17 ноября 2026 г.
dettato: перевод музыки в MIDI на своём компьютере с весами на 74 МБ
C++-версия dettato превращает аудиозапись в MIDI без Python, а все её веса помещаются в один файл на 74 МБ.

В замере автора от 19 ноября dettato.cpp обработал 4 минуты музыки за 11,7 секунды на RTX 5060.
Модель переводит звучащую музыку в ноты и партии инструментов, которые можно редактировать в музыкальном редакторе. Для приложения с разбором записей опубликованы код и веса под Apache-2.0. По словам автора, для обучения он использовал синтетику и CC-данные, без записей, защищённых авторским правом.
Не хотите разбираться сами? Внедряем ИИ в ваш бизнес: задачи без лимита, одна цена в месяц, отмена в любой момент.
Что стало меньше. Автор сравнивает dettato с MuScriptor 1.3B: распознавание нот и ударных выполняют модели с 20,3 млн параметров, примерно в 60 раз меньше. Полный набор dettato содержит 4 модели и 28,1 млн параметров.
В тестах автора от 16 ноября dettato опередил MuScriptor на каждом из 9 наборов. Сводная оценка распознавания нот composite F1, где выше означает лучше, относится к проверенной связке моделей, а не ко всему набору из четырёх.
| Модель | Composite F1 | | --- | --- | | dettato | 59,2 | | MuScriptor 1.3B | 45,1 |
Как запустить. Python-версия устанавливается командой `pip install git+https://github.com/kobimusic/dettato`. Команда `dettato song.mp3 -o out/` создаёт `song.mid` и `song.json`; веса скачиваются с Hugging Face при первом запуске.
Нужны Python 3.10+ и PyTorch 2.2+. Для m4a/aac и части mp3 потребуется ffmpeg в PATH. Программа выбирает GPU автоматически, а `--device cpu` включает обработку на процессоре.
По замерам автора от 16 ноября, Python-версия на RTX 5060 с 8 ГБ памяти обрабатывает 4 минуты аудио примерно за 15 секунд, а 6 минут за 25 секунд. Пиковое потребление видеопамяти ниже 4 ГБ.
Раньше для запуска dettato требовалось Python-окружение. Выпущенный 19 ноября dettato.cpp использует ggml и запускает все четыре модели на CPU, Metal или Vulkan. Веса собраны в один GGUF-файл размером 74 МБ с точностью float16.
В сравнении автора от 19 ноября на RTX 5060 обработка одной четырёхминутной композиции заняла:
| Реализация | Время | | --- | --- | | dettato.cpp | 11,7 секунды | | MuScriptor small | 28,2 секунды | | MuScriptor medium | 67,7 секунды |
MIDI сохраняет время исполнения без привязки нот к долям такта. На джазовых записях около четверти нот саксофона могут попасть в партию фортепиано, а при частоте исходника ниже 40 кГц dettato пропускает ударные.
На 19 ноября разработчик NeuralNote и автор dettato согласовали план будущей интеграции через отдельный C++/ggml-репозиторий.
Первоисточник