Spleeter 项目推荐

Spleeter 项目推荐

spleeter deezer/spleeter: Spleeter 是 Deezer 开发的一款开源音乐源分离工具，采用深度学习技术从混合音频中提取并分离出人声和其他乐器音轨，对于音乐制作、分析和研究领域具有重要意义。 项目地址: https://gitcode.com/gh_mirrors/sp/spleeter

1. 项目基础介绍和主要编程语言

Spleeter 是由 Deezer 开发的一个开源音频源分离库，主要使用 Python 语言编写，并基于 TensorFlow 框架。该项目旨在提供一个易于使用的工具，帮助用户训练和使用预训练的音频源分离模型。

2. 项目核心功能

Spleeter 的核心功能包括：

• 音频源分离：支持多种分离模式，包括人声与伴奏分离（2 stems）、人声与鼓、贝斯、其他乐器分离（4 stems）、以及更复杂的分离模式（5 stems）。
• 高性能：在 GPU 上运行时，Spleeter 可以实现比实时处理快 100 倍的分离速度。
• 易用性：用户可以通过命令行直接使用 Spleeter，也可以将其集成到自己的 Python 开发流程中。
• 跨平台支持：Spleeter 可以通过 pip 安装，也可以使用 Docker 进行部署。

3. 项目最近更新的功能

Spleeter 最近的更新包括：

• 2.1.0 版本：引入了一些重大变更，包括新的 CLI 选项命名和移除了专门的 GPU 包。详细信息请参阅 CHANGELOG。
• Google Colab 支持：为了方便用户快速上手，项目团队设置了一个 Google Colab 环境，用户无需安装任何软件即可尝试 Spleeter 的功能。
• Apple M1 芯片兼容性改进：虽然仍存在一些 TensorFlow 兼容性问题，但项目团队正在努力解决这些问题，并提供了一些临时解决方案。

通过这些更新，Spleeter 不仅保持了其高性能和易用性，还进一步提升了跨平台的兼容性和用户体验。

spleeter deezer/spleeter: Spleeter 是 Deezer 开发的一款开源音乐源分离工具，采用深度学习技术从混合音频中提取并分离出人声和其他乐器音轨，对于音乐制作、分析和研究领域具有重要意义。 项目地址: https://gitcode.com/gh_mirrors/sp/spleeter