/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
144 млн
Лицензия
MIT
Архитектура
bert · dense
Библиотека
transformers
Опубликована
7 сен 2025

musicbert

Заполнение пропусковТекст → текст3 профессии

MusicBERT large — BERT-модель для заполнения пропусков и анализа последовательностей символической музыки в формате REMI+BPE.

2 432скачиваний за 30 дней6лайковвеса обновлены13 окт 2025

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

MusicBERT large — модель семейства BERT, опубликованная пользователем manoskary. Она обучена на последовательностях символической музыки в представлении REMI+BPE из корпуса GigaMIDI и предназначена для понимания музыкальных последовательностей и заполнения замаскированных фрагментов. Модель также можно использовать как основу для последующих генеративных задач.

В архитектуре 24 слоя, размер скрытого представления — 768, число параметров в метаданных — 144 млн, длина контекста — 2048 токенов. Модель принимает символические музыкальные последовательности и предсказывает замаскированные токены; непосредственно аудио она не создаёт. Репозиторий содержит веса Safetensors и распространяется по лицензии MIT.

Обучающие данные отражают преимущественно западную тональную музыку, поэтому модель может хуже представлять другие музыкальные традиции. Для работы с длинными структурами README указывает на необходимость разбиения или итеративного декодирования; полученные продолжения могут требовать постобработки для повышения музыкальной связности.

Сценарии применения

  • заполнение пропущенных событий в последовательности MIDI
  • восстановление замаскированных музыкальных токенов
  • анализ символических музыкальных последовательностей
  • подготовка музыкальных представлений для генеративных задач

Ограничения

Обучение на GigaMIDI смещено в сторону западной тональной музыки; модель не генерирует аудио напрямую. Для длинных музыкальных структур требуется разбиение или итеративное декодирование, а продолжения могут нуждаться в постобработке.

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

musicbert

Model Description

MusicBERT large is a 24-layer BERT-style masked language model trained on REMI+BPE symbolic music sequences extracted from the GigaMIDI corpus. It is tailored for symbolic music understanding, fill-mask style infilling, and as a backbone for downstream generative tasks.

  • Checkpoint: 130000 steps
  • Hidden size: 768
  • Parameters: ~150M
  • Validation loss: 1.509289264678955

Training Configuration

  • Objective: Masked language modeling with span-aware masking
  • Dataset: GigaMIDI (REMI tokens → BPE, vocab size 50000)
  • Sequence length: 1024
  • Max events per MIDI: 2048

Inference Example

Using with MIDI files

import torch
from transformers import BertForMaskedLM
from miditok import MusicTokenizer

# Load model and tokenizer
model = BertForMaskedLM.from_pretrained("manoskary/musicbert")
tokenizer = MusicTokenizer.from_pretrained("manoskary/miditok-REMI")

# Convert MIDI to BPE tokens (MIDI → REMI → BPE pipeline)
midi_path = "path/to/your/file.mid"
tok_seq = tokenizer(midi_path)
bpe_ids = tok_seq.ids

# Mask some tokens for prediction
import random
mask_token_id = 3  # MASK_None token
input_ids = bpe_ids.copy()
mask_positions = random.sample(range(1, len(input_ids)-1), k=5)
for pos in mask_positions:
    input_ids[pos] = mask_token_id

# Run inference
input_tensor = torch.tensor([input_ids])
with torch.no_grad():
    outputs = model(input_tensor)
    predictions = outputs.logits[0, mask_positions, :].argmax(dim=-1)

print("Predicted token IDs:", predictions.tolist())

Limitations and Risks

  • Model is trained purely on symbolic data; it does not produce audio directly.
  • The GigaMIDI dataset is biased towards Western tonal music.
  • Long-form structure beyond 1024 tokens requires chunking or iterative decoding.
  • Generated continuations may need post-processing to ensure musical coherence.

Citation

If you use this checkpoint, please cite the original MusicBERT introduction and the GigaMIDI dataset.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · fill-mask

Можно запустить

Подбираем GPU…

Класс архитектуры
BertForMaskedLM
Ревизия весов
345aee2

0 моделей