К содержимому
Другое

PawCT и PagCT

транскрибация хорового пения в MIDI

2 мин чтенияобновлено

Набор из двух PyTorch-чекпоинтов от Hanyu Meng для перевода записей смешанного хора в нотный формат MIDI. PagCT сводит все голоса в одну общую нотную дорожку, а PawCT base разделяет партитуру на четыре независимые партии: сопрано, альт, тенор и бас (SATB). Модели решают задачу AMT (Automatic Music Transcription — автоматической расшифровки музыки в ноты) с привязкой к вокальным голосам. Инструмент пригодится музыкантам, аранжировщикам, хормейстерам и исследователям MIR (Music Information Retrieval).

Ключевые особенности

  • Два режима вывода: объединённый трек в pagct.pth или раздельные дорожки SATB в pawct-base.pth.
  • Готовые JSON-конфиги (pagct.json и pawct-base.json) с подобранными порогами детекции кадров, начала и окончания нот.
  • Обучение end-to-end с union supervision и встроенным гейтом присутствия голоса (learned presence gate) для PawCT.
  • Проверенная воспроизводимость на официальном тестовом сплите YouChorale (30 записей).

Что можно сделать

  • Оцифровать архивную или репетиционную запись смешанного хора в редактируемый MIDI-файл для дальнейшей работы в нотном редакторе или DAW.
  • Извлечь отдельные партии сопрано, альта, тенора и баса с помощью PawCT base, чтобы быстро подготовить репетиционные минусовки или партитуры для хористов.

Пример

settings = json.loads(Path(f"{model_id}.json").read_text(encoding="utf-8"))
cfg = OmegaConf.merge(OmegaConf.load(checkout / "src" / "config.yaml"), settings["public_code_overrides"])
audio, _ = librosa.load(audio_path, sr=cfg.feature.sample_rate, mono=True)
transcriber = ChoralAMTTranscriber(cfg, settings["checkpoint_file"])
probabilities = transcriber.transcribe(audio)["output_dict"]
write_satb_midi(tracks, Path(f"{model_id}.mid"))
ПодробнееМетрика YouChorale note F1 @ 50 ms (учитывается высота тона и атака в пределах 50 мс): 0.3790 у PagCT и 0.2248 у PawCT base.
Для запуска требуется репозиторий Paw Choral AMT (ревизия b0718f8), librosa и omegaconf.
Опубликовано по статье «Toward Part-Aware Choral Transcription with Singing Voice Assignment» (arXiv:2610.09861).
Обсудить Telegram 1

Запустится ли?

Запустится в BF16

Влезает без сжатия.

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

    # Hanyu-Meng/PawCT-PagCT
    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 Hanyu-Meng/PawCT-PagCT --local-dir ~/models/PawCT-PagCT
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к PawCT-PagCT
  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 PawCT-PagCT — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

Hanyu-Meng/PawCT-PagCT
Автор
Hanyu-Meng
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

01

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Другое

GyroFlow

GyroFlow
Другое

tell-fit-clip

tell-fit-clip