/ Модель

Характеристики

Размер весов
56,8 МБ
Лицензия
MIT
Библиотека
onnxruntime
Опубликована
11 июл 2026

transkun-onnx

Обработка аудиоАудио → аудио3 профессии

ONNX-экспорт Transkun предназначен для транскрипции фортепианной музыки в ноты и события педалей.

291скачиваний за 30 дней0лайковвеса обновлены11 июл 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

TuesdayCrowd публикует самостоятельный экспорт Transkun в формате ONNX и спецификацию декодирования для транскрипции фортепианной музыки. Исходную модель разработали Yujia Yan, Frank Cwitkowitz и Zhiyao Duan для событийной транскрипции фортепиано с помощью Neural Semi-CRF; репозиторий содержит независимый экспорт и не связан с авторами оригинальной работы. В метаданных указаны библиотека onnxruntime и лицензия MIT.

Пакет включает ONNX-модель со скорером на основе трансформера и semi-CRF, отдельную модель для оценки velocity и субкадровых границ нот, а также константы фронтенда. Вход — монофоническое аудио с частотой 44,1 кГц; по нему система восстанавливает ноты фортепиано, включая sustain и soft pedal, с MIDI-высотами 21–108. Декодирование использует mel-фронтенд, Viterbi-проход semi-CRF и склейку сегментов длиной 16 секунд с шагом 8 секунд. Заявленный в README результат — 0,984 F1 по нотам на MAESTRO.

Экспорт позволяет запускать нейросетевые части через ONNX Runtime без Python или PyTorch во время выполнения, но сам файл ONNX не является готовым транскрайбером: преобразование аудио и декодирование требуют реализации описанной спецификации и reference decoder. Модель специализирована на фортепиано; README не описывает поддержку других инструментов или языковых задач.

Сценарии применения

  • транскрипция исполнения фортепиано из моноаудио
  • извлечение высоты и временных границ фортепианных нот
  • оценка velocity нот в MIDI-транскрипции
  • распознавание событий sustain и soft pedal
  • пакетная обработка музыкальных записей через ONNX Runtime

Ограничения

Модель рассчитана на фортепиано, а не на транскрипцию произвольных инструментов. ONNX-файлы сами по себе не выполняют полный цикл транскрипции: нужны mel-фронтенд и декодирование semi-CRF по спецификации; заявленный результат относится к набору MAESTRO.

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

Transkun — transformer-only ONNX export + decode spec

A self-contained ONNX export of Transkun (Yujia Yan's Neural Semi-CRF piano transcriber, 0.984 MAESTRO note F1) that runs the full model in-process with no Python/PyTorch at runtime. This is not a drop-in .onnx transcriber: torch.fft.rfft and the custom semi-CRF backtracking are not ONNX-exportable, so the mel front end and the Viterbi decode are provided as a documented decode spec + a reference decoder.

Attribution. The model, weights and architecture are the work of Yujia Yan, Frank Cwitkowitz and Zhiyao Duan ("Skipping the Frame-Level: Event-Based Piano Transcription with Neural Semi-CRFs", NeurIPS 2021). This is an independent export + decode spec, not affiliated with or endorsed by the authors. Upstream: https://github.com/Yujia-Yan/Skipping-The-Frame-Level. License: MIT (© 2021 Yujia Yan).

What's in the package

FileRole
transkun.onnx (~53 MB, opset 17)featuresBatch [1,T,229,6] → (S [T,T,90], ctx [90,T,256]) — the transformer + semi-CRF scorer + backbone features
transkun-heads.onnx (~3.4 MB)attr [N,768] → (velLogits [N,128], ofRaw [N,4]) — velocity + sub-frame onset/offset heads
freq2mels.f32 [2049,229], windows.f32 [6,4096], symbols.i32 [90], params.jsonfrozen front-end constants
LICENSE.transkunupstream MIT license
export_transkun.py, export_transkun_heads.pyregeneration scripts (need the transkun PyTorch package)

The decode spec (DECODE_SPEC.md) documents the mel front end, the S layout, the 90-track symbol map ([-64, -67, 21..108] = sustain/soft pedal + MIDI 21–108), the semi-CRF viterbiBackward, the 16 s/8 s segment stitching, and the attribute heads (velocity = argmax; ofValue = ContinuousBernoulli mean).

Reference decoder + validation

The reference decoder is the C# implementation in audio-claudio (mel front end, SemiCrfViterbi, TranskunTranscriber). It is validated note-identical to the native transkun CLI (PyTorch): on the test clips it reaches 100% note-level F1 at ±25 ms with exact velocity on every note — the export + decode spec reproduce the reference implementation, not merely approximate it.

Pipeline (how to run)

audio (mono, 44.1 kHz)
  → mel front end (framing 4096/1024, 6 windows, rfft ortho, freq2mels, log-norm) → featuresBatch
  → transkun.onnx → (S, ctx)
  → semi-CRF viterbiBackward(S) → per-track note intervals, over 16 s/8 s stitched segments
  → gather ctx at interval endpoints → transkun-heads.onnx → velocity + sub-frame onset/offset
  → notes (+ sustain/soft pedal from tracks 0/1)

See the repo's decode spec and TranskunTranscriber for the exact arithmetic (segment padding, forcedStartPos carry, merge, resolveOverlapping).

Как запустить

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

GPU в ailist

Универсальный рантайм · onnxruntime

Нельзя запустить

Модель выложена только в формате ONNX.

Ревизия весов
b445981

0 моделей