Spleeter

Spleeter

Spleeter是一个用Python编写的音频源分离库(使用Tensorflow)。一种易于训练的源分离模型,提供了已经训练好的技术水平模型,可以执行各种分离操作。
Spleeter是Deezer音频源分离库,具有使用Python编写的预训练模型,并使用Tensorflow。乐器能够将音乐音轨划分为单独的成分(人声,鼓,贝司和其他特定声音)。分成多个音轨后,它们中的每一个都可以用于自己的目的(删除人声,削减吉他节奏等等)。生成的音轨可以导入到任何音频编辑器(例如Audacity)中,可以轻松训练音源分离模型(假设您具有隔离音源的数据集),并提供已经训练好的艺术模型来执行各种音色分离:...人声(歌声)/伴奏分离(2个词干)人声/鼓/贝斯/其他分离(4个词干)人声/鼓/贝斯/钢琴/其他分离(5个词干)2个词干和4个词干模型有musdb数据集上最先进的表演。Spleeter也非常快,因为它可以在GPU上运行时将音频文件分离为4个茎,比实时快100倍。我们设计了Spleeter,因此您可以直接在命令行中使用它,也可以在自己的开发管道中直接使用它作为Python库。它可以与Conda,pip一起安装,也可以与Docker一起使用。快速入门想要试用吗?只需克隆存储库并安装Conda环境即可开始分离音频文件,如下所示:git clone conda env create -f spleeter / conda / spleeter-cpu.yaml conda激活spleeter-cpu spleeter独立-i spleeter / audio_example.mp3 -p spleeter:2stems -o输出您应该在output / audio_example文件夹中获得两个分开的音频文件(vocals.wav和accompaniment.wav)。有关更详细的文档,请检查存储库Wiki。还有一个非官方网站,可让您在线使用Spleeter:
spleeter

具有免费许可证的Mac版Spleeter的替代品