載入中...

鼓組分離 · MDX23C DrumSep / IDM · TelkNet

分離與拆軌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 · OBTB · 論文

鼓組分離

將鼓錄音拆成可獨立編輯的鼓件音軌，支援 DrumSep、IDM 和 MSG-LD。依素材選擇完整混音或獨立鼓軌，比較各模型的鼓件類別與輸出格式，試聽後下載 WAV；起音表與 MIDI 僅由支援轉寫的模型提供。

35 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

將鼓軌拆為各鼓件音軌，支援 IDM 與 MSG-LD。

選擇主模型

鼓組 5/6 軌分離 · MDX23C DrumSep可用把鼓組分成五或六軌音訊；六軌版會分開疊音鈸與碎音鈸。鼓組 9 軌分離 · IDM可用IDM 輸出九類鼓件音軌，不輸出 MIDI。鼓組 5 軌分離 · MSG-LD可用分離五類鼓聲並偵測擊打，便於鼓組編輯；版本採用不同輔助訓練分支。

選擇系列內版本與處理方式

鼓組分離 · 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。推薦可用鼓組分離 · 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。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。

MDX23C DrumSep · 5 stemsPinned MSST pretrained-model tableMDX23C DrumSep · 6 stemsA Semantically Consistent Dataset for Data-Efficient Query-Based Universal Sound SeparationDrumSepdrum kit separationkick snare toms cymbalsBS-RoFormer SW Fixedtwo-stage drum separationfull mix drum extractionisolated drum stem splitterdrum stem separation

MDX23C DrumSep · 5 stems

MDX23C DrumSep · 5 stems：鼓組混音、替換、瞬態剪輯、練習軌道，以及以鼓為中心的分析。

Official 5-stem checkpoint Official 5-stem config Pinned immutable mirror used by TelkNet

MDX23C DrumSep · 6 stems

MDX23C DrumSep · 6 stems：鼓組混音、替換、瞬態剪輯、練習軌道，以及以鼓為中心的分析。

Official 6-stem checkpoint Official 6-stem config Pinned checkpoint bytes used by TelkNet

IDM

IDM 輸出九類鼓件音軌，不輸出 MIDI。

bernardo-torres/inverse-drum-machine IDM · checkpoint ddman1101/Separate-and-detect MSG-LD · checkpoint IDM

wiener 使用官方 Wiener 遮罩；none 關閉遮罩。
Wiener 遮罩的冪指數，官方預設 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。
IDM 輸出九類鼓聲 WAV。nSDR、LSD 與 PES 衡量音訊分離，並非 MIDI 轉錄分數，也不與 MSG-LD 的 FAD 混排。

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。

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。

論文與基準說明

A Semantically Consistent Dataset for Data-Efficient Query-Based Universal Sound Separation

ICML - 2026

可用 AudioSep-Hive、FlowSep-Hive 或 CLAPSep 依開放詞彙描述擷取聲音，也可用 Banquet 依 10 秒參考音訊分離相符的聲源。

arXiv:2601.22599

The Inverse Drum Machine: Source Separation Through Joint Transcription and Analysis-by-Synthesis

arXiv - 2025

IDM 輸出九類鼓件音軌，不輸出 MIDI。

IDM

Separate-and-Detect: Unified Drum Transcription and Stem Generation via Latent Diffusion

arXiv - 2026

MSG-LD

官方 / 倉庫

Official 5-stem checkpoint Official 5-stem config Pinned immutable mirror used by TelkNet Official 6-stem checkpoint Official 6-stem config Pinned checkpoint bytes used by TelkNet bernardo-torres/inverse-drum-machine IDM · checkpoint ddman1101/Separate-and-detect MSG-LD · checkpoint

論文/技術筆記

IDM MSG-LD

參數指南

wiener 使用官方 Wiener 遮罩；none 關閉遮罩。
Wiener 遮罩的冪指數，官方預設 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。
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。

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選擇 IDM 或 MSG-LD 並提交任務，試聽各鼓件後下載 WAV；MSG-LD 另提供起音 CSV 和 MIDI。

檢查重點

IDM 輸出九類鼓件，MSG-LD 輸出五類；MIDI 記錄鼓的起音，不代表旋律音高。

同領域模型排行

5 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。

公開測試條件

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。

測試榜單

MSG-LD · Table 1

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 5

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。

LarsNet · 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 1
指標名次	模型	Kick↑	Snare↑	Toms↑	Hi-Hats↑	Cymbals↑	Overall↑
1	MSG-LD OBTB本站模型公開權重 · 推論程式碼推論程式碼權重授權（儲存庫聲明）：mit	0.78	1.42	1.41	4.30	3.52	2.29
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	1.03	1.33	1.45	3.46	1.92	2.12

原始紀錄（2 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 · Table 1 ↗資料核對：2026-10-25

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。

MVSEP · 鼓組細分 (DrumSep) ↗
可部署項目 2 / 原表 15 · 資料核對：2026-10-25
未納入排行：13 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。
DrumSep Mel Band Roformer v2 (4 stems) · BS Roformer DrumSep (small by jarredou) · DrumSep SCNet XL (5 stems) · DrumSep SCNet XL (6 stems) · DrumSep SCNet XL (4 stems) · DrumSep Mel Band Roformer (6 stems) · DrumSep Mel Band Roformer (4 stems) · MDX23XC Drumsep 5 stems (jarredou) · DTTNET+Mixer test · DrumSep model by aufr33 and jarredou (MDX23C, 6 stems) · Spectralayers 12.0 drumsep model · DrumSep model by inagoy (HDemucs, 4 stems)
IDM · Table III ↗
可部署項目 1 / 原表 1
MSG-LD · Table 1 ↗
可部署項目 2 / 原表 5
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。
LarsNet · MSG-LD Vanilla · MSG-LD TB
MSG-LD · Table 2 ↗
可部署項目 2 / 原表 5
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。
LarsNet · MSG-LD Vanilla · MSG-LD TB
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。

IDM · Table III

可部署項目 1 / 原表 1

IDM 輸出九類鼓聲 WAV。nSDR、LSD 與 PES 衡量音訊分離，並非 MIDI 轉錄分數，也不與 MSG-LD 的 FAD 混排。

依指標排名

IDM · Table III
指標名次	模型	kick · Masked			kick · Synthesized		snare · Masked			snare · Synthesized		hihat_closed · Masked			hihat_closed · Synthesized		hihat_open · Masked			hihat_open · Synthesized		hi_tom · Masked			hi_tom · Synthesized		mid_tom · Masked			mid_tom · Synthesized		low_tom · Masked			low_tom · Synthesized		ride · Masked			ride · Synthesized		crash_left · Masked			crash_left · Synthesized
指標名次	模型	nSDR ↑	LSD ↓	PES ↓	LSD ↓	PES ↓	nSDR ↑	LSD ↓	PES ↓	LSD ↓	PES ↓	nSDR ↑	LSD ↓	PES ↓	LSD ↓	PES ↓	nSDR ↑	LSD ↓	PES ↓	LSD ↓	PES ↓	nSDR ↑	LSD ↓	PES ↓	LSD ↓	PES ↓	nSDR ↑	LSD ↓	PES ↓	LSD ↓	PES ↓	nSDR ↑	LSD ↓	PES ↓	LSD ↓	PES ↓	nSDR ↑	LSD ↓	PES ↓	LSD ↓	PES ↓	nSDR ↑	LSD ↓	PES ↓	LSD ↓	PES ↓
-	IDM 公開權重 · 推論程式碼推論程式碼權重授權未說明	17.47	2.58	− 54.37	1.84	− 55.46	17.29	1.73	− 57.20	1.83	− 58.87	1.66	1.90	− 55.88	1.94	− 56.83	6.68	1.71	− 59.81	1.86	− 59.99	8.50	1.16	− 59.57	1.03	− 59.85	6.41	1.11	− 59.62	0.90	− 59.70	7.35	1.62	− 59.30	1.32	− 59.57	2.12	2.09	− 59.57	2.24	− 59.65	4.78	2.84	− 59.88	2.99	− 59.94

原始紀錄（1 筆）

IDM · Table III ↗資料核對：2026-10-25

MSG-LD · Table 1

可部署項目 2 / 原表 5

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。

LarsNet · 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 1
指標名次	模型	Kick↑	Snare↑	Toms↑	Hi-Hats↑	Cymbals↑	Overall↑
1	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	0.78	1.42	1.41	4.30	3.52	2.29
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	1.03	1.33	1.45	3.46	1.92	2.12

原始紀錄（2 筆）

MSG-LD · Table 1 ↗資料核對：2026-10-25

MSG-LD · Table 2

可部署項目 2 / 原表 5

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。

LarsNet · 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 2
指標名次	模型	Kick↑	Snare↑	Toms↑	Hi-Hats↑	Cymbals↑	Mean↑
1	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	0.23	0.09	0.13	0.48	0.82	0.35
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	0.32	0.10	0.16	0.38	0.71	0.33

原始紀錄（2 筆）

MSG-LD · Table 2 ↗資料核對：2026-10-25

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