★ FEATURED ARTICLE demucs 六音轨人声分离htdemucs_6s 安装教程与常用参数指南【免费下载链接】demucsCode for the paper Hybrid Spectrogram and Waveform Source Separation项目地址: https://gitcode.com/gh_mirrors/de/demucsDemucs 是开源的音乐音源分离项目v4 版内置 htdemucs_6s 模型可把一首混合音频拆出 vocals人声、drums鼓、bass贝斯、guitar吉他、piano钢琴、other其他六路立体声 WAV。全程在本地运行GPU 显存约 2.4GB 量级即可跑起来。 它能做什么六路音源分离一条命令把整首歌拆成 vocals、drums、bass、guitar、piano、other 六个独立文件。人声与伴奏二分--two-stems vocals直接产出人声 伴奏两份卡拉OK 场景一步到位。常用格式通吃torchaudio 支持的输入wav、mp3、flac、ogg 等都能读输出可为 16bit/24bit/float32 WAV 或 MP3。本地离线运行模型只在你机器上加载音频不出本机首次运行需联网下载模型权重。 它凭什么好用维度htdemucs_6s对照差距分离音源数6 路含吉他、钢琴htdemucs 等 4 路方案多 2 路GPU 显存占用约 2.4GB 量级4GB 起步的方案门槛更低处理耗时GPU整首歌几分钟内v3/v2 时代需数倍时长明显更快输出规格44.1kHz 立体声44.1kHz 立体声同级论文口径htdemucs 微调版在 MUSDB HQ 测试集取得 9.0dB SDR为同类方案里的第一梯队。 原理速览把一段旋律同时用耳朵听、用眼睛看谱。模型里跑着两条并行的 U-Net 分支一条直接处理波形负责节奏与瞬态另一条处理 STFT短时傅里叶变换频谱负责音高与音色。两条分支在中段接入一个跨域 Transformer 编码器各自先做域内自注意力、再做跨域交叉注意力最后分别解码重建出每一路音源。 装好并跑起来没有 NVIDIA 显卡就用 CPU 环境文件有显卡就换 environment-cuda.yml# 创建并激活 conda 环境依赖一并装好 git clone https://gitcode.com/gh_mirrors/de/demucs cd demucs conda env create -f environment-cpu.yml conda activate demucs环境就绪后一条命令完成首次分离# -n 指定六源模型结果输出到 separated/htdemucs_6s/原曲名/ 下 python -m demucs.separate -n htdemucs_6s test.mp3跑完后在该目录下会看到 vocals.wav、drums.wav、bass.wav、guitar.wav、piano.wav、other.wav 六个立体声文件。首次运行会联网下载模型权重之后即可离线复用。️ 场景化用法做卡拉OK只关心人声和伴奏两份时用二分模式输出 vocals.wav 与 no_vocals.wav可直接当伴奏使用# 分离完只保留人声 其余伴奏两份 python -m demucs.separate -n htdemucs_6s --two-stems vocals 播客录音.mp3吉他老师做教材只抽吉他音源并以 MP3 交付给学生# --mp3 把输出压成 MP3适合在线分享 python -m demucs.separate -n htdemucs_6s --two-stems guitar --mp3 教学曲.mp3DJ 抽节奏底只要鼓和贝斯时按完整六路分离后取对应文件即可注意--two-stems一次只支持指定一路不会减少计算量# 完整分离后取 drums.wav 与 bass.wav 做 remix 底座 python -m demucs.separate -n htdemucs_6s --out ./混音素材 原曲.mp3 常用参数速查参数作用什么时候用-n/--name选择预训练模型名默认 htdemucs四源要六源就填 htdemucs_6s--two-stems只产出指定音源 其余混合两份做卡拉OK 或只关心一路音源-d/--device计算设备无显卡时写 cpu--segment分段长度秒显存不够时调小htdemucs 系列上限约 7.8 秒--shifts随机时移并平均的次数有多余算力想抠一点质量时调大CPU 上别开--overlap预测窗重叠比例默认 0.25 即可赶时间可降到 0.1--mp3/--flac输出格式需要压缩分发时-j/--jobs并行任务数多核 CPU 批量处理时注意内存同步上涨⚠️ 踩坑排查现象GPU 上跑着跑着抛 CUDA out of memory。 原因默认整段处理太吃显存。解决加--segment 8缩小分段或加-d cpu改用 CPU耗时约为音频时长的 1.5 倍。现象--segment 30报 Cannot use a Transformer model with a longer segment than it was trained for。 原因htdemucs 系列按训练时长限定分段上限约 7.8 秒超出直接拒绝。解决把--segment调到 8 或更小。现象htdemucs_6s 分离出来的 piano.wav 有明显串味和杂音guitar.wav 相对干净。 原因六源模型的钢琴音源本身训练得不充分官方文档也明确提示 piano 目前效果有限。解决钢琴声部混入 other.wav 一起用或改用四源模型 htdemucs 后单独处理钢琴需求。 项目里去哪找更多demucs/remote/htdemucs_6s.yamlhtdemucs_6s 的模型清单配置-n参数就是从这里解析的。docs/api.mdPython 接口说明Separator、separate_audio_file、save_audio的用法都在这里。demucs/separate.py命令行入口源码所有参数定义一览无余。tools/bench.py、tools/convert.py批量跑分与格式转换的小工具。htdemucs_6s 适合想一次拿到六路干声、又不想折腾云服务的场景上手成本低、可完全离线。需要提醒的是钢琴一路质量有限且项目官方已声明只维护重要缺陷修复对四路分离要求更高时建议用默认 htdemucs 或 htdemucs_ft。【免费下载链接】demucsCode for the paper Hybrid Spectrogram and Waveform Source Separation项目地址: https://gitcode.com/gh_mirrors/de/demucs创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
阅读完成 · 觉得有帮助？
