Характеристики

Лицензия: Своя лицензия
Библиотека: onnxruntime
Опубликована: 21 сен 2026

Ссылки

Hugging Face arXiv 2211.08553

music-detection-enhanced

aaatmy

Обработка аудиоАудио → аудио

Набор ONNX-моделей для разделения музыки на источники и оценки нот вокальной партии.

0скачиваний за 30 дней0лайковвеса обновлены21 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

aaatmy/music-detection-enhanced — это набор ONNX-моделей для последовательного анализа музыкального аудио. В конвейере применяются HTDemucs для разделения стереозаписи на ударные, бас, прочие инструменты и вокал, затем GAME Large v1.0.3 для оценки нот вокальной партии. Дополнительного обучения и квантизации не проводилось.

Экспорт HTDemucs в формате ONNX подготовлен сообществом на основе весов Meta; это не официальный релиз ONNX от Meta. Для него требуются внешняя обработка STFT/iSTFT, стереоаудио с частотой 44,1 кГц и вход фиксированной длины 343980 сэмплов. Модель GAME Large использует официальные файлы ONNX версии 1.0.3. Прогнозы являются оценками: в выделенном вокале могут оставаться фоновые голоса или инструментальные примеси.

Для весов HTDemucs указана лицензия MIT с атрибуцией Meta Platforms и Ghilda. Веса GAME распространяются по CC BY-NC-SA 4.0: требуется атрибуция, условия ShareAlike и некоммерческое использование; программное обеспечение GAME лицензировано отдельно по MIT. Лицензии отдельных компонентов следует соблюдать независимо от лицензии приложения, использующего их.

Сценарии применения

выделение вокала из музыкального стереомикса
разделение записи на вокал, ударные, бас и остальные инструменты
оценка нот вокальной мелодии в аудиозаписи

Ограничения

Для HTDemucs нужны стерео, частота 44,1 кГц, фиксированная длина фрагмента и внешняя обработка STFT/iSTFT. В выделенном вокале могут сохраняться фоновые голоса и примеси инструментов, а оценки нот не являются гарантией точности.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Music Detection enhanced analysis models

Models used sequentially by https://github.com/Hikari-Tsai/music-detection: single standard HTDemucs vocal separation, release separator, then GAME Large v1.0.3 vocal note estimation. No additional training or quantization.

demucs/htdemucs.onnx: community split-graph FP32 export by Ghilda, sourced from https://huggingface.co/Ghilda/htdemucs-onnx at revision 850cd89461d0817276337061c29e6abceb86d75f. Publisher states weights come from official Meta htdemucs. MIT, Meta Platforms and Ghilda; notices in demucs/. This is not an official Meta ONNX release. Needs external STFT/iSTFT, stereo 44.1 kHz, fixed 343980 samples. Source order drums, bass, other, vocals.
game-large/: unmodified official GAME v1.0.3 Large ONNX files from https://github.com/openvpi/GAME/releases/tag/v1.0.3. Model weights are CC BY-NC-SA 4.0; software is separately MIT. Noncommercial model use only, with attribution and share-alike conditions. See bundled license. The host application's MIT license does not replace model licenses.

HTDemucs paper: Simon Rouard, Francisco Massa and Alexandre Défossez, Hybrid Transformers for Music Source Separation, ICASSP 2023, https://arxiv.org/abs/2211.08553. GAME: attribution and upstream model card https://github.com/openvpi/GAME.

Model predictions are estimates. Separated vocals may retain backing vocals or instrumental bleed. This mirror is not a quality or pitch-accuracy benchmark.

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: 7e8378d