分离人声与伴奏

MVSep 现在有很多算法。该选择哪一种？
- 如果您需要高质量的人声或伴奏分离效果，请使用以下之一：Ultimate Vocal Remover HQ、MDX-B、Demucs3 (Model B)
- 如果您需要高质量的贝斯、鼓、其他分轨：Demucs3 (Model B)

为了对算法进行比较，我们使用了 SDR（信号失真比）指标。指标越大，算法的结果越好。

表 1. 在 MUSDB18HQ 测试集上的比较

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

* - 这些数字并不正确，因为 MUSDB18 测试集曾被用来训练这些模型。

算法	质量 (Bass)	质量 (Drums)	质量 (Other)	质量 (Vocals)	示例
Spleeter (4 分轨)	5.774	5.845	4.321	6.939	示例
UmxXL	6.619	6.838	4.891	7.732	示例
MDX A	7.232	7.173	5.636	8.901	示例
MDX B (Orig)	7.495	7.554	5.533	8.896	---
MDX B (UVR)	7.495	7.554	5.533	9.482	示例
Ultimate Vocal Remover HQ	---	---	---	---	示例
Demucs 3 Model A	8.115	8.037	5.193	7.968	示例
Demucs 3 Model B	8.856	8.850	5.978	8.756	示例
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 指标（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 指标（越高越好）

算法质量比较