Dettato: Winziges Open-Source-Modell macht aus Musik MIDI und schlägt große Konkurrenz
Dettato wandelt Musikaufnahmen in MIDI-Noten um. Mit nur 20 Millionen Parametern schlägt es in Benchmarks das 65-mal größere MuScriptor und knapp auch ein kommerzielles Modell. Trainiert wurde es ohne urheberrechtlich geschützte Aufnahmen, und die Ergebnisse darf man auch kommerziell nutzen.

Worum es geht
Der Entwickler hinter kobimusic hat auf Hacker News ein neues KI-Modell vorgestellt: Dettato. Es hört sich eine Musikaufnahme an und schreibt auf, welche Noten wann, wie lange und auf welcher Tonhöhe gespielt werden. Heraus kommt eine MIDI-Datei. MIDI ist ein digitales Notenformat, das keine Klänge speichert, sondern nur Anweisungen wie „Taste C4, Anschlag mittel, eine halbe Sekunde lang“. Solche Dateien kann man in jedes Musikprogramm laden, mit anderen Instrumenten abspielen, bearbeiten oder weiterverarbeiten.
Die Fachleute nennen diese Aufgabe Automatic Music Transcription (AMT), also automatische Musiktranskription. Dettato ist laut Entwickler Open Source, die Ergebnisse darf man auch kommerziell nutzen. Die Projektseite mit Details ist kobi.music/research/dettato. Laut Entwickler ist Dettato das derzeit beste Modell dieser Art, und es ist dabei winzig: Es hat nur 20 Millionen Parameter. MuScriptor, nach Angaben des Entwicklers das bisher beste offene Modell, hat 1,3 Milliarden, ist also rund 65-mal größer. Zum Vergleich: Selbst kleine Sprachmodelle haben heute meist mehrere Milliarden Parameter.
Die Benchmarks
Der Entwickler vergleicht Dettato mit drei anderen Systemen. Bewertet werden vier Teilaufgaben, aus deren Mittelwert ein Gesamtwert entsteht:
- Onsets: Wird der Anfang einer Note richtig erkannt?
- Frames: Stimmt für jeden kurzen Zeitabschnitt, welche Töne klingen?
- Offsets: Wird das Ende einer Note richtig erkannt? Das gilt als besonders schwer.
- Drums: Wie gut wird das Schlagzeug erkannt?
| System | Gesamt | Onsets | Frames | Offsets | Drums | Parameter |
|---|---|---|---|---|---|---|
| Dettato | 60,8 | 70,8 | 79,1 | 40,9 | 52,5 | 20 Mio. |
| Mirelo A2M v1.1 Pro (kommerziell) | 56,1 | 67,1 | 75,7 | 40,1 | 41,4 | nicht veröffentlicht |
| MuScriptor | 47,4 | 57,0 | 71,2 | 31,4 | 30,1 | 1,3 Mrd. |
| YourMT3+ | 45,7 | 58,2 | 63,9 | 30,5 | 30,0 | 46 Mio. |
Am deutlichsten ist der Vorsprung beim Schlagzeug: 52,5 gegenüber 41,4 beim kommerziellen Mirelo-Modell. Bei den Offsets liegen Dettato und Mirelo dagegen fast gleichauf.
Aufgeschlüsselt nach Testdatensätzen zeigt sich ein gemischteres Bild. Die Werte sind hier der F1-Score, ein Maß zwischen 0 und 100, das Treffergenauigkeit und Vollständigkeit kombiniert, gemittelt über Onset, Frame und Offset:
| Datensatz | Dettato | Mirelo A2M v1.1 Pro | MuScriptor 1.3B | YourMT3+ |
|---|---|---|---|---|
| Bach10 | 91,3 | – | 54,7 | 57,9 |
| Dagstuhl ChoirSet | 60,8 | – | 35,5 | 28,0 |
| PHENICX-Anechoic | 64,8 | 60,9 | 54,4 | 44,8 |
| RWC Popular | 54,0 | – | 44,3 | 36,1 |
| RWC Classical | 64,4 | 65,8 | 58,4 | 62,4 |
| RWC Genre | 48,7 | – | 42,6 | 35,6 |
| RWC Jazz | 55,7 | – | 52,0 | 47,1 |
| RWC Royalty-Free | 61,6 | 56,2 | 46,8 | 45,4 |
| Slakh2100 (synthetisch) | 68,4 | – | 51,1 | – |
Bei klassischer Musik aus der RWC-Sammlung liegt Mirelo knapp vorn. Für Mirelo gibt es nur auf drei der neun Datensätze überhaupt Werte. Der Vergleich mit dem kommerziellen Modell stützt sich also auf die Zahlen, die dessen Hersteller selbst veröffentlicht hat.
Trainiert ohne geschützte Aufnahmen
Ungewöhnlich ist das Trainingsmaterial. Laut Entwickler wurde keine einzige urheberrechtlich geschützte Aufnahme verwendet. Stattdessen nutzte er:
- synthetische Instrumentenaufnahmen, also am Computer erzeugte Musik,
- Solo-Instrumente unter Creative-Commons-Lizenz aus dem URMP-Datensatz, die eingemischt wurden,
- rund 20 Soundfonts, das sind Sammlungen aufgenommener Instrumentenklänge, mit denen ein Computer MIDI-Noten hörbar machen kann. Diese wurden mit einer selbst entwickelten Technik namens „Soundfont Babies“ ineinander „gemorpht“, also zu neuen Klangfarben gemischt.
Dahinter steckt der Anspruch von kobimusic, Musikern zu helfen statt sie zu ersetzen. Dazu gehört für den Entwickler, das Urheberrecht einzuhalten. Sein Fazit:
Die Einschränkung, keine urheberrechtlich geschützten Aufnahmen zu verwenden, hält einen nicht zurück, sondern fördert Innovation, und am Ende hat man wahrscheinlich das bessere Modell.
Warum ein so kleines Modell so gut sein kann
Die Arbeit an Dettato begann vor etwa zehn Monaten. Im April warf der Entwickler alles bisherige weg. Er hatte die Transkription als Datenproblem behandelt, der eigentliche Engpass sei aber die Architektur, also der Bauplan des Modells.
Er zieht eine Parallele zu seinem ersten Modell für OMR (Optical Music Recognition), also das Erkennen von gedruckten Noten auf Bildern. Beide Gebiete wurden anfangs mit klassischen Algorithmen bearbeitet, später mit riesigen Sprachmodell-Bausteinen. Solche großen Modelle betrachten das Problem „global“, also das Musikstück als Ganzes, und passen sich dabei zu stark an synthetische Trainingsdaten an. Das nennt man Overfitting: Das Modell lernt die Eigenheiten der Trainingsdaten auswendig statt allgemeiner Regeln. Sein Ansatz ist, das Problem lokal zu betrachten. Bei OMR macht das ein Detektor-Modell, bei der Musiktranskription ein Pitch-Lane-Modell, das die Musik sinngemäß in einzelne Tonhöhen-Spuren zerlegt und jede für sich betrachtet. Technische Details dazu nennt der Beitrag nicht.
Grenzen, die der Entwickler selbst nennt
Der Entwickler ist bei den Schwächen bemerkenswert offen. Benchmarks sagten wenig darüber, wie gut das Modell für den eigenen Zweck funktioniert, man müsse es selbst ausprobieren. Schwach sei Dettato beim Trennen der Instrumente: Spielen mehrere Instrumente gleichzeitig, ordnet es die Noten oft nicht richtig zu. Außerdem erzeugt es Performance-MIDI mit Ausrichtung am Takt, also eine Aufzeichnung des tatsächlich Gespielten. Spielbare Noten oder sauberen Notensatz bekommt man so nicht. Wer Notenblätter braucht, dem empfiehlt der Entwickler die kommerziellen Dienste Songscription oder Klangio.
Was du zum Ausprobieren brauchst
Mit 20 Millionen Parametern ist Dettato extrem klein. Die Gewichte dürften weniger als 100 Megabyte belegen. Eine Grafikkarte ist dafür voraussichtlich nicht nötig, ein normaler Laptop mit 8 GB Arbeitsspeicher sollte reichen. Auch ein Mac oder Google Colab sollten genügen. Wichtig: Der Beitrag nennt weder ein Hugging-Face-Repository noch Installationsbefehle oder die genaue Lizenz. Wie man das Modell herunterlädt und startet, erfährt man auf der Projektseite. Prüfe dort vor der Nutzung auch die Lizenzbedingungen.
Einordnung
Dettato zeigt einen Trend, der auch außerhalb der Musik zu beobachten ist: Ein kleines, gezielt gebautes Spezialmodell kann deutlich größere Allzweck-Ansätze schlagen. Für Musiker, Produzenten und Musikpädagogen ist das praktisch: Ein so kleines Modell läuft lokal, schnell und günstig, und die rechtlich saubere Herkunft der Trainingsdaten plus die freie kommerzielle Nutzung der Ergebnisse sind in einer Branche voller Urheberrechtsstreit ein echtes Argument.
Einschränkend gilt: Alle Zahlen stammen vom Entwickler selbst. Eine unabhängige Prüfung gibt es bisher nicht, und der Vergleich mit Mirelo beruht auf nur drei Datensätzen. Dass das Modell Instrumente schlecht trennt, ist bei Bandaufnahmen eine spürbare Lücke. Und wer am Ende Noten zum Spielen braucht, kommt mit Dettato allein nicht ans Ziel.
Quellen
- Show HN (neue Projekte) kobi.music
Selbst ausprobieren: Dettato
Schritt für Schritt erklärt, auch ohne Vorkenntnisse – auf deinem Rechner oder kostenlos im Browser.
Was kann ich damit machen?
Dettato hört sich eine Musikaufnahme an und schreibt die gespielten Noten als MIDI-Datei auf: Tonhöhe, Beginn und Ende jeder Note, ausgerichtet am Takt. Auch Schlagzeug erkennt es, und zwar laut den Benchmarks des Entwicklers besser als alle Vergleichsmodelle. Besonders stark ist es bei klassischer Musik und Chören, etwa mit 91,3 Punkten auf dem Bach10-Datensatz. Bei Pop und gemischten Genres liegt es bei rund 49 bis 54 Punkten. Insgesamt schlägt es das 65-mal größere MuScriptor deutlich und das kommerzielle Mirelo A2M knapp. Schwach ist es darin, mehrere gleichzeitig spielende Instrumente korrekt auseinanderzuhalten. Außerdem liefert es kein druckfertiges Notenblatt, sondern Performance-MIDI. Die Ergebnisse darfst du laut Entwickler auch kommerziell verwenden.
Für wen lohnt es sich?
Interessant ist Dettato für Musiker, Produzentinnen, Remixer und Musiklehrer, die Melodien, Begleitungen oder Drum-Patterns aus Aufnahmen in ihr Musikprogramm (DAW) übernehmen wollen, und für Entwickler, die ein kleines, lokal laufendes Transkriptionsmodell suchen. Wer fertige, spielbare Noten braucht oder Bandaufnahmen sauber nach Instrumenten getrennt haben möchte, ist laut Entwickler mit Diensten wie Songscription oder Klangio besser bedient.
Ideen: Was du damit anstellen kannst
Du nimmst einen Schlagzeug-Loop aus einer eigenen Aufnahme, lässt Dettato daraus MIDI erzeugen und ziehst die Datei in deine DAW. Dort spielst du das Pattern mit beliebigen Drum-Samples ab und kannst es verändern.
Du nimmst eine spontane Improvisation am akustischen Klavier mit dem Handy auf. Dettato macht daraus MIDI, das du in der DAW nachbearbeitest oder mit einem anderen Klang wie Rhodes oder Streichern abspielst.
Als Lehrkraft lässt du einen Chorsatz oder ein Kammermusikstück transkribieren, um einzelne Stimmen in der DAW stummzuschalten oder langsamer abzuspielen. Schüler können so ihre eigene Stimme isoliert üben.
Du transkribierst eine selbst eingespielte Gitarren- oder Gesangslinie und lässt sie von einem Synthesizer spielen. Dank der freien kommerziellen Nutzung der Ausgaben darfst du das Ergebnis auch veröffentlichen, solange die Originalaufnahme dir gehört.
Als Entwickler bindest du das kleine Modell in eine Anwendung ein, die Aufnahmen lokal und ohne Cloud-Kosten in MIDI umwandelt. Wegen der geringen Größe ist das auch auf schwächerer Hardware machbar.
Was dein Rechner braucht
Der Entwickler nennt nur eine Variante mit 20 Millionen Parametern. Wegen der geringen Größe ist keine Quantisierung oder Verkleinerung nötig. Das Modell sollte auf praktisch jedem aktuellen Rechner laufen, auch ohne Grafikkarte. Download und Startanleitung findest du auf der Projektseite kobi.music/research/dettato.
- Mit 20 Millionen Parametern ist das Modell sehr klein. Die Gewichte dürften unter 100 MB liegen (geschätzt, nicht offiziell angegeben).
- Eine Grafikkarte ist voraussichtlich nicht erforderlich, der Betrieb auf der CPU sollte für einzelne Songs genügen.
- Etwa 8 GB Arbeitsspeicher sollten reichen. Bei sehr langen Aufnahmen kann der Bedarf steigen.
- Auch Apple-Silicon-Macs und Google Colab sollten genügen. Offizielle Angaben zu unterstützten Plattformen gibt es im Beitrag nicht.
Wie finde ich heraus, was mein Rechner hat?
- Windows: Strg + Umschalt + Esc drücken → Task-Manager → Reiter Leistung → links GPU anklicken. Unten steht Dedizierter GPU-Speicher (das ist dein VRAM). Den Arbeitsspeicher findest du unter Arbeitsspeicher.
- Mac: Apfel-Menü oben links → Über diesen Mac. Dort stehen Chip (z. B. M2) und Speicher (z. B. 16 GB). Bei Apple-Chips teilen sich Grafik und Prozessor diesen Speicher.
- Linux: Im Terminal
nvidia-smieingeben (zeigt Grafikkarte und Speicher) undfree -hfür den Arbeitsspeicher.
Anleitung
Dieses Modell läuft mit einem eigenen Programm seiner Entwickler (kobimusic/dettato auf GitHub). Die Befehle unten stammen aus der Model Card und der Anleitung der Entwickler.
Windows 10 / 11
Windows 10 / 11: nicht offiziell getestet. Windows wird in der Quelle nicht erwähnt. Als Python-Paket sollte dettato aber laufen. Mit einer NVIDIA-Karte musst du eine PyTorch-Version mit CUDA installieren, weil das normale Windows-Paket nur den Prozessor nutzt. Den passenden Befehl dafür nennt die PyTorch-Webseite. Notfalls geht auch WSL2 mit der Linux-Anleitung.
- Voraussetzungen installieren. Installiere Python ab Version 3.10 und setze beim Installieren den Haken bei „Add Python to PATH“. Installiere außerdem Git für Windows. Hast du eine NVIDIA-Karte, brauchst du den aktuellen Treiber. Für m4a-, aac- und manche mp3-Dateien muss ffmpeg installiert und im PATH sein, also von überall aus aufrufbar. Prüfe alles in der PowerShell:
python --version git --version nvidia-smi - Arbeitsordner anlegen. Öffne die PowerShell und lege einen eigenen Ordner an.
mkdir dettato-test cd dettato-test - Virtuelle Umgebung anlegen. Die venv hält die Pakete von deinem restlichen System getrennt. Meldet Windows, dass Skripte gesperrt sind, führe vorher einmal Set-ExecutionPolicy -Scope CurrentUser RemoteSigned aus. Hat es geklappt, steht vorne (.venv).
python -m venv .venv .venv\Scripts\Activate.ps1 - PyTorch installieren. dettato braucht PyTorch 2.2 oder neuer. Der einfache Befehl installiert eine Version, die nur den Prozessor nutzt. Für deine NVIDIA-Karte holst du dir auf der PyTorch-Webseite den Installationsbefehl für „Windows, Pip, CUDA“ und führst ihn stattdessen aus.
python -m pip install --upgrade pip pip install torch - dettato installieren. Lädt das Programm von GitHub und installiert es. Danach gibt es den Befehl dettato.
pip install git+https://github.com/kobimusic/dettato - Musikdatei bereitlegen. Kopiere eine Aufnahme als song.mp3 in den Ordner dettato-test. Freie Aufnahmen findest du zum Beispiel auf Wikimedia Commons, etwa Beethovens 5. Sinfonie von Musopen. Das Schlagzeug wird nur bei Aufnahmen mit mindestens 40 kHz erkannt.
- Erste Transkription starten. Beim ersten Mal lädt dettato die Modelle automatisch von Hugging Face herunter. Ohne Grafikkarte dauert es spürbar länger. Probier deshalb zuerst ein kurzes Stück.
dettato song.mp3 -o out/ - Ergebnis ansehen. Im Ordner out liegen song.mid und song.json. Öffne die MIDI-Datei in einem Musikprogramm wie MuseScore oder deiner DAW.
dir out - Ergebnis. Im Ordner out liegen die Dateien song.mid (MIDI mit einer Spur pro Instrument plus Schlagzeug) und song.json (Infos zu Spuren, Notenzahl und Stimmung).
macOS
macOS: nicht offiziell getestet. macOS wird in der Quelle nicht erwähnt. Die Quelle nennt nur CUDA (NVIDIA) oder den Prozessor, Apple-Grafik (MPS) kommt nicht vor. Auf dem Mac läuft es also vermutlich nur über den Prozessor und damit langsam. Nimm am besten kurze Stücke.
- Voraussetzungen installieren. Installiere die Xcode-Kommandozeilenwerkzeuge. Damit bekommst du auch Git. Außerdem brauchst du Python ab Version 3.10, zum Beispiel von python.org oder über Homebrew. Für m4a-, aac- und manche mp3-Dateien brauchst du ffmpeg, etwa über Homebrew.
xcode-select --install python3 --version git --version - Arbeitsordner anlegen. Öffne das Terminal und lege einen eigenen Ordner an.
mkdir dettato-test cd dettato-test - Virtuelle Umgebung anlegen. Die venv ist ein abgetrennter Bereich für die Python-Pakete. Danach steht vorne in der Zeile (.venv).
python3 -m venv .venv source .venv/bin/activate - PyTorch installieren. dettato braucht PyTorch 2.2 oder neuer. Auf dem Mac reicht das normale Paket.
pip install --upgrade pip pip install torch - dettato installieren. Lädt das Programm von GitHub und installiert den Befehl dettato.
pip install git+https://github.com/kobimusic/dettato - Musikdatei bereitlegen. Lege eine Aufnahme als song.mp3 in den Ordner, etwa einen eigenen Song oder eine freie Aufnahme von Wikimedia Commons. Weil der Mac nur den Prozessor nutzt, schneidest du für den ersten Test am besten ein Stück von 15 bis 30 Sekunden heraus. Für Schlagzeug braucht die Datei mindestens 40 kHz.
- Erste Transkription starten. Mit --device cpu sagst du dettato, dass es den Prozessor nutzen soll. Beim ersten Mal lädt es die Modelle herunter. Für 15 Sekunden Musik kann das gut eineinhalb Minuten dauern.
dettato song.mp3 -o out/ --device cpu - Ergebnis ansehen. Im Ordner out liegen song.mid und song.json. Die MIDI-Datei öffnest du zum Beispiel in GarageBand, Logic oder MuseScore.
ls out/ - Ergebnis. Im Ordner out liegen die Dateien song.mid (MIDI mit einer Spur pro Instrument plus Schlagzeug) und song.json (Infos zu Spuren, Notenzahl und Stimmung).
Linux
Linux: nicht offiziell getestet. Die Quelle nennt kein Betriebssystem. Sie verlangt nur Python 3.10+ und PyTorch 2.2+ und empfiehlt eine NVIDIA-Grafikkarte mit CUDA. Unter Linux sollte das mit einer NVIDIA-Karte am einfachsten klappen. Ohne Grafikkarte läuft es auch, nur langsam.
- Voraussetzungen prüfen. Du brauchst Python ab Version 3.10 und Git. Git ist ein Programm zum Herunterladen von Code. Hast du eine NVIDIA-Grafikkarte, installiere den aktuellen NVIDIA-Treiber. Für m4a-, aac- und manche mp3-Dateien brauchst du außerdem das Programm ffmpeg. Die Befehle zeigen dir die installierten Versionen an.
python3 --version git --version nvidia-smi ffmpeg -version - Arbeitsordner anlegen. Lege einen eigenen Ordner für dettato an und wechsle hinein. Darin landen später auch die Ergebnisse.
mkdir dettato-test cd dettato-test - Virtuelle Umgebung anlegen. Eine virtuelle Umgebung (venv) ist ein abgetrennter Bereich für Python-Pakete. So kommt nichts mit deinem System durcheinander. Hat es geklappt, steht vorne in der Eingabezeile (.venv).
python3 -m venv .venv source .venv/bin/activate - PyTorch installieren. PyTorch ist die Rechenbibliothek, auf der das Modell läuft. Du brauchst Version 2.2 oder neuer. Unter Linux bringt das normale Paket meist schon die Unterstützung für NVIDIA-Karten mit.
pip install --upgrade pip pip install torch - dettato installieren. Dieser Befehl lädt das Programm direkt von GitHub und installiert es. Danach gibt es den neuen Befehl dettato.
pip install git+https://github.com/kobimusic/dettato - Musikdatei bereitlegen. Lege eine Aufnahme als song.mp3 in den Ordner, zum Beispiel einen eigenen Song. Freie Aufnahmen, etwa Beethovens 5. Sinfonie von Musopen, findest du auf Wikimedia Commons. Wichtig: Das Schlagzeug wird nur erkannt, wenn die Datei mit mindestens 40 kHz aufgenommen ist. Normale mp3s mit 44,1 kHz reichen. WAV-Dateien gehen ohne ffmpeg am sichersten.
- Erste Transkription starten. Beim ersten Start lädt dettato seine vier kleinen Modelle von Hugging Face herunter. Das sind nur wenige Megabyte. Gibt es eine Grafikkarte, nutzt das Programm sie automatisch.
dettato song.mp3 -o out/ - Ergebnis ansehen. Im Ordner out liegen jetzt song.mid und song.json. Die MIDI-Datei kannst du in jedem Musikprogramm öffnen, zum Beispiel in MuseScore, LMMS oder deiner DAW. Die Noten sind nicht an einen Takt angepasst. Sie folgen dem genauen Timing der Aufnahme.
ls out/ - Ergebnis. Im Ordner out liegen die Dateien song.mid (MIDI mit einer Spur pro Instrument plus Schlagzeug) und song.json (Infos zu Spuren, Notenzahl und Stimmung).
So geht es nach dem ersten Ergebnis weiter
- Du kannst mehrere Dateien und ganze Ordner auf einmal übergeben, zum Beispiel: dettato song.mp3 other.wav folder/ -o out/. Unterordner werden mit durchsucht und ihre Struktur bleibt in out/ erhalten.
- Aus Python geht es auch: import dettato; result = dettato.transcribe("song.mp3"); result.save_midi("song.mid"). Über result.tracks siehst du jede Spur mit Instrumentname und Notenzahl.
- Erwarte keine perfekte Zuordnung zu Instrumenten. Bei Jazz landet zum Beispiel etwa ein Viertel der Saxofon-Noten in der Klavierspur. Die Noten sind nicht an einen Takt angepasst. Für spielbare Noten empfiehlt der Entwickler Songscription oder Klangio.
- Ohne Internet: Lade die vier Repos kobimusic/dettato, dettato-evidence, dettato-grouper und dettato-drums mit hf download in einen Ordner. Dann setzt du die Umgebungsvariable DETTATO_WEIGHTS auf diesen Ordner.
Das kannst du ausprobieren
Eine kurze Solo-Klavieraufnahme (30 Sekunden, WAV), um zu sehen, wie genau Tonhöhen und Notenlängen erkannt werden.Eine Bach-Choralaufnahme oder ein Streichquartett, also die Musikart, bei der Dettato in den Benchmarks am stärksten ist.Ein Drum-Loop aus dem eigenen Proberaum, um das Pattern als MIDI in die DAW zu übernehmen und dort mit anderen Drum-Sounds abzuspielen.Eine selbst eingespielte Gitarrenmelodie, deren MIDI danach in der DAW von einem Synthesizer gespielt wird.Ein kompletter Popsong mit Band, um die Grenzen zu testen, vor allem wie gut das Modell die einzelnen Instrumente auseinanderhält.
Tipps für bessere Ergebnisse
- Fang mit sauberen Aufnahmen weniger Instrumente an. Je dünner der Klang, desto besser kann das Modell die Noten auseinanderhalten.
- Wenn es um ein einzelnes Instrument aus einem Bandsong geht, trenne die Spuren vorher mit einem Stem-Splitter-Werkzeug und transkribiere sie einzeln. Das umgeht die Schwäche bei der Instrumententrennung.
- Lade das MIDI in deine DAW und korrigiere dort vor allem die Notenenden (Offsets). Hier ist die Erkennung mit rund 41 Punkten am schwächsten.
- Nutze die Drum-Erkennung gezielt. Sie ist laut Benchmark Dettatos größter Vorsprung vor der Konkurrenz.
Wenn es hakt
Der Vorstellungsbeitrag nennt weder ein Hugging-Face-Repository noch Installationsbefehle. Die aktuelle Download- und Startanleitung findest du auf kobi.music/research/dettato.
Die genaue Lizenz des Modells nennt der Beitrag nicht, nur dass es Open Source ist und die Ergebnisse kommerziell genutzt werden dürfen. Prüfe die Lizenz vor dem Einsatz.
Spielen mehrere Instrumente gleichzeitig, werden Noten oft dem falschen Instrument zugeordnet. Das ist eine bekannte Schwäche, die der Entwickler selbst nennt.
Die Ausgabe ist Performance-MIDI. Öffnest du sie in einem Notensatzprogramm, entsteht kein sauberes Notenblatt, sondern eher unordentliche Noten mit krummen Längen.
Bei Pop- und Genre-Mischungen sind die Werte deutlich niedriger als bei Klassik. Rechne bei solchen Aufnahmen mit Nacharbeit.
„out of memory“, Absturz oder der Rechner hängt
Das Modell ist zu groß für deinen Grafikspeicher. Nimm eine kleinere Variante aus der Tabelle oben und schließe andere Programme, vor allem Spiele und Browser mit vielen Tabs.
Es läuft, aber extrem langsam
Wahrscheinlich rechnet der Prozessor statt der Grafikkarte. Bei Ollama zeigt ollama ps in der Spalte PROCESSOR, wie viel auf der GPU läuft. Steht dort „100% CPU“, Grafiktreiber aktualisieren oder eine kleinere Variante nehmen, die komplett in den Grafikspeicher passt.
„ollama“ bzw. „python“ wird nicht gefunden
Das Eingabefenster schließen und neu öffnen, damit es das frisch installierte Programm kennt. Bei Python unter Windows: neu installieren und das Häkchen Add python.exe to PATH setzen.
Windows: „Die Ausführung von Skripts ist auf diesem System deaktiviert“
Das Skript genau mit dem Befehl oben starten: powershell -ExecutionPolicy Bypass -File try_windows.ps1. Das erlaubt die Ausführung nur dieses einen Mal.
Fehlermeldung beim Laden des Modells (Version, „trust_remote_code“, unbekannte Architektur)
Ganz neue Modelle brauchen oft die neueste Programmversion. Bei Ollama: Ollama aktualisieren. Bei Python: pip install -U transformers in der aktivierten Umgebung. Die Model Card nennt meist die genaue Version.
Skripte und Notebook erzeugt Tokenstrom automatisch. Bitte vor dem Ausführen kurz ansehen – sie sind lesbarer Klartext. Lizenz des Modells beachten: apache-2.0.
Frag den KI-Assistenten
Fragen zu diesem Artikel, zur Installation oder zu Hintergründen? Unser Assistent kennt diese Seite und läuft auf unserem eigenen Rechner, nicht in einer fremden Cloud.
Der Assistent ist eine KI (Gemma 4) und kann sich irren – wichtige Angaben bitte in der Quelle prüfen. Fragen werden nur zum Beantworten genutzt und nach einer Stunde gelöscht. Bitte keine persönlichen Daten eingeben.
Kommentare
Was meinst du dazu? Schon ausprobiert? Schreib es hier, ohne Anmeldung.
Kommentare sind öffentlich. Links sind nicht erlaubt, beleidigende Beiträge löschen wir. Deinen eigenen Kommentar kannst du in diesem Browser jederzeit wieder löschen. Mehr dazu in der Datenschutzerklärung.