/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
444 млн
Лицензия
MIT
Архитектура
bert · dense
Библиотека
transformers
Опубликована
9 окт 2025

musicbert-large

Заполнение пропусковТекст → текст3 профессии

MusicBERT large — BERT-модель для восстановления замаскированных фрагментов и анализа символьных музыкальных последовательностей.

132скачиваний 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 от manoskary — 24-слойная модель архитектуры BERT для работы с символьными музыкальными последовательностями в формате REMI+BPE. Она обучена на корпусе GigaMIDI; в метаданных указано 443,6 млн параметров, а README приводит оценку около 330 млн. Контекст модели — до 2048 токенов.

Модель предназначена для восстановления замаскированных фрагментов музыкальной последовательности и может служить основой для последующих генеративных задач. Она принимает символьное представление музыки, например события MIDI, и не создаёт аудио напрямую. Веса опубликованы в формате safetensors по лицензии MIT.

Обучение только на символьных данных и смещение корпуса в сторону западной тональной музыки ограничивают разнообразие музыкального материала. Для длинных последовательностей README рекомендует обработку частями или итеративное декодирование; генерации может потребоваться постобработка для связности.

Сценарии применения

  • восстановление пропущенных событий в MIDI-последовательности
  • заполнение замаскированных музыкальных токенов REMI+BPE
  • подготовка представлений музыки для последующих генеративных задач

Ограничения

Модель обучена только на символьной музыке и не генерирует аудио; обучающий корпус смещён в сторону западной тональной музыки. Для длинных последовательностей требуется обработка частями или итеративное декодирование, а результатам может понадобиться постобработка.

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-large

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: 120000 steps
  • Hidden size: 1024
  • Parameters: ~330M
  • Validation loss: 1.19900381565094

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-large")
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
8c7502c

0 моделей