載入中...

鼓點轉 MIDI · MSG-LD / ADTOF · TelkNet

轉 MIDI / 扒譜GPU 執行Separate-and-detect · 原始碼 Separate-and-Detect · 權重 vae-ckpt.ckpt · 權重 hifigan-ckpt.ckpt · 權重 vgg16-397923af.pth · 權重 vgg.pth · 權重 955717e8-8726e21a.th · 權重 madmom_models · 權重 MSG-LD · OB · 論文

鼓點轉 MIDI

ADTOF Plus · ADTOF Direct · ADT_STR · MSG-LD. 完整混音先經過鼓聲分離；獨立鼓軌直接進行音符轉寫或拆分成各種鼓件。

15 積分/次檔案輸入最大 100 MB預計 20-1800 秒

輸入

支援 mp3 / wav / flac / ogg / m4a / aac / aif / aiff / mp4 / mov / mkv 等格式輸入

支援格式

mp3wavflacoggm4aaacaifaiffmp4movmkv

輸出

5 × WAV · MIDI · CSV

適用場景

編輯音符、配器與演奏細節。

選擇主模型

鼓點轉 MIDI · MSG-LD可用先分鼓聲再偵測起音，生成鼓 MIDI 草稿；力度及音符播放長度固定。鼓點轉 MIDI · ADTOF可用鼓組轉 MIDI；Plus 增加力度與開閉踩鈸處理，Direct 提供直接轉錄。鼓點轉 MIDI · ADT_STR可用辨識 26 類鼓聲的起音與力度；三個 τ 版本對應不同訓練設定。

選擇系列內版本與處理方式

鼓點轉 MIDI · MSG-LD · OB使用起音輔助分支訓練的版本，生成五類鼓軌並偵測鼓點。推薦可用鼓點轉 MIDI · MSG-LD · OBTB使用起音與音色輔助分支訓練的版本，生成五類鼓軌並偵測鼓點。可用

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。

提供鼓聲部分離及敲擊位置；MIDI 力度統一為 100，每個事件長 0.1 秒，不影響完整 WAV 的時長。

一鍵回饋

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。

模型、參數和來源

MSG-LD 生成五類鼓件音軌並偵測起音；MIDI 力度固定為 100，播放時長固定為 0.1 秒。

MSG-LD · OBADTOF-PyTorch READMEADTOF (original)ADTOF Direct · PyTorchADTOF Plus paper, Table 1ADTOF PlusOriginal ADTOFADTOF Plus paper, Table 2Vogl et al. 8-class baselineADT-STR · Table 2ADT-STR Setting-1ADT-STR Setting-2

MSG-LD · OB

ddman1101/Separate-and-detect MSG-LD · checkpoint MSG-LD

msgld_ob 使用起音分支；msgld_obtb 同時使用起音與音色分支。
DDIM 取樣步數，預設 200。可使用 50、100、200、250 或 500；部分其他數值不受模型支援。
完整混音先經過鼓聲分離；獨立鼓軌直接進行音符轉寫或拆分成各種鼓件。
論文分別報告 OB、TB 與 OBTB，OB 分數不能歸給預設 OBTB。音符 F1 與音訊 mel-MSE/FAD 分表顯示；論文偵測流程的分數並非本站複測結果。

MSG-LD · OBTB

ddman1101/Separate-and-detect MSG-LD · checkpoint MSG-LD

msgld_ob 使用起音分支；msgld_obtb 同時使用起音與音色分支。
DDIM 取樣步數，預設 200。可使用 50、100、200、250 或 500；部分其他數值不受模型支援。
完整混音先經過鼓聲分離；獨立鼓軌直接進行音符轉寫或拆分成各種鼓件。
論文分別報告 OB、TB 與 OBTB，OB 分數不能歸給預設 OBTB。音符 F1 與音訊 mel-MSE/FAD 分表顯示；論文偵測流程的分數並非本站複測結果。

ADTOF Plus

ADTOF Plus 在 ADTOF 轉寫之外加入鼓聲分離、力度對應及開閉鈸處理，可接受完整混音。

ADTOF Plus source (pinned)ADTOF PyTorch source (pinned)ADTOF Plus paper ADTOF ISMIR 2021 paper Pinned ADTOF Plus technical guide

上傳完整混音時開啟，以便先分離鼓聲；上傳獨立鼓軌時關閉。
ADTOF Plus 的鼓點偵測閾值；留空使用模型預設值。
轉寫後分析原曲節拍並寫入 MIDI 速度，保留音符的實際時間。

ADTOF Direct · PyTorch

ADTOF Direct 使用 PyTorch 版 ADTOF 轉寫獨立鼓軌。選擇完整混音時，TelkNet 先用 AudioSep-Hive 提取鼓聲；不使用 Plus 的力度及開閉鈸後製處理。

ADTOF PyTorch source (pinned)Original ADTOF source ISMIR 2021 paper materials Signals 2023 paper

分別調整大鼓、小鼓、腳踏鈸、通鼓和鈸片的偵測閾值。
時間解析度，預設 100 FPS；修改可能影響轉寫效果。
轉寫後分析原曲節拍並寫入 MIDI 速度，保留音符的實際時間。

ADT_STR · tau=0.8

ADT_STR 辨識 26 類鼓件的起音與力度，匯出 MIDI。

pier-maker92/ADT_STR ADT_STR · checkpoint ADT_STR

選擇官方發布的權重版本。
每個片段最多生成的 token 數，官方預設 1024。
官方推論批次大小，控制同時處理的片段數。
完整混音先經過鼓聲分離；獨立鼓軌直接進行音符轉寫或拆分成各種鼓件。
表 2 的 Setting-1 至 Setting-4 是訓練實驗，不是可選的 τ=0.4/0.6/0.8 權重。分數來自純鼓音軌，不能代表完整混音效果。

ADT_STR · tau=0.4

ADT_STR 辨識 26 類鼓件的起音與力度，匯出 MIDI。

pier-maker92/ADT_STR ADT_STR · checkpoint ADT_STR

選擇官方發布的權重版本。
每個片段最多生成的 token 數，官方預設 1024。
官方推論批次大小，控制同時處理的片段數。
完整混音先經過鼓聲分離；獨立鼓軌直接進行音符轉寫或拆分成各種鼓件。
表 2 的 Setting-1 至 Setting-4 是訓練實驗，不是可選的 τ=0.4/0.6/0.8 權重。分數來自純鼓音軌，不能代表完整混音效果。

ADT_STR · tau=0.6

ADT_STR 辨識 26 類鼓件的起音與力度，匯出 MIDI。

pier-maker92/ADT_STR ADT_STR · checkpoint ADT_STR

選擇官方發布的權重版本。
每個片段最多生成的 token 數，官方預設 1024。
官方推論批次大小，控制同時處理的片段數。
完整混音先經過鼓聲分離；獨立鼓軌直接進行音符轉寫或拆分成各種鼓件。
表 2 的 Setting-1 至 Setting-4 是訓練實驗，不是可選的 τ=0.4/0.6/0.8 權重。分數來自純鼓音軌，不能代表完整混音效果。

論文與基準說明

Enhanced Automatic Drum Transcription via Drum Stem Source Separation

arXiv - 2025

Paper Pinned implementation

ADTOF: A large dataset of non-synthetic music for automatic drum transcription

ISMIR - 2021

Paper Paper materials

High-Quality and Reproducible Automatic Drum Transcription from Crowdsourced Data

Signals - 2023

Paper

官方 / 倉庫

ddman1101/Separate-and-detect MSG-LD · checkpoint ADTOF Plus source (pinned)ADTOF PyTorch source (pinned)Original ADTOF source pier-maker92/ADT_STR ADT_STR · checkpoint

論文/技術筆記

MSG-LD ADTOF Plus paper ADTOF ISMIR 2021 paper Pinned ADTOF Plus technical guide ISMIR 2021 paper materials Signals 2023 paper ADT_STR

參數指南

上傳完整混音時開啟，以便先分離鼓聲；上傳獨立鼓軌時關閉。
ADTOF Plus 的鼓點偵測閾值；留空使用模型預設值。
分別調整大鼓、小鼓、腳踏鈸、通鼓和鈸片的偵測閾值。
時間解析度，預設 100 FPS；修改可能影響轉寫效果。
轉寫後分析原曲節拍並寫入 MIDI 速度，保留音符的實際時間。

操作建議

1完整混音先經過鼓聲分離；獨立鼓軌直接進行音符轉寫或拆分成各種鼓件。
2下載鼓 MIDI，在鼓編輯器中核對大鼓、小鼓、腳踏鈸及其他鼓件。

檢查重點

完整混音先經過鼓聲分離；獨立鼓軌直接進行音符轉寫或拆分成各種鼓件。
時間解析度，預設 100 FPS；修改可能影響轉寫效果。

同領域模型排行

3 筆參評紀錄

包含本站與站外的公開測試結果。預設顯示來源完整表，也可切換條件和指標比較；不同測試條件的分數不能直接比較。

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。

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。

測試榜單排行分項

MSG-LD / ADTOF / LarsNet · MDB + ENST · 5 classes · 50 ms

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 -。

依指標排名

MSG-LD / ADTOF / LarsNet · MDB + ENST · 5 classes · 50 ms
指標名次	模型	MDB · Overall	ENST · Overall	MDB					ENST
指標名次	模型	MDB · Overall	ENST · Overall	Kick↑F1 (%)	Snare↑F1 (%)	Toms↑F1 (%)	Hi-Hats↑F1 (%)	Cymbals↑F1 (%)	Kick↑F1 (%)	Snare↑F1 (%)	Toms↑F1 (%)	Hi-Hats↑F1 (%)	Cymbals↑F1 (%)
1	ADTOF 公開權重 · 推論程式碼公開權重推論程式碼`Frame_RNN_adtofAll_0.data-00000-of-00001 + .index`權重授權（儲存庫聲明）：CC-BY-NC-SA-4.0	79.5	70.9	85.1	75.2	52	77.3	84.9	79.5	59.9	58.1	77.7	65.7
2	MSG-LD OB本站模型公開權重 · 推論程式碼公開權重推論程式碼權重授權（儲存庫聲明）：mit	70.7	64	93.1	76	26.8	65	48.1	82.1	64.2	49.1	63	39.1
3	MSG-LD OBTB 公開權重 · 推論程式碼公開權重推論程式碼權重授權（儲存庫聲明）：mit	69	63.6	-	-	-	-	-	-	-	-	-	-

原始紀錄（3 筆）

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。

MSG-LD · Tables 3–4 ↗資料核對：2026-09-27

全部評測來源（6）

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。

ADTOF-PyTorch README ↗
可部署項目 2 / 原表 2
鼓點轉 MIDI ↗
可部署項目 6 / 原表 6
鼓點轉 MIDI ↗
可部署項目 3 / 原表 6
未納入排行：3 項
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。
Vogl et al. 8-class baseline · MDB · 8-class evaluation · onset only · 50 ms · Vogl et al. 8-class baseline · RBMA · 8-class evaluation · onset only · 50 ms · Vogl et al. 8-class baseline · ENST · 8-class evaluation · onset only · 50 ms
ADT-STR · Table 2 ↗
可部署項目 0 / 原表 8
未納入排行：8 項
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。
Setting-1 · ENST · Setting-2 · ENST · Setting-3 · ENST · Setting-4 · ENST · Setting-1 · MDB · Setting-2 · MDB · Setting-3 · MDB · Setting-4 · MDB
MSG-LD · Table 3 ↗
可部署項目 2 / 原表 3
未納入排行：1 項
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。
LarsNet
MSG-LD · Table 4 ↗
可部署項目 2 / 原表 4
未納入排行：2 項
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。
MSG-LD Vanilla · MSG-LD TB

所有原始成績及來源

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。

ADTOF-PyTorch README

可部署項目 2 / 原表 2

ADTOF-PyTorch README · PyTorch 88.51 · Keras 88.74

依指標排名

ADTOF-PyTorch README
指標名次	模型	Recall↑	Precision↑	F-measure↑
1	ADTOF (original) 公開權重 · 推論程式碼 Frame_RNN_adtofAll_0.data-00000-of-00001 + .index 推論程式碼權重授權（儲存庫聲明）：CC-BY-NC-SA-4.0	88.68	89.90	88.74
2	ADTOF-pytorch 公開權重 · 推論程式碼 src/adtof_pytorch/data/adtof_frame_rnn_pytorch_weights.pth 推論程式碼權重授權未說明	88.26	89.83	88.51

原始紀錄（2 筆）

ADTOF-PyTorch README ↗資料核對：2026-10-25

鼓點轉 MIDI

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 -。

評測條件依指標排名

鼓點轉 MIDI
指標名次	模型	評測條件	F1 (%)↑	精確率 (%)↑	召回率 (%)↑
1	ADTOF Plus 公開權重 · 推論程式碼 MDX23C 5-stem MDX23C full-mix drums ADTOF PyTorch 推論程式碼`drumsep_5stems_mdx23c_jarredou.ckpt`權重授權（儲存庫聲明）：mit	MDB · 5 classes · onset only · 50 ms	89	89	89
2	Original ADTOF 公開權重 · 推論程式碼 Frame_RNN_adtofAll_0.data-00000-of-00001 + .index 推論程式碼權重授權（儲存庫聲明）：CC-BY-NC-SA-4.0	MDB · 5 classes · onset only · 50 ms	87	-	-

原始紀錄（6 筆）

ADTOF Plus paper, Table 1 ↗

鼓點轉 MIDI

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 -。

評測條件依指標排名

鼓點轉 MIDI
指標名次	模型	評測條件	F1 (%)↑	精確率 (%)↑	召回率 (%)↑
-	ADTOF Plus 公開權重 · 推論程式碼 MDX23C 5-stem MDX23C full-mix drums ADTOF PyTorch 推論程式碼`drumsep_5stems_mdx23c_jarredou.ckpt`權重授權（儲存庫聲明）：mit	MDB · 8-class evaluation · onset only · 50 ms	84	84	84

原始紀錄（3 筆）

ADTOF Plus paper, Table 2 ↗

MSG-LD · Table 3

可部署項目 2 / 原表 3

未納入排行：1 項

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。

LarsNet

論文分別報告 OB、TB 與 OBTB，OB 分數不能歸給預設 OBTB。音符 F1 與音訊 mel-MSE/FAD 分表顯示；論文偵測流程的分數並非本站複測結果。

依指標排名

MSG-LD · Table 3
指標名次	模型	MDB · Kick			MDB · Snare			MDB · Toms			MDB · Hi-Hats			MDB · Cymbals			MDB · Overall			ENST · Kick			ENST · Snare			ENST · Toms			ENST · Hi-Hats			ENST · Cymbals			ENST · Overall
指標名次	模型	F1↑	P↑	R↑	F1↑	P↑	R↑	F1↑	P↑	R↑	F1↑	P↑	R↑	F1↑	P↑	R↑	F1↑	P↑	R↑	F1↑	P↑	R↑	F1↑	P↑	R↑	F1↑	P↑	R↑	F1↑	P↑	R↑	F1↑	P↑	R↑	F1↑	P↑	R↑
1	ADTOF 公開權重 · 推論程式碼 Frame_RNN_adtofAll_0.data-00000-of-00001 + .index 推論程式碼權重授權（儲存庫聲明）：CC-BY-NC-SA-4.0	0.851	0.790	0.923	0.752	0.828	0.690	0.520	0.520	0.520	0.773	0.859	0.703	0.849	0.802	0.902	0.795	0.813	0.778	0.795	0.984	0.667	0.599	0.932	0.441	0.581	0.669	0.513	0.777	0.936	0.663	0.657	0.788	0.563	0.709	0.908	0.582
2	MSG-LD OB 公開權重 · 推論程式碼推論程式碼權重授權（儲存庫聲明）：mit	0.931	0.939	0.923	0.760	0.791	0.732	0.268	0.309	0.236	0.650	0.550	0.794	0.481	0.663	0.377	0.707	0.709	0.704	0.821	0.941	0.729	0.642	0.698	0.594	0.491	0.415	0.602	0.630	0.643	0.618	0.391	0.611	0.287	0.640	0.695	0.593

原始紀錄（2 筆）

MSG-LD · Table 3 ↗資料核對：2026-10-25

MSG-LD · Table 4

可部署項目 2 / 原表 4

未納入排行：2 項

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。

MSG-LD Vanilla · MSG-LD TB

論文分別報告 OB、TB 與 OBTB，OB 分數不能歸給預設 OBTB。音符 F1 與音訊 mel-MSE/FAD 分表顯示；論文偵測流程的分數並非本站複測結果。

依指標排名

MSG-LD · Table 4
指標名次	模型	MDB Overall			ENST Overall			Mean overall F1 (2 sets)
指標名次	模型	F1↑	P↑	R↑	F1↑	P↑	R↑	F1↑	P↑	R↑
1	MSG-LD OB 公開權重 · 推論程式碼推論程式碼權重授權（儲存庫聲明）：mit	0.707	0.709	0.704	0.640	0.695	0.593	0.674	0.674	0.674
2	MSG-LD OBTB 公開權重 · 推論程式碼推論程式碼權重授權（儲存庫聲明）：mit	0.690	0.709	0.672	0.636	0.703	0.580	0.663	0.663	0.663

原始紀錄（2 筆）

MSG-LD · Table 4 ↗資料核對：2026-10-25