人聲轉 MIDI

模型、參數和來源

VOCANO 先以 Patch-CNN 提取歌聲音高，再由 PyramidNet-110 判斷音符邊界；官方推理入口沒有額外可調模型參數。

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 去噪步數，預設 8；可設為 1–128。
• GAME 音符估計的信心閾值。
• 轉寫後分析原曲節拍並寫入 MIDI 速度，保留音符的實際時間。
• ROSVOT 音符邊界閾值，預設 0.85；可設為 0–1。
• ROSVOT 單詞邊界閾值，預設 0.5；可設為 0–1。