/ Модель

Характеристики

Размер весов
209 МБ
Лицензия
MIT
Библиотека
coreml
Опубликована
16 сен 2026

htdemucs-CoreML

Обработка аудиоАудио → аудио3 профессии

Core ML-конверсия HTDemucs для разделения стереомузыки на вокал, ударные, бас и остальные звуки на macOS.

26скачиваний за 30 дней0лайковвеса обновлены16 сен 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

TrevorJS/htdemucs-CoreML — это конвертированная в Core ML модель Hybrid Transformer Demucs (HTDemucs), разработанная Meta AI для разделения музыки на источники. Она принимает стереозвук и предназначена для обработки на GPU в macOS 15 и новее; указанная реализация обрабатывает сегменты длительностью около 7,8 секунды с частотой 44,1 кГц.

Модель выделяет четыре дорожки: ударные, бас, вокал и остальные звуки. Репозиторий содержит Core ML ML Program в формате float32; README отмечает, что float16 приводит к переполнению. Для работы с моделью хост-приложение должно рассчитывать спектрограмму, восстанавливать аудио и обрабатывать перекрывающиеся сегменты. Конверсия сверялась с PyTorch на синтетическом сегменте.

Модель распространяется по лицензии MIT. Она ориентирована на разделение музыкальных миксов и зависит от совместимого хоста, реализующего описанный аудиоконвейер; запуск заявлен для macOS 15 и новее.

Сценарии применения

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

Ограничения

Запуск заявлен на GPU в macOS 15 и новее; для обработки хост-приложение должно выполнять STFT, обратное преобразование и сшивание сегментов. Реализация использует float32, поскольку float16 приводит к переполнению.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

htdemucs on Core ML

htdemucs (Meta, MIT) as a Core ML .mlpackage, the drums, bass and other model behind slurper. Runs on the GPU on macOS 15 and later.

Graph

The model's real-valued core for one 7.8 s segment at 44.1 kHz, HTDemucs.forward from the normalization to just before _mask, in float32 because float16 overflows:

nameshapemeaning
mix (input)[1, 2, 343980]stereo segment
spec (input)[1, 4, 2048, 336]_magnitude(_spec(mix)): left real, left imaginary, right real, right imaginary
time (output)[1, 8, 343980]denormalized time branch, [source, channel]
freq (output)[1, 16, 2048, 336]denormalized frequency branch, [source, channel, real/imaginary]

Sources are drums, bass, other, vocals. The host computes the STFT (_spec: 4096-point periodic Hann, hop 1024, reflect padding, normalized), inverts freq with _ispec, adds time, and crossfades segments overlapping by a quarter as apply_model does. Sources/SlurperKit/Demucs.swift in slurper is a reference host.

Conversion

scripts/convert_htdemucs.py in slurper: torch.jit.trace of the core with the attention fast path disabled, then coremltools 9.0 to an ML program with float32 precision. Before saving, the Core ML output on the GPU is compared with PyTorch on a synthetic segment: drums 114 dB, bass 128 dB, other 114 dB, vocals 100 dB SDR.

Files

  • htdemucs_fp32.mlpackage/Manifest.json
  • htdemucs_fp32.mlpackage/Data/com.apple.CoreML/model.mlmodel
  • htdemucs_fp32.mlpackage/Data/com.apple.CoreML/weights/weight.bin (209 MB)

Attribution

Hybrid Transformer Demucs by Simon Rouard, Francisco Massa and Alexandre Défossez (Meta AI), MIT. This conversion is MIT as well.

Как запустить

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

GPU в ailist

Универсальный рантайм · coreml

Нельзя запустить

CoreML-модели работают только на устройствах Apple.

Ревизия весов
f46494c

0 моделей