Input-Adaptive Spectral Feature Compression by Sequence Modeling for Source Separation
arXiv - 2026
從影視、劇集和影片素材中提取清晰對白，並把背景聲拆成獨立的音樂和音效兩條音軌。
載入中...
將影視錄音拆成對白、背景音樂和音效，供配音整理與後期混音使用。
輸入
支援 mp3 / wav / flac / ogg / m4a / aac / aif / aiff / mp4 / mov / mkv 等格式輸入
支援格式
輸出
WAV
適用場景
將影視錄音拆成對白、背景音樂和音效，供配音整理與後期混音使用。
按素材和用途選擇模型，查看範例後再提交。
費用、耗時、格式和參數以所選模型為準。
回報時請註明工具名稱、操作步驟和遇到的問題，可附截圖協助定位。
以時頻模型分離影視三軌；這是 TIGER DnR，與雙人語音 TIGER 不同。
輸出對白、音樂和音效三軌，適合配音、影片剪輯與背景重混。
使用頻段分割網路分離對白、音樂和音效；比較對白殘留及背景細節。
將影視聲音分成對白、音樂和音效三條音軌。 輸出 44.1 kHz 單聲道；立體聲輸入先合為單聲道。
arXiv - 2026
從影視、劇集和影片素材中提取清晰對白，並把背景聲拆成獨立的音樂和音效兩條音軌。
IEEE OJSP - 2024
從影視、劇集和影片素材中提取清晰對白，並把背景聲拆成獨立的音樂和音效兩條音軌。
arXiv - 2024
從影視、劇集和影片素材中提取清晰對白，並把背景聲拆成獨立的音樂和音效兩條音軌。
arXiv - 2026
將影視聲音分成對白、音樂和音效三條音軌。 輸出 44.1 kHz 單聲道；立體聲輸入先合為單聲道。
CVPR - 2026
用 AV-CASS 的視覺與音訊條件從影片分離對白、音效與音樂；也可切換純音訊條件直接比較。
3 個輸出分項
僅顯示已核實公開推論實作及對應權重的紀錄（無需權重的演算法除外）。封閉服務、未公開權重或無法匹配實驗版本的紀錄不入榜；這不是全領域總榜。
同一榜單中，每份權重只列一次，顯示目前計分項目的最佳公開成績；綜合分數來自同一次評測。展開可查看各次評測與設定。
公開權重不等於授權完整的開源。權重授權和存取條件請見展開資料；未明確聲明的授權另行標示。
標記表示本站使用的模型或元件；成績與參數以公開測試為準，並非整個處理流程的複測結果。
目前選擇的模型尚無可核實的對應公開成績，因此未列入排名。
切換資料集查看每個模型的完整指標。預設按官方名次或所選指標排序；粗體為相同評測口徑下的欄位最佳值，並列均標出。不同口徑不合併排名，缺分為 -。
| 指標名次 | 模型 | 音樂↑SDR (dB) ↑ | 音效↑SDR (dB) ↑ | 對白↑SDR (dB) ↑ |
|---|---|---|---|---|
| 1 | bandit_v2_multi.ckpt | 9.0271 | 10.7765 | 12.2494 |
| 2 | bandit_63_zfturbo.ckpt | 8.2894 | 9.7179 | 11.1476 |
| 3 | bandit_57_zfturbo.ckpt | 8.0260 | 9.2388 | 10.8392 |
| 4 | bandit_30_zfturbo.ckpt | 8.2824 | 9.4532 | 10.7387 |
| 5 | bandit_plus.ckpt | 6.8979 | 8.9382 | 9.8945 |
| 6 | demucs4_cdx_zfturbo_1.ckpt | 6.5774 | 8.9141 | 9.3908 |
| 7 | demucs4_cdx_zfturbo_3.ckpt | 6.4663 | 8.8205 | 9.3759 |
| 8 | demucs4_cdx_zfturbo_2.ckpt | 6.4385 | 8.7004 | 9.2300 |
| 9 | bandit_last.ckpt | 6.4951 | 8.6135 | 8.2862 |
資料集、版本和條件分別列出，未納入排行的評測也保留來源。
可部署項目 9 / 原表 21 · 資料核對：2026-10-25
以下實驗尚未核實完整的公開推論套件；同名模型的其他權重不能替代。
PT2 · MVSep Ensemble (SCNet + Mel) (2024.11) · MVSep SCNet DnR (2024.11) · MVSep MelBand Roformer DnR (v1, 2024.11) · Bandit v2 (multi) · test_scheme2 · test_scheme1 · test1012 · test_4stems_dnr_0908 · Bandit Plus (no resample) · Bandit Plus (with resample) · test_scheme3
可部署項目 2 / 原表 10
以下實驗尚未核實完整的公開推論套件；同名模型的其他權重不能替代。
MRX-C † · - · Hybrid Demucs (v3) †‡ · - · BS-Locoformer (Small) · C1 · Band-split (64) · SFC-Locoformer (Small) · C2 · SFC-Mamba (64) · SFC-Locoformer (Small) · C3 · SFC-CA (64) · BS-Locoformer (Medium) · D1 · Band-split (64) · SFC-Locoformer (Medium) · D2 · SFC-Mamba (64) · SFC-Locoformer (Medium) † · D4 · SFC-CA (64)
可部署項目 2 / 原表 2
評測分數對應各自的資料集、指標和模型版本，不同測試的分數不能直接比較。
表中只列出有公開權重或設定、可在本機執行的模型。
切換資料集查看每個模型的完整指標。預設按官方名次或所選指標排序；粗體為相同評測口徑下的欄位最佳值，並列均標出。不同口徑不合併排名，缺分為 -。
可部署項目 2 / 原表 10
以下實驗尚未核實完整的公開推論套件；同名模型的其他權重不能替代。
MRX-C † · - · Hybrid Demucs (v3) †‡ · - · BS-Locoformer (Small) · C1 · Band-split (64) · SFC-Locoformer (Small) · C2 · SFC-Mamba (64) · SFC-Locoformer (Small) · C3 · SFC-CA (64) · BS-Locoformer (Medium) · D1 · Band-split (64) · SFC-Locoformer (Medium) · D2 · SFC-Mamba (64) · SFC-Locoformer (Medium) † · D4 · SFC-CA (64)
數值來自所連結的公開來源；列標籤標明測試集或檢查點，未報告的分數顯示為 -。
| 指標名次 | 模型 | 評測條件 | Params. | Speech | Music | Sfx | Average | ||||
|---|---|---|---|---|---|---|---|---|---|---|---|
| SNR↑ | SISDR↑ | SNR↑ | SISDR↑ | SNR↑ | SISDR↑ | SNR↑ | SISDR↑ | ||||
| 1 | SFC-Locoformer (Medium) | D3 · SFC-CA (64) | 16.0 M | 16.38 | 16.32 | 9.70 | 9.28 | 10.56 | 9.88 | 12.21 | 11.83 |
| 2 | BandIt †公開權重 · 推論程式碼 | Band-split (64) | 37.0 M | 15.7 | 15.6 | 8.7 | 8.0 | 9.8 | 8.2 | 11.4 | 10.9 |
切換資料集查看每個模型的完整指標。預設按官方名次或所選指標排序；粗體為相同評測口徑下的欄位最佳值，並列均標出。不同口徑不合併排名，缺分為 -。
作者在 973 條完整 DnR v2 測試音軌上報告的 SI-SDR。兩種模型各用官方視窗和步長，平均值涵蓋音樂、對白和音效；這些不是本站實測，不與其他資料集或訓練方案的分數合併。
| 指標名次 | 模型 | 評測條件 | 平均 SI-SDR (dB) ↑ | MX SI-SDR (dB) ↑ | DX SI-SDR (dB) ↑ | FX SI-SDR (dB) ↑ | 參數量 (M) |
|---|---|---|---|---|---|---|---|
| 1 | DBS-TIGER (128)公開權重 · 推論程式碼 | DnR v2 · 973 · 6 s / 3 s | 10.13 | 7.78 | 15.9 | 6.7 | 1 |
| 2 | DBS-BSRNN (128)公開權重 · 推論程式碼 | DnR v2 · 973 · 3 s / 1.5 s | 9.07 | 6.48 | 15.01 | 5.73 | 4.7 |