К содержимому
Аудио

Piano transcription in the browser

ONNX-файлы для расшифровки фортепиано прямо в браузере

2 мин чтенияобновлено

Этот репозиторий содержит готовые ONNX-модели (формат для запуска моделей на разных платформах и в браузере) для перевода записей фортепиано в ноты и MIDI непосредственно на устройстве пользователя без отправки данных на сервер. В комплект входят модели Transkun V2 для распознавания нот и разделения потоков, а также Demucs v4 (htdemucs_6s) для выделения партии пианино из полноценной песни. Всё это оптимизировано для работы с onnxruntime-web через WebGPU или WebAssembly. Инструмент пригодится разработчикам веб-приложений, музыкантам и любителям анализа аудио.

Ключевые особенности

  • Полная обработка на устройстве пользователя без загрузки аудио на внешние серверы
  • Использование Transkun V2 для конвертации аудиофреймов в нотные партитуры и контекст
  • Включение модели Demucs v4 (htdemucs_6s) для изоляции фортепианного трека из микса
  • Поддержка ускорения через WebGPU и резервного режима WebAssembly

Что можно сделать

  • Интегрировать распознавание нот в веб-сервис для музыкантов и транскрипции треков
  • Создать браузерное приложение для перевода фортепианных записей в формат MIDI
  • Использовать модель Demucs для извлечения пианино из готовых песен перед анализом

Пример

Модели разделены на части для эффективного запуска: например, transkun-forward.onnx принимает аудиофреймы 44.1 кГц со стерофонией и возвращает оценки нот, после чего полумарковский алгоритм Витерби определяет интервалы.

ПодробнееФормат файлов: ONNX
Основные компоненты: Transkun V2 (транскрипция) и Demucs v4 (разделение аудио)
Базовые датасеты: MAESTRO (для Transkun)
Лицензии оригинальных авторов: MIT и CC BY-NC-SA 4.0
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.1 GB · готовые файлы0.6 GB
  • FP8 / INT8рекомендуемвеса 0.1 GB0.6 GB
  • 4-bitвеса 0.0 GB0.5 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · BF16 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # gutowskid777/piano-transcription-onnx
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download gutowskid777/piano-transcription-onnx --local-dir ~/models/piano-transcription-onnx
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к piano-transcription-onnx
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Новые посты про версии piano-transcription-onnx — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

gutowskid777/piano-transcription-onnx
Автор
gutowskid777
Категория
Аудио
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Аудио

YourTTS

YourTTS