SpleeterMsvcExe 项目教程
1. 项目介绍
SpleeterMsvcExe 是一个基于 Spleeter 的 Windows 命令行程序,用于将音频文件中的伴奏和人声分离。该项目使用纯 C 语言编写,通过 ffmpeg 读取和写入音频文件,并使用 Tensorflow C API 调用 Spleeter 模型。SpleeterMsvcExe 无需安装 Python 环境,内部也不包含任何 Python 相关内容。此外,该项目通过分段处理减少了内存占用,可以处理长度超过 30 分钟的单个音频文件,分段时有长度扩展处理,使各分段可无缝连接,合并结果无可感知的差异。
2. 项目快速启动
2.1 下载与解压
首先,从 SpleeterMsvcExe GitHub 仓库 下载最新的 release 版本程序,并解压到任意位置。
2.2 下载模型文件
执行 models
目录中的 download_models.bat
脚本,自动下载并解压 Spleeter 模型文件。或者手动下载 release 中的 models-all.zip
文件并解压到 models
目录中。如果需要 16kHz 模型,还需手动执行 generate_16kHz.bat
。
2.3 分离音频文件
将 song.mp3
文件拖拽到 Spleeter.exe
上,或在命令行执行以下命令:
Spleeter.exe song.mp3
这将把 song.mp3
分离为人声 (song_vocals.mp3
) 和伴奏 (song_accompaniment.mp3
) 两个音轨。
2.4 其他参数
更多参数请查看帮助和使用示例。例如:
Spleeter.exe -m 4stems -o result.m4a -b 192k song.mp3
这将把 song.mp3
分离为 4 个音轨:人声、鼓、贝斯、其它,并输出为 M4A 格式,比特率为 192kbps。
3. 应用案例和最佳实践
3.1 音乐制作
在音乐制作过程中,SpleeterMsvcExe 可以帮助音乐制作人快速分离出歌曲中的伴奏和人声,便于进行后期处理和混音。
3.2 语音识别
在语音识别领域,SpleeterMsvcExe 可以用于分离出音频文件中的人声部分,提高语音识别的准确性。
3.3 音频分析
在音频分析领域,SpleeterMsvcExe 可以用于分离出音频文件中的不同音轨,便于进行音频特征提取和分析。
4. 典型生态项目
4.1 Spleeter
Spleeter 是 Deezer 开源的音频分离工具,SpleeterMsvcExe 是基于 Spleeter 的 Windows 命令行程序。
4.2 spleeterpp
spleeterpp 是 Guillaume Vincke 开发的项目,SpleeterMsvcExe 的 Spleeter 处理部分代码参考其实现,并使用了其提供的转换后的 Spleeter 模型文件。
4.3 SpleeterGUI
SpleeterGUI 是一个基于 Spleeter 的图形化界面工具,方便用户通过图形界面进行音频分离操作。
通过以上模块的介绍,您可以快速了解并使用 SpleeterMsvcExe 项目。