/ Модель

Характеристики

Лицензия
Apache 2.0
Архитектура
t5gemma · dense
Опубликована
17 окт 2025

pianist-transformer-rendering

Обработка аудиоАудио → аудио3 профессии

Модель преобразует музыкальные партитуры в выразительное фортепианное исполнение с редактируемым MIDI-выходом.

400скачиваний за 30 дней0лайковвеса обновлены3 дек 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

Pianist Transformer — модель для рендеринга выразительного исполнения фортепианной музыки по музыкальной партитуре. Согласно README, она разработана в рамках работы «Pianist Transformer: Towards Expressive Piano Performance Rendering via Scalable Self-Supervised Pre-Training». Модель использует асимметричный Transformer: кодировщик из 10 слоёв и декодировщик из 2 слоёв; число параметров — 135 млн. Для предварительного обучения использован крупный корпус MIDI, а сжатие последовательностей позволяет обрабатывать длинный музыкальный контекст.

Модель преобразует музыкальный материал в исполнительскую интерпретацию с нюансами темпа и выразительности. Результат включает MIDI, пригодный для редактирования в DAW, с картой темпа; для корректного использования требуется полный конвейер из официального репозитория. В README заявлено, что в субъективных прослушиваниях качество исполнения было статистически неотличимо от человеческого и нередко предпочиталось слушателями.

Репозиторий содержит веса в формате safetensors. Лицензия — Apache 2.0. Метаданные указывают семейство архитектуры t5gemma и возможность работы с аудио; README описывает задачу через партитуры и MIDI.

Сценарии применения

  • создание выразительного исполнения фортепианной партитуры
  • рендеринг MIDI-партитуры в исполнительскую интерпретацию
  • генерация MIDI с динамической картой темпа для DAW

Ограничения

Для корректной работы требуется полный конвейер из официального репозитория; веса сами по себе не описаны как самостоятельный готовый инструмент. Заявления о сравнении с исполнителями основаны на субъективных прослушиваниях, а детали методики в README не приведены.

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

Pianist Transformer

Pianist Transformer is a state-of-the-art model for generating expressive, human-like piano performances from musical scores. In subjective listening studies, its quality was found to be statistically indistinguishable from a human pianist and was often preferred.

This work is based on the paper: Pianist Transformer: Towards Expressive Piano Performance Rendering via Scalable Self-Supervised Pre-Training.

Model Description

Pianist Transformer addresses the data scarcity problem in expressive performance rendering by leveraging a large-scale, self-supervised pre-training strategy. The model first learns the deep principles of musical structure from a massive 10-billion-token MIDI corpus before being fine-tuned for the final rendering task.

It uses an efficient 135M-parameter asymmetric Transformer architecture (10-layer encoder, 2-layer decoder) with sequence compression, enabling it to process long musical contexts while maintaining fast inference speeds.

Key Features

  • Human-Level Expressivity: Generates nuanced performances that rival and are sometimes preferred over human pianists.
  • Scalable Pre-training: Overcomes the limitations of small supervised datasets by learning from a vast, diverse corpus of unlabeled piano music.
  • Efficient Architecture: A custom design provides a strong balance between performance quality and real-world inference latency.
  • DAW-Friendly Output: Includes a novel post-processing algorithm to convert model output into a standard, fully editable MIDI file with a dynamic tempo map.

How to Use

For detailed instructions on data preparation, inference, and using the model, please refer to the official GitHub repository. The full pipeline is required for correct usage.

➡️ Get Started on GitHub

Citation

If you use this model in your work, please cite the original paper:

@misc{you2025pianisttransformerexpressivepiano,
      title={Pianist Transformer: Towards Expressive Piano Performance Rendering via Scalable Self-Supervised Pre-Training}, 
      author={Hong-Jie You and Jie-Jing Shao and Xiao-Wen Yang and Lin-Han Jia and Lan-Zhe Guo and Yu-Feng Li},
      year={2025},
      eprint={2512.02652},
      archivePrefix={arXiv},
      primaryClass={cs.SD}
}

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.

Класс архитектуры
PianoT5Gemma
Ревизия весов
8f15682

0 моделей