/ Модель
Каталог

Характеристики

Лицензия
Своя лицензия
Библиотека
mlx
Опубликована
30 сен 2026

Ссылки

Hugging Face

bs-roformer-sw

lumabeat
Обработка аудиоАудио → аудио

BS-RoFormer-SW разделяет стереомузыку на шесть дорожек: бас, ударные, прочие инструменты, вокал, гитару и фортепиано.

0скачиваний за 30 дней0лайковвеса обновлены30 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

BS-RoFormer-SW — модель разделения музыкального аудио на шесть источников на основе Band-Split RoFormer, подготовленная LumaBeat для запуска с MLX Swift на компьютерах Apple silicon. Она преобразует стереозапись с частотой 44,1 кГц в отдельные дорожки: бас, ударные, прочие инструменты, вокал, гитару и фортепиано. Архитектура имеет размерность 256, глубину 12 и 8 голов внимания; обработка выполняется чанками по 13,35 секунды с перекрытием.

Репозиторий содержит веса float16 в формате safetensors и конфигурацию модели. Это преобразование исходного чекпойнта в другой формат и точность, без обучения или дообучения. Модель сверялась с PyTorch-реализацией: float32-порт совпадает с эталоном с отклонением до 1,5×10⁻⁵, а результат float16 имеет SDR 53–66 дБ относительно float32. Лицензия указана как other, поэтому конкретные условия использования следует проверять отдельно; исходный чекпойнт указан как основанный на BS-Roformer-SW.

Сценарии применения

  • извлечение вокала из музыкальной записи
  • разделение песни на дорожки инструментов
  • выделение баса и ударных из микса
  • извлечение гитарной партии из песни
  • извлечение партии фортепиано из музыкального микса

Ограничения

Модель рассчитана на стереоаудио с частотой 44,1 кГц и разделяет его на заданные шесть источников. Результат float16 отличается от float32-эталона на 53–66 дБ SDR.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

BS-RoFormer-SW (float16 safetensors)

A 6-stem music source separation model (Band-Split RoFormer), converted to float16 safetensors, to runs on Apple silicon with MLX Swift.

  • Stems, in output order: bass, drums, other, vocals, guitar, piano
  • Audio: 44.1 kHz stereo
  • STFT: n_fft 2048, hop 512, window 2048; the DC bin is zeroed (zero_dc)
  • Model: dim 256, depth 12 (one time and one frequency transformer layer each), 8 heads of 64, 62 bands (freqs_per_bands in the config), mask estimator depth 2
  • Inference: chunks of 588,800 samples (13.35 s), 2 overlaps (step of half a chunk)

Files

FileBytesSHA-256
bs_roformer_sw.safetensors349,521,1446c8303a829575d03f21562ea185be7b6b23e922052883dec1b9518ca00a920fc
bs_roformer_sw_config.json1,145193f6ef7fcd03f6144eac5017b2b3ec4b1808dbc5ee8dd94f484b72b1e014fdd

The weights keep their original PyTorch names (the MSST BSRoformer module). The config holds the model and audio settings, the stem order and the band layout. LumaBeat Monitor pins this repository's revision and both hashes, and refuses files that do not match.

Origin

This is a format conversion only: no training or fine-tuning was done here.

  • Source checkpoint: BS-Roformer-SW.ckpt, SHA-256 24e7d35ee9c64415673d3fd33e06a67cac2c103c5df6267ba1576459c775916e (699 MB), re-hosted by jarredou as jarredou/BS-ROFO-SW-Fixed (no longer available) and mirrored at lainlives/audio-separator-models (revision 3b39120).
  • Conversion: the checkpoint was loaded with torch.load(weights_only=True) (no code in it runs), the rotary frequencies were checked to be the defaults (they are recomputed at load time), and the tensors were written as float16 safetensors. The conversion is deterministic.
  • Checked against the PyTorch reference (ZFTurbo's Music-Source-Separation-Training): the float32 port matches within 1.5e-5, and float16 output is 53–66 dB SDR from the float32 output.

License

Unknown. The original trainer is unknown and no license was stated with the checkpoint; the re-host owner has said they were not involved in training and have no provenance information. This repository states that plainly rather than assigning a license it cannot grant.

The architecture code this model is built for is MIT-licensed: lucidrains/BS-RoFormer and ZFTurbo/Music-Source-Separation-Training. The BS-RoFormer architecture is from Music Source Separation with Band-Split RoPE Transformer (Lu et al., 2023).

If you trained this model or hold rights to it, please open a discussion on this repository: we will credit you, add your license, or take the files down.

Как запустить

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

GPU в ailist

Универсальный рантайм · mlx

Нельзя запустить

MLX-модели работают только на Apple Silicon.

Ревизия весов
24f22b2

0 моделей

    Создать бенчмарк