/ Модель

Характеристики

Лицензия
Apache 2.0
Библиотека
pytorch
Опубликована
4 окт 2026

bird-mixit-pytorch

Обработка аудиоАудио → аудио

Bird MixIT разделяет запись с перекрывающимися птичьими голосами и фоновым шумом на 4 или 8 аудиоисточников для прослушивания и анализа.

0скачиваний за 30 дней1лайквеса обновлены4 окт 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

Bird MixIT — неофициальный порт на PyTorch модели разделения звука птиц от Google. Модель принимает запись с несколькими одновременно звучащими источниками и разделяет её на 4 или 8 аудиодорожек, чтобы перекрывающиеся голоса птиц и фоновый шум можно было прослушивать или классифицировать отдельно. Веса напрямую преобразованы из официальных контрольных точек TensorFlow; порт воспроизводит их выходы с точностью до ошибок округления с плавающей точкой.

Модель предназначена для разделения полевых записей птиц и подготовки отдельных источников для последующего анализа. Доступны варианты с четырьмя и восемью выходами; для запуска рекомендуется fp32, поскольку fp16 заметно меняет разделённые источники. Репозиторий распространяется по лицензии Apache-2.0.

Сценарии применения

  • разделение голосов птиц в полевых аудиозаписях
  • выделение перекрывающихся птичьих криков в отдельные дорожки
  • отделение фонового шума от звуков птиц
  • подготовка аудиодорожек для классификации видов птиц
  • прослушивание отдельных источников в сложной биоакустической записи

Ограничения

Для заметно отличающихся результатов при использовании fp16 требуется запуск в fp32. Модель разделяет запись на фиксированное число из 4 или 8 источников; в README не заявлены гарантии идентификации видов птиц.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Bird MixIT (PyTorch)

An unofficial PyTorch port of bird MixIT, Google's sound separation model for bird recordings. It splits a recording into 4 or 8 sources, so that overlapping birds and background noise can be listened to, or classified, separately. The weights are a direct conversion of Google's official TensorFlow checkpoints (Apache 2.0), and the PyTorch model reproduces the TensorFlow outputs to float round-off.

Code, examples and documentation: https://github.com/matijama/bird-mixit-pytorch

Usage

pip install git+https://github.com/matijama/bird-mixit-pytorch
from bird_mixit_pytorch import BirdMixIT, load_audio, save_audio

model = BirdMixIT.from_pretrained(num_sources=4)        # downloads these weights once, then cached
audio = load_audio("recording.wav")                     # any sample rate -> mono at 22.05 kHz
sources = model(audio)                                  # [1, 4, samples]; the sources sum to the input

for i, source in enumerate(sources[0]):
    save_audio(f"source{i}.wav", source)

BirdMixIT.from_pretrained(num_sources=8) loads the 8-source model. Run the model in fp32: it is sensitive to reduced precision, and fp16 changes the separated sources noticeably. For speed on a GPU, use torch.compile(model).

The GitHub repository also has a fine-tuning example that adapts the model to your own recordings with mixture invariant training, which needs no reference sources.

Files

filecontent
bird_mixit_4sources.safetensorsmodel with 4 output sources (37 MB, fp32)
bird_mixit_8sources.safetensorsmodel with 8 output sources (38 MB, fp32)

Citation

@inproceedings{denton2022improving,
  title     = {Improving Bird Classification with Unsupervised Sound Separation},
  author    = {Denton, Tom and Wisdom, Scott and Hershey, John R.},
  booktitle = {IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)},
  year      = {2022}
}

@inproceedings{wisdom2020unsupervised,
  title     = {Unsupervised Sound Separation Using Mixture Invariant Training},
  author    = {Wisdom, Scott and Tzinis, Efthymios and Erdogan, Hakan and Weiss, Ron J. and Wilson, Kevin and Hershey, John R.},
  booktitle = {Advances in Neural Information Processing Systems},
  year      = {2020}
}

Licence

Apache License 2.0, the same as the original checkpoints. The weights are a format conversion of Google's release: the values are unchanged, and only the storage format and tensor layout differ.

Как запустить

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

GPU в ailist

Универсальный рантайм · pytorch

Нельзя запустить

Обработка «аудио → аудио» пока не поддерживается.

Ревизия весов
9abb267

0 моделей