chế độ automatic dùng stem chính của công cụ.

Tách lời thoại, nhạc và hiệu ứng

Mô hình, thông số và nguồn

SFC-Locoformer DnR

BandIt

TIGER-DnR

AV-CASS

So sánh mô hình

Bảng xếp hạng công khai: DnR v2 · SI-SDR / Tách lời thoại, hiệu ứng và nhạc từ video · AV-CASS

DnR v2 · SI-SDR

Tách lời thoại, hiệu ứng và nhạc từ video · AV-CASS

Tách lời thoại, hiệu ứng và nhạc từ video · AV-CASS

Tách lời thoại, hiệu ứng và nhạc từ video · AV-CASS

Giấy tờ và ghi chú điểm chuẩn

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

Chính thức / kho lưu trữ

Giấy tờ/ghi chú kỹ thuật

Hướng dẫn tham số

Quy trình làm việc

Trước khi gửi

Hướng dẫn liên quan

Phản hồi nhanh