/ Модель

Характеристики

Лицензия
MIT
Опубликована
17 сен 2026

melbandroformer

Обработка аудиоАудио → аудио

Mel-Band RoFormer отделяет вокал от инструментального сопровождения в музыкальных записях.

0скачиваний за 30 дней6лайковвеса обновлены17 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

Это перепакованная в формат safetensors версия модели Mel-Band RoFormer для отделения вокала от музыкального сопровождения. Исходные веса создала Kimberley Jensen; архитектура основана на BS-RoFormer Фила Ванга, а обучение выполнено с использованием фреймворка Music-Source-Separation-Training Романа Соловьёва. Репозиторий ai-toolkit содержит копию исходных тензоров в точности, в формате fp32.

Модель принимает музыкальную запись и выделяет вокальную дорожку; инструментальную часть можно получить вычитанием вокала из исходного микса. Она предназначена для разделения песен на вокал и сопровождение, например для подготовки караоке или обработки отдельных дорожек. Лицензия — MIT. README не приводит измерений качества или ограничений по типам аудио.

Сценарии применения

  • выделение вокальной дорожки из песни
  • создание инструментальной версии песни для караоке
  • подготовка вокала для ремикса или дальнейшей обработки

Ограничения

Результат ограничен разделением вокала и инструментального сопровождения; README не приводит оценок качества разделения.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Mel-Band RoFormer (vocals) for ai-toolkit

Safetensors repack of Kimberley Jensen's Mel-Band RoFormer vocal separation model, used by ai-toolkit to split songs into a vocals track and an instrumental track (instrumental = mix - vocals).

These weights are not ours. All credit goes to the original authors:

Files

filenotes
melbandroformer_vocals_kj.safetensorsfp32, byte-identical tensors to the original .ckpt. Model kwargs and inference defaults (chunk_size, num_overlap) are stored in the safetensors metadata, so no separate config is needed.

Conversion script: scripts/convert_melbandroformer.py.

Usage

ai-toolkit downloads this file automatically on first use:

python -m toolkit.audio.melbandroformer song.flac
# -> song_vocals.flac, song_instrumental.flac
from toolkit.audio.melbandroformer import load_melbandroformer, separate
model = load_melbandroformer(device="cuda", compile=True)
vocals, instrumental = separate(model, wav, sample_rate)  # wav: [channels, samples]

Input: mono or stereo at any sample rate (resampled to 44.1 kHz internally, output at the input rate).

License

MIT, same as the original weights and code.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Обработка «аудио → аудио» пока не поддерживается.

Ревизия весов
3edcf0c

0 моделей