人聲旋律轉 MIDI

模型、參數和來源

把清唱、哼唱或已分離的主唱變成可編輯的音符 MIDI。預設使用 ROSVOT；四版對照會分別執行 GAME、ROSVOT、SOME 和 VOCANO，試聽後再選。單模型 5 積分，四版對照 45 積分。

論文與基準說明

參數指南

• 有清唱、哼唱或人聲分軌時選「清唱／人聲分軌」；上傳成品歌曲時選「完整歌曲」，系統會先提取主唱。
• 留空時使用 GAME 官方語言 ID 0。這不是自動辨識；只有知道演唱語言時才選擇對應項目。
• GAME 邊界分段的信心閾值。
• GAME 搜尋邊界的時間半徑，單位為秒。
• GAME 官方 D3PM 排程的起始雜訊時間。
• GAME 的 D3PM 去雜訊步數。上游預設 8、只規定最小值 1；128 是 TelkNet 公開任務上限，不是上游最大值。
• GAME 音符估計的信心閾值。
• 模型推理完成後，Beat This final0 會把有效的固定速度或逐拍速度圖寫入 MIDI，同時保持所有事件的秒級位置不變。若無法產生有效節拍證據，任務會失敗，不會交付模型預設速度的 MIDI。
• ROSVOT 音符邊界信心閾值，上游預設 0.85。0–1 是 TelkNet 輸入驗證範圍，不是上游解析器限制。
• ROSVOT 單字邊界信心閾值，上游預設 0.5。0–1 是 TelkNet 輸入驗證範圍，不是上游解析器限制。