К содержимому
Другое

Dettato evidence repairer

коррекция ошибок транскрибации музыки в MIDI

2 мин чтенияобновлено

Модель представляет собой второй этап многоинструментальной системы распознавания аудио в MIDI (цифровой формат записи нот) Dettato от KobiMusic. Она принимает на вход ноты, распознанные базовым транскрибатором dettato, вместе с его внутренними состояниями (векторами признаков) и исправляет ошибки: удаляет лишние ноты, сдвигает время начала и окончания, а также добавляет пропущенные звуки. В основе лежит компактный трансформер на 4,9 млн параметров, который обрабатывает композицию окнами по 8 секунд, анализируя каждую ноту как отдельный токен. Инструмент пригодится музыкантам, аранжировщикам и разработчикам сервисов для автоматического снятия нотных партий с аудиозаписей.

Ключевые особенности

  • Работа с внутренними признаками: помимо высоты, громкости и длительности ноты, модель читает вектор из 769 чисел (вероятности начала/окончания и скрытые состояния базового транскрибатора).
  • Точная подстройка таймингов: предсказывает вероятность сохранения ноты, корректирует её начало с шагом 5 мс в пределах ±0,5 с и уточняет длительность.
  • Восстановление пропусков: проверяет два слота вставки для каждой ноты, добавляя пропущенные звуки при вероятности от 0,6 и отбрасывая дубликаты в пределах 30 мс.
  • Лёгкая архитектура: 9 слоёв с размерностью 192 и 6 головами внимания, использует поворотные позиционные эмбеддинги (rotary positions) по времени начала и высоте тона.

Что можно сделать

  • Улучшить точность снятия нот: использовать в связке с основным чекпоинтом dettato для очистки сырой MIDI-транскрибации от ложных срабатываний и уточнения концов нот.
  • Встроить в полный пайплайн Dettato: запускать через CLI-утилиту dettato для автоматической разбивки аудио на MIDI-дорожки с последующей группировкой инструментов (dettato-grouper) и ударных (dettato-drums).

Пример

from dettato.audio import load
from dettato.evidence import EvidenceRepairer
from dettato.transcriber import Transcriber

t = Transcriber.from_pretrained("cuda")
rep = EvidenceRepairer.from_pretrained("cuda")
notes, original, info = rep(t, load("song.mp3").at(16000))
ПодробнееБенчмарки (9 наборов, включая Slakh2100): общий composite-балл вырос с 56.65 до 56.95 (+0.30; прирост по началу нот +0.38, по окончанию +1.96, но по кадрам -1.14 из-за укорочения длинных нот).
Ограничения: работает только с высотными нотами без привязки к инструментам и только в связке с чекпоинтом dettato; окна плотнее 4096 нот за 8 с пропускаются без изменений.
Обучение и лицензия: обучена на внутренних синтетических данных без использования бенчмарков; открытая лицензия Apache-2.0.
Примеры
Обсудить Telegram 0 570

Запустится ли?

Запустится в F32

Влезает без сжатия.

  • F32веса 0.0 GB · готовые файлы0.5 GB
  • BF16веса 0.0 GB0.5 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 · F32 — 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.

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

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

О модели

kobimusic/dettato-evidence
Автор
kobimusic
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

5700

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Другое

DAVID-Net

DAVID-Net