/ Модель

Характеристики

Лицензия
Своя лицензия
Опубликована
10 окт 2026

mdx23c-drumsep-GGUF

Обработка аудиоАудио → аудио

Модель DrumSep на MDX23C разделяет готовую дорожку ударных на шесть партий: бочку, малый барабан, томы, хай-хэт, райд и крэш.

92скачиваний за 30 дней0лайковвеса обновлены10 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

DrumSep — модель разделения ударных инструментов на шесть дорожек, обученная aufr33 и jarredou на архитектуре MDX23C. Эта публикация содержит исходные веса в формате GGUF F32, конвертированные для запуска в stems.cpp без изменения архитектуры и весов. Сеть ZFTurbo TFC_TDF_net v3 обрабатывает аудио и за один проход выделяет бочку, малый барабан, томы, хай-хэт, райд и крэш.

Модель рассчитана на обработку готовой дорожки ударных, например выделенной из микса с помощью другой модели. stems.cpp поддерживает запуск на CPU, CUDA, Vulkan и Metal; для Metal требуется версия stems.cpp 0.1.5 или новее. Карточка сообщает о высокой численной близости результата конвертации к исходной реализации на проверенных тестах, но эти показатели не гарантируют качество на любых записях.

Лицензия на веса не указана ни для исходной модели, ни для её зеркала, поэтому условия их использования не определены. Лицензия AGPL-3.0 относится к коду MSST-WebUI и сама по себе не распространяется на эти веса.

Сценарии применения

  • выделение бочки из дорожки ударных
  • выделение малого барабана из дорожки ударных
  • разделение ударных на шесть отдельных партий
  • подготовка отдельных партий ударной установки для сведения
  • извлечение томов, хай-хэта, райда и крэша из аудио

Ограничения

Модель ожидает на вход готовую дорожку ударных, а не полный микс. Лицензия на веса не указана, поэтому условия их использования не определены.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

DrumSep (MDX23C, aufr33 & jarredou) GGUF

No license is stated for these weights anywhere upstream. aufr33 and jarredou's DrumSep model was released without one; its original release page is no longer online, and the MSST-WebUI mirror it is taken from states none for the weights (its own code is AGPL-3.0). It is republished here in GGUF form with that caveat. Do not assume any license, and if you hold the rights and want it removed, open a discussion on this repository.

aufr33 and jarredou's six-stem drum separation model (MDX23C, ep_141, SDR 10.8059), converted to GGUF for stems.cpp, a C++/ggml stem separator that runs on CPU, CUDA, Vulkan and Metal with no Python. It splits a drum track into kick, snare, toms, hh, ride and crash in one pass.

filesize
mdx23c_drumsep-0.1B-v1.0-F32.gguf417.3 MiB

Download and run

git clone --recursive https://github.com/betweentwomidnights/stems.cpp && cd stems.cpp
./build.sh vulkan                          # or cpu | cuda | metal   (Windows: build.cmd)
./models.sh mdx23c_drumsep                 # stems.cpp v0.1.4 and later
build-vulkan/bin/stems-split -m models/mdx23c_drumsep-0.1B-v1.0-F32.gguf -i drums.wav -o kit/

stems-server finds it by model name ("model": "mdx23c_drumsep"). It expects a drum stem, for example the drums output of htdemucs.

What the runtime does

The network is ZFTurbo's TFC_TDF_net (v3): InstanceNorm / exact GELU / convolution blocks with 1x1 shortcuts and bottleneck TDF layers, concatenated skips, 5 scales of 2 blocks, 128 channels and 4 frequency subbands, on an n_fft 2048 / hop 512 STFT cropped to 1024 bins. Chunking follows ZFTurbo's generic demix with the config's 4-way overlap. See stems.cpp's docs/MDX.md.

Parity

SNR of the C++ output against ZFTurbo's model code and demix, unchanged, run in float32 on CPU, on a 20 s clip (demucs' test.mp3), as seg (the first chunk) / full (the whole clip), per stem. Measured 2026-10-09 with ggml 9d0d910b and 4ad3b30b (identical). CPU: Core Ultra 9 275HX. Vulkan and CUDA: RTX 5070 Laptop. Cosine is 1.0000000 on every stem.

backendseg, worst to bestfull, worst to best20 s clip
CPU94.7 - 123.9 dB115.3 - 130.8 dB72.9 s
CUDA94.4 - 123.0 dB116.3 - 130.5 dB8.3 s
Vulkan96.2 - 124.8 dB119.0 - 131.8 dB8.4 s
Metal (Apple M4)97.8 - 129.0 dB123.4 - 131.8 dB24.2 s

On Apple Metal it needs stems.cpp v0.1.5 or later: v0.1.4 aborts there with unsupported op 'PAD'. The Metal row is against references dumped on the M4 (ggml 4ad3b30b, 2026-10-10), peak memory 762 MB. The M4's CPU runs it at about 0.1x realtime, so expect that on Intel Macs.

Sources

  • Upstream checkpoint: aufr33-jarredou_DrumSep_model_mdx23c_ep_141_sdr_10.8059.ckpt from the Sucial/MSST-WebUI mirror at revision 90b617b15bd0dc0b784f3d361faca1b51173fe44, sha256 d2a4aa53eb584d21eead358a4e66d1882ad182911be018f052b5da73be9096d0. Trained by aufr33 and jarredou.
  • Configuration: the matching training YAML from MSST-WebUI's GitHub at 39287d46072d2d1d91d9f1518abb1dd9a930e3d7 (configs_backup/multi_stem_models/), sha256 1f019da093523d34b95912add62c5ab5467d5640c3361c0cbf7a3dcab2bdd4ab.
  • Converted with stems.cpp's tools/convert_mdx.py --preset drumsep. Tensor names stay PyTorch's and the configuration is stored as metadata. The architecture and weights are otherwise unchanged. Conversion is deterministic: re-running it reproduces this file byte for byte.

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
5207fee

0 моделей