给我推荐20个比较流行的python人声分离模型

最新推荐文章于 2024-05-06 10:21:24 发布
最新推荐文章于 2024-05-06 10:21:24 发布
阅读量1.2k 收藏 1
点赞数
文章标签： 深度学习 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_35756637/article/details/129608178
版权

好的，以下是 20 个比较流行的 python 人声分离模型。

  1. Spleeter：基于 TensorFlow 的音频分离工具，可将音频文件中的人声、乐器和背景声分离开来。
  2. DeepVoice3：一种可以自动分离人声和乐器的模型，基于时域网络和神经机器翻译技术。
  3. SampleRNN：一种可以从音频文件中分离出人声的循环神经网络模型。
  4. U-Net：一种基于卷积神经网络的音频分离模型，可以将音频文件中的人声和乐器分离开来。
  5. Wave-U-Net：一种基于 U-Net 架构的音频分离模型，可以将音频文件中的人声和乐器分离开来。
  6. Wavenet：一种基于深度学习的音
一曲歌长安
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Deezer 的(Tensorflow)音源分离库，可用命令行直接提取音乐中的人声、钢琴、鼓声等-python
06-18
Deezer 的(Tensorflow)音源分离库，可用命令行直接提取音乐中的人声、钢琴、鼓声等 关于 Spleeter 是 Deezer 源代码分离库，带有用 Python 编写的预训练模型，并使用 Tensorflow。 它可以轻松训练源分离模型（假设您有一个孤立源的数据集），并提供已经训练好的最先进的模型来执行各种风格的分离：人声（歌声）/伴奏分离（2 个词干）人声 /鼓/贝斯/其他分离（4个词干） 人声/鼓/贝斯/钢琴/其他分离（5个词干） 2个词干和4个词干模型在musdb数据集上有很高的表现。 Spleeter 也非常快，因为在 GPU 上运行时，它可以将音频文件分离为 4 个词干，比实时速度快 100 倍。 我们设计了 Spleeter，因此您可以直接从命令行使用它，也可以直接在您自己的开发管道中作为 Python 库使用它。 它可以与 Conda、pip 一起安装或与 Docker 一起使用。 快速入门 想尝试但不想安装任何东西？ 我们已经设置了一个 Google Colab。 准备好深入了解了吗？ 在几行中，您可以使用 Conda 安装 Spleete
Win10基于python，spleeter 人声提取工具安装和使用（全网最全，超详细）
qq_44976743的博客
09-17 8737
这里写自定义目录标题Win10基于python，spleeter 音频分轨工具安装和使用（全网最全，超详细）新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 Win10基于python，spleeter 音频分轨工具安装和使
python实现歌声伴奏分离实验与开发
01-11
ReadMe Release Version beta_1.0 index.py imageMatlab.py This is more or less a wrapper for Matplotlib imaging functions such that their behavior is equivalent, in terms of colormap, aspect and so forth, to the expected behavior of Matlab's functions. sepVocal.py This script can be used to execute the desired separation. See below for an example of use of this file. SIMM.py This script implements the actual algorithm for parameter estimation. It is mainly used by sepVocal.py. tracking.py The Viterbi decoding algorithm is implemented in this script. Requirements: These scripts have been tested with Python 2.7, The packages that are required to run the scripts are pydub,ffmepg, Numpy, Spicy, Matplotlib. One can respectively find the latest versions at the following addresses: http://pydub.com/ https://ffmpeg.org http://numpy.org/ http://scipy.org/ http://matplotlib.sourceforge.net/ Notes: Prefer recent versions of the above packages, in order to avoid compatibility issues, notably for Matplotlib. Note that this latter package is not necessary for the program to run, although you might want to watch a bit what is happening! Spicy should be version 0.8+, since we use its io.wavefile module to read the wave files. We once used the audio lab module, but it would seem that it is a bit more complicated to install (with the benefit that many more file formats are allowed). Usage: The easy way to use these scripts is to run the exec package of our release version: http://www.github.com/beata_1.0 for more develop: you can run the index.py on pycharm directly. note: the output files will create under you source wav file. ContactMe Email:[email protected]
Python 筛选有人声的Wav文件
LiuPig
07-12 1207
用途：判断左声道/右声道，是否有疑是人说话的声音，筛选有声音但SR无法识别出的wav文件， 过滤无效的声音，短促的声音等Code:
Win10基于python，spleeter 人声提取工具安装和使用
wjylr的博客
05-17 1588
Win10基于python，spleeter 人声提取工具安装和使用的 种种 错误 直到 成功 突然有朋友提出音乐取人声的问题，就开始 学习了，？？！！！！！ 向大师学习了两天：”“我是一只菜菜鸟，大神掠过”“ 学习了很多： 这两位大师我个人觉得很好“： 小筱1201：https://blog.csdn.net/qq_44976743/article/details/108632618?spm=1001.2014.3001.5501 么么惠：https://blog.csdn.net/weixin_
Win11基于python，利用Spleeter实现人声音频分离（详细教程）
weixin_45079473的博客
11-26 4632
Win11基于python，利用Spleeter实现人声音频分离（详细教程）
【五分钟会，半小时懂】人声分离Demucs
热门推荐
xian0710830114的专栏
09-09 2万+
目录 效果演示 Demucs介绍 Demucs的使用 Demucs原理 效果演示 https://www.bilibili.com/video/BV123411i7ZY/ https://www.bilibili.com/video/BV1BP4y1a7hG/ Demucs介绍 Demucs是Facebook开源的声音分离模型，简单易用，结构简单，现在很多应用都以Demucs作为baseline进行优化。 Demucs提供了Demucs和Convs - .........
人声与背景音乐源分离
查理王的博客
11-09 865
人声分离是将音频录音分离为各个源的任务。该存储库是音乐源分离的 PyTorch 实现。用户可以通过安装此存储库将自己喜欢的歌曲分成不同的来源。用户还可以训练自己的源分离系统。该存储库还可用于训练语音增强、乐器分离和任何分离系统。从github上下载，然后存放到指定文件夹下：/root/bytesep_data/train_scripts/musdb18。执行以上，可分离出人声，若效果不理想需要进行微调操作。存放到目录：/root/bytesep_data 下。下载依赖的人声伴奏配置。
chatgpt赋能python：Python分离音频：优秀技术实践实现音频处理的最佳方案
aijinglingchat的博客
06-03 504
音频分离技术是指对输入的音频信号进行分析，并将其拆分为两个或多个声音源。这项技术被广泛应用于视频制作、音频处理、语音识别和音频分析等领域中。音频分离有助于从原始音频中删除不必要的噪声，以便提高音频质量，并便于检索搜索所需信息。本文由chatgpt生成，文章没有在chatgpt生成的基础上进行任何的修改。以上只是chatgpt能力的冰山一角。作为通用的Aigc大模型，只是展现它原本的实力。对于颠覆工作方式的ChatGPT，应该选择拥抱而不是抗拒，未来属于“会用”AI的人。
Python通过Spleeter实现音唱人声(歌声)伴奏分离
alicema1111的博客
12-22 2099
这篇博客针对《Python实现音唱人声(歌声)伴奏分离》编写代码，功能包括了人声(歌声)-伴奏分离。运用Spleeter库进对音频文件编辑。
Python-inaSpeechSegmenter基于CNN音频分割音乐人声性别工具集
08-11
CNN-based audio segmentation toolkit. Allows to detect speech, music and speaker gender. Has been designed for large scale gender equality studies based on speech time per gender.
Deezer源分离库包括预训练的模型。-Python开发
05-24
关于Spleeter是Deezer源代码分离库，其中包含使用Python编写的预训练模型，并使用Tensorflow。 它使训练源分离模型（假设您具有隔离的源的数据集）变得容易，About Spleeter是Deezer源分离库，其中包含使用Python编写的预训练模型并使用Tensorflow。 它使训练源分离模型（假设您具有隔离的源的数据集）变得容易，并提供经过训练的先进模型来执行各种分离风格：人声（演唱声音）/伴奏分离（2个词干）人声/鼓/贝斯/其他分离（4个词干）人声/鼓/贝斯/钢琴/其他分离（5个词干）2个词干和
Dual-path RNN： Pytorch实现的时域单通道语音分离的 高效长序列建模
06-01
Dual-path RNN：Pytorch实现的时域单通道语音分离的高效长序列建模 使用 WSJ0 数据集作为我们的训练、测试和验证集。下面是WSJ0的数据下载链接和混合音频代码。 音频混合样本 WSJ0 数据集 创建数据集
spleeter：Deezer源分离库，包括预训练的模型
02-04
:warning: 版本引入了一些重大更改，包括用于输入的新CLI选项命名以及专用GPU软件包的删除。 请阅读了解更多详情。 关于 Spleeter是源代码分离库，具有使用编写的预训练模型，并使用 。 它使训练源分离模型（假设您具有隔离的源的数据集）变得容易，并提供了经过训练的先进模型来执行各种分离操作： 人声（歌声）/伴奏分离（ ） 人声/鼓/贝斯/其他分离（ ） 人声/鼓/贝斯/钢琴/其他分离器（ ） 2个茎和4个茎模型在数据集上具有。 Spleeter也非常快，因为它可以在GPU上运行时将音频文件分离为4个茎，比实时快100倍。 我们设计了Spleeter，因此您可以直接在使用它，也可以在自
毕业设计：python语音和背景音乐分离算法及系统（源码 + 数据库 + 说明文档）
06-10
3.2人声分离的简单模型设计 12 第4章 系统实现 13 4.1基本任务 13 4.2系统主要功能得实现 13 4.2.1系统登录界面的实现 13 4.2.2 新增用户的实现 13 4.2.3语音控制界面的实现 14 4.2.4密码修改界面 15 第5章 系统测试...
针对研究人员的基于PyTorch的音频源分离工具包|| 提供预训练的模型-Python开发
05-25
基于Pytorch的音频源分离工具箱基于PyTorch的音频源分离工具箱，供研究人员使用。 Asteroid是基于Pytorch的音频源分离工具包，可对常见数据集进行快速实验。 它带有支持大量数据集和体系结构的源代码，以及一组用于...
深度学习之基于Pytorch卷积神经网络人民币面值识别
最新发布
Q1744828575的博客
05-06 427
一、项目背景在日常生活和商业活动中，人民币面值识别技术具有重要的应用价值。传统的面值识别方法，如基于模板匹配或特征工程的方法，在面对复杂多变的图像环境时，往往难以达到理想的识别效果。随着深度学习技术的兴起，特别是卷积神经网络（Convolutional Neural Networks, CNN）在图像识别领域的卓越表现，为人民币面值识别提供了新的解决方案。本项目旨在利用PyTorch深度学习框架和卷积神经网络，开发一个高效、准确的人民币面值识别系统。二、项目目标。
深度学习之基于YOLOv5电线电缆目标检测系统
Q1744828575的博客
04-29 1173
项目简介：深度学习之基于YOLOv5电线电缆目标检测系统本项目致力于开发一套基于深度学习的电线电缆目标检测系统，该系统利用YOLOv5算法实现电线电缆的实时检测和识别。通过深度学习技术，我们能够自动提取电线电缆的特征，进而实现对电线电缆目标的快速、准确检测。一、项目背景与意义电线电缆作为电力传输和信号传输的重要基础设施，其安全性和可靠性对于各个领域至关重要。然而，在实际应用中，电线电缆可能因各种原因出现缺陷或故障，如绝缘破损、接触不良等。
LSTM计算指示图
2301_77549977的博客
05-06 87
掌握网络结构 组件构成 输入门、遗忘门、输出门 候选记忆细胞 记忆细胞 隐藏状态
用python实现分离人声与背景声
06-07
要用Python实现分离人声与背景声，可以使用开源库spleeter。spleeter是由Deezer开发的一个基于深度学习的音频分离库，可以将一首音频分离成多个音轨，包括歌声、伴奏、鼓声等。 以下是使用spleeter分离人声和背景声的代码： ```python !pip install spleeter ``` ```python import os import spleeter # Load audio file audio_file = "path/to/audio/file" audio_data = spleeter.load_audio_file(audio_file) # Define output directory output_dir = "path/to/output/directory" # Split audio into vocals and accompaniment separator = spleeter.Separator('spleeter:2stems') prediction = separator.separate(audio_data) # Save vocals and accompaniment to separate files os.makedirs(output_dir, exist_ok=True) spleeter.save_audio_file(prediction['vocals'], os.path.join(output_dir, 'vocals.wav')) spleeter.save_audio_file(prediction['accompaniment'], os.path.join(output_dir, 'accompaniment.wav')) ``` 这将把音频文件分离成人声和背景声两个文件，并保存到指定的输出目录中。你可以调整分离的声道数，例如使用`spleeter:4stems`将音频分离成四个音轨，包括歌声、贝斯声、鼓声和其它声音。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值