音乐源分离工具
Spleeter是Deezer开发的音乐源分离库,提供预训练模型,支持多种分离模式。适用于个人和专业音频处理,包括2声部、4声部及5声部模型。通过命令行或作为Python库使用,支持快速安装。此外,Spleeter还可通过Docker使用,兼容多种操作系统,为处理音频文件提供多种高效方案。
Spleeter 是由 Deezer 开发的一个音乐源分离库,采用了预训练模型,使用 Python 和 TensorFlow 编写。它让用户能够轻松训练源分离模型,并提供了用于执行不同分离操作的预训练模型。这些操作包括:
Spleeter 的两部分和四部分模型在 musdb 数据集上表现优异,并在 GPU 上运行时可实现比实时快100倍的分离速度。
Spleeter 可以直接从命令行使用,也可以在开发环境中作为 Python 库使用。它可以通过 pip 安装,也可以通过 Docker 使用。这种多样化的使用方式使其非常灵活且易于集成到各种项目中。
自发布以来,Spleeter 被广泛应用于多种项目中。尤其是在 Ableton Live 生态系统中的 Spleeter 4 Max 项目中被移植。Spleeter 的预训练模型也被专业的音频软件使用,例如:
Spleeter 还是 Music Demixing Challenge 的基准方法。
Deezer 还提供了 Spleeter 的商业版本,即 Spleeter Pro。用户可以通过此版本获得更精确的音频分离、更快的处理速度及专业支持服务。
用户可以通过 Google Colab 在线上试用 Spleeter,无需安装任何东西。要在本地计算机上运行,需先安装 ffmpeg 和 libsndfile,然后可以通过 pip 安装 Spleeter。以下是一个简单实例:
# 安装依赖项 conda install -c conda-forge ffmpeg libsndfile # 安装 spleeter pip install spleeter # 下载示例音频文件 wget https://github.com/deezer/spleeter/raw/master/audio_example.mp3 # 分离音频文件 spleeter separate -p spleeter:2stems -o output audio_example.mp3
完成后,用户将在 output/audio_example 文件夹中获得两个已分离的音频文件:vocals.wav
和 accompaniment.wav
。
该项目使用 Poetry 进行管理,可以通过克隆项目并使用 Poetry 执行测试:
# 克隆存储库并进入项目目录 git clone https://github.com/Deezer/spleeter && cd spleeter # 安装 poetry pip install poetry # 安装项目依赖 poetry install # 运行测试套件 poetry run pytest tests/
Spleeter 的代码使用 MIT 许可证。如果打算在版权材料上使用 Spleeter,必须提前获得相关著作权人的正式授权。
欢迎大家为 Spleeter 的开发做出贡献。在提交拉取请求前,请查看我们的贡献指南。
通过上述描述,Spleeter 是一个功能强大且灵活的工具,为音频处理领域的开发者带来了极大的便利与启发。
AI辅助编程,代码自动 修复
Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。
AI小说写作助手,一站式润色、改写、扩写
蛙蛙写作—国内先进的AI写作平台,涵盖小说、学术、社交媒体等多场景。提供续写、改写、润色等功能,助力创作者高效优化写作流程。界面简洁,功能全面,适合各类写作者提升内容品质和工作效率。