/ Модель

Характеристики

Лицензия
MIT
Библиотека
onnx
Опубликована
3 окт 2026

htdemucs-onnx

Обработка аудиоАудио → аудио

Зеркальная ONNX-копия HT-Demucs разделяет стереомузыку на вокал, ударные, бас и прочие источники.

0скачиваний за 30 дней0лайковвеса обновлены3 окт 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

HT-Demucs 4-stem — ONNX представляет собой зеркальную копию модели Meta HT-Demucs в формате ONNX с весами fp16. Репозиторий содержит граф, сконвертированный проектом StemSplitio; автор карточки указывает, что скопировал файл без изменений из StemSplitio/htdemucs-onnx.

Модель разделяет стереомикс музыки на четыре источника: ударные, бас, прочие инструменты и вокал. Вход графа рассчитан на сегмент длиной около 7,8 секунды при частоте 44,1 кГц; более длинные записи обрабатываются перекрывающимися сегментами со сглаживанием стыков. Репозиторий распространяется по лицензии MIT.

В README приведены измерения для CPU на MacBook Air с M4: обработка четырёхминутной стереопесни занимает 3,6–4,7 минуты, пиковое потребление памяти всего приложения составляет 4,35 ГБ. Это зеркальная копия стороннего экспорта, а не собственная конверсия автора репозитория; качество разделения и скорость могут зависеть от среды выполнения.

Сценарии применения

  • извлечение вокала из стереопесни
  • выделение ударных для ремикса
  • отделение басовой партии из музыкального микса
  • подготовка отдельных музыкальных дорожек для сведения
  • создание инструментальной версии песни

Ограничения

Граф принимает стереосегменты длиной около 7,8 секунды при 44,1 кГц, поэтому длинные записи требуют сегментации и склейки. Указанные в README скорость и потребление памяти относятся к конкретной конфигурации CPU и могут отличаться в других средах.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

HT-Demucs 4-stem — ONNX (fp16 weights)

Meta's HT-Demucs — drums, bass, other, vocals — as one ONNX graph, mirrored unchanged so that Chopmatic does not depend on anyone else keeping their copy up.

This is a mirror, not our export. The file is byte-for-byte htdemucs_fp16weights.onnx from StemSplitio/htdemucs-onnx at commit d54ed9eb60e258ea82131c6ee14578628816456a. Their card has the export details and a reference infer.py.

filesizeSHA-256
htdemucs_fp16weights.onnx165,612,636 bytesd05c269d0178d2a72ad484b10b11dd370193fc923201c3b27a99f848745db70a

Shape

  • input mix: [1, 2, 343980] — 7.8 s of 44.1 kHz stereo
  • output stems: [1, 4, 2, 343980] — sources in the order drums, bass, other, vocals

Longer audio is split into overlapping segments and crossfaded; the reference infer.py overlaps by a quarter with a linear ramp.

Measured here

On onnxruntime 1.20, CPU provider, an M4 MacBook Air (16 GB):

sum(4 stems) vs mix, relative RMS0.016
Four-minute stereo song, end to end3.6–4.7 minutes
Peak resident memory, whole app4.35 GB

Licence

MIT. HT-Demucs is © Meta Platforms, Inc. and affiliates — see LICENSE. The ONNX export is StemSplitio's, also published under MIT.

The training data is stated here rather than glossed. Meta's README lists htdemucs as trained on MUSDB18-HQ plus 800 further songs, and MUSDB18's tracks are licensed for non-commercial research. Whether that term reaches weights trained on them is unresolved; the code and the weights are released under MIT, and nothing upstream says otherwise. Anyone shipping this commercially should make that call knowingly.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · onnx

Нельзя запустить

Обработка «аудио → аудио» пока не поддерживается.

Ревизия весов
21b550e

0 моделей