Spleeter 开源项目教程
项目介绍
Spleeter 是由 Deezer 开发的音乐源分离库,使用 Python 编写并基于 TensorFlow。它能够轻松训练音乐源分离模型(假设您有一个隔离源的数据集),并提供已经训练好的最先进的模型,用于执行各种风格的分离,包括:
- 人声/伴奏分离(2 stems)
- 人声/鼓/贝斯/其他分离(4 stems)
- 人声/鼓/贝斯/钢琴/其他分离(5 stems)
Spleeter 在 musdb 数据集上表现出色,并且非常快速,能够在 GPU 上以 100 倍于实时速度执行音频文件的分离。
项目快速启动
安装依赖
首先,您需要安装 ffmpeg
和 libsndfile
。可以使用 Conda 进行安装:
conda install -c conda-forge ffmpeg libsndfile
安装 Spleeter
接下来,使用 pip 安装 Spleeter:
pip install spleeter
分离音频文件
以下是一个简单的示例,展示如何分离音频文件中的人声和伴奏部分:
spleeter separate -i audio_example.mp3 -o output
应用案例和最佳实践
Spleeter 已被多个专业音频软件采用,包括:
- iZotope 在其 Music Rebalance 功能中使用
- SpectralLayers 在其 Unmix 功能中使用
- Acon Digital 在其 Acoustica 7 中使用
此外,Spleeter 还被用于虚拟 DJ 软件和 Algoriddim 的 NeuralMix 和 djayPRO 应用中。
典型生态项目
Spleeter 的预训练模型也被用于多个项目和软件中,例如:
- Ableton Live 生态系统的 Spleeter 4 Max 项目
- 各种基于 Spleeter 的 GUI 或独立网站
这些项目扩展了 Spleeter 的功能,使其更加易于非技术人员使用。
通过本教程,您应该能够快速上手并使用 Spleeter 进行音乐源分离。希望您能从中获得有价值的经验和成果。