К содержимому
Другое

larsnet-onnx

разделение партии ударных на отдельные инструменты в ONNX

2 мин чтенияобновлено

Набор из пяти нейросетевых моделей для раскладывания стереомикса ударных на отдельные дорожки: бочку (kick), малый барабан (snare), томы (toms), хай-хэт (hi-hat) и тарелки (cymbals). В основе лежат предобученные сети LarsNet с архитектурой UNet от исследователей из Миланского технического университета (Politecnico di Milano), переведённые в формат ONNX (универсальный формат для быстрого запуска моделей без тяжёлого PyTorch). В отличие от оригинальных PyTorch-чекпоинтов, из файлов убраны лишние состояния оптимизатора, а сами веса остались без изменений. Пригодится разработчикам аудиософта, плагинов и музыкантам для работы с барабанными партиями.

Ключевые особенности

  • Пять отдельных моделей в комплекте: kick.onnx, snare.onnx, toms.onnx, hihat.onnx и cymbals.onnx.
  • Точный перенос из PyTorch (opset 17, точность fp32): расхождение с оригиналом составляет около 1e-5.
  • Работает со спектрограммой (STFT) стереозвука фрагментами по 512 фреймов — это примерно 11,9 секунды аудио при частоте 44.1 кГц.
  • Каждая модель весит около 39,3 МБ, что удобно для встраивания в настольные приложения.

Что можно сделать

  • Встроить разделение барабанных стемов в открытые аудиоредакторы и DAW (конвертация делалась специально для проекта Noodle).
  • Изолировать бочку, малый барабан или железо из готового барабанного лупа для ремиксов, ресемплинга или замены тембров.
  • Запускать инференс через ONNX Runtime в C++, Rust или Python без необходимости тянуть в проект весь стек PyTorch.

Пример

На вход любой из пяти моделей подаётся тензор mag типа float32 размером [1, 2, 2048, 512] (амплитудный STFT-спектр стереомикса с n_fft=4096 и hop=1024). На выходе получается маска mask того же размера со значениями от 0 до 1: её нужно перемножить со спектрограммой микса и выполнить обратное преобразование (inverse STFT) с использованием исходной фазы сигнала.

ПодробнееОбучение и веса: оригинальный LarsNet (Mezza et al., 2024), архитектура UNet без изменений.
Формат: ONNX opset 17, fp32, режим eval.
Ограничения: лицензия CC BY-NC 4.0 — строго для некоммерческого использования.
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.0 GB · готовые файлы0.5 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.

    # jezza672/larsnet-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 jezza672/larsnet-onnx --local-dir ~/models/larsnet-onnx
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к larsnet-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

Дообучение модели

polimi-ispl/larsnet

Новые посты про версии larsnet — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

jezza672/larsnet-onnx
Автор
jezza672
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Другое

AltSwap v1

AltSwap v1