分离人声与伴奏

MVSep 现在有很多算法。选择哪种算法？
- 如果您需要很好的人声或器乐分离效果，请使用以下之一：Ultimate Vocal Remover HQ、MDX-B、Demucs3 (Model B)
- 如果您需要好的贝斯、鼓和其他乐器：Demucs3 (Model B)

为了对算法进行比较，我们使用了SDR (信噪比)指标。指标越大，算法结果越好。

在 MUSDB18HQ 测试集上的对比

算法	SDR bass	SDR drums	SDR other	SDR vocals	SDR instrumental (反转后的人声)	模型链接	示例
spleeter (2 音轨)	---	---	---	6.8647	13.3231	链接	示例
spleeter (4 音轨)	4.8200	6.3390	4.5362	6.7021	13.1434	链接	示例
spleeter (5 音轨)	4.6376	6.1300	3.8689	6.5027	12.9646	链接	示例
Unmix XL	5.9577	7.7001	5.2165	7.6852	14.1339	链接	示例
Unmix HQ	4.6124	6.3807	3.6915	6.0783	12.5660	链接	示例
Unmix SD	4.7894	6.2632	3.8281	6.1822	12.6689	链接	示例
Demucs 2	4.6145	6.1588	3.1786	5.3980	11.8388	链接	示例
MDX-A	4.9803	6.1111	4.1430	7.1758	13.6192	链接	示例
MDX-B (Default + Demucs2 data) *	5.2035	7.7192	5.3624	7.9621	14.3854	链接	示例
MDX-B (ONNX Only) *	6.5687	10.2110	7.3126	9.9084	16.3305	链接	示例
UVR HQ (2 音轨)	4.1616	6.1976	---	8.6975	14.7872	链接	示例
Demucs 3 (Model A)	7.6054	8.8748	5.5306	8.2012	14.6347	链接	示例
Demucs 3 (Model B) *	11.3270	12.0055	8.2793	9.9202	16.2890	链接	示例
Zero Shot (QBLWLD)	2.6324	3.3939	1.4146	4.1016	---	链接	示例
Danna Sep (CPU)	6.3462	7.8521	5.0470	7.9611	14.4007	链接	示例
Byte Dance	---	---	---	8.1485	14.5739	链接	示例
UVR Demucs (Model 1)	---	---	---	9.0877	15.4612	链接	示例
MVSep Vocal model v2	---	---	---	8.8292	15.2719	链接	示例
Demucs4 HT	8.9770	10.0886	6.1301	9.0252	15.4318	链接	示例

* MUSDB18 测试集已被用来训练这些模型，所以这些数字并不正确

算法	质量 (Bass)	质量 (Drums)	质量 (Other)	质量 (Vocals)	例子
Spleeter (4 音轨)	5.774	5.845	4.321	6.939	例子
UmxXL	6.619	6.838	4.891	7.732	例子
MDX A	7.232	7.173	5.636	8.901	例子
MDX B (Orig)	7.495	7.554	5.533	8.896	---
MDX B (UVR)	7.495	7.554	5.533	9.482	例子
Ultimate Vocal Remover HQ	---	---	---	---	例子
Demucs 3 Model A	8.115	8.037	5.193	7.968	例子
Demucs 3 Model B	8.856	8.850	5.978	8.756	例子
Danna Sep	6.993	7.018	4.901	7.686	---
Byte Dance	----	----	----	8.079	---

表3. 不同算法在合成数据集上的比较。SDR度量（越高越好）

表4. 不同 aggressiveness 数值下，HP2-4BAND-3090_4band_arch-500m_1 模型在合成数据集上的表现。SDR度量（越高越好）

算法质量比较