vocal remover

repartimiento vocal

Esta es una herramienta basada en el aprendizaje profundo para extraer una pista instrumental de sus canciones.

Instalación

Conseguir que la vocal-relatada

Descargue la última versión desde aquí.

Instalar pytorch

Ver : Empiece

Instale los otros paquetes

 cd vocal-remover
pip install -r requirements.txt

Uso

El siguiente comando separa la entrada en pistas instrumentales y vocales. Se guardan como *_Instruments.wav y *_Vocals.wav .

Correr en la CPU

 python inference.py --input path/to/an/audio/file

Correr en GPU

 python inference.py --input path/to/an/audio/file --gpu 0

Opciones avanzadas

-La opción --tta realiza la augsación de tiempo de prueba para mejorar la calidad de separación.

 python inference.py --input path/to/an/audio/file --tta --gpu 0

-La opción --postprocess enmascara una parte instrumental basada en el volumen de las voces para mejorar la calidad de la separación.

Advertencia

Esta es una característica experimental. Si tiene algún problema con esta opción, desactívelo.

 python inference.py --input path/to/an/audio/file --postprocess --gpu 0

Entrena tu propio modelo

Coloque su conjunto de datos

 path/to/dataset/
  +- instruments/
  |    +- 01_foo_inst.wav
  |    +- 02_bar_inst.mp3
  |    +- ...
  +- mixtures/
       +- 01_foo_mix.wav
       +- 02_bar_mix.mp3
       +- ...

Entrenar a un modelo

 python train.py --dataset path/to/dataset --mixup_rate 0.5 --reduction_rate 0.5 --gpu 0

Referencias

• [1] Jansson et al., "Separación de voz de canto con redes convolucionales de U-Net profundas", https://ejhumphrey.com/assets/pdf/jansson2017singing.pdf
• [2] Takahashi et al., "Densenets de banda múltiple a escala múltiple para la separación de la fuente de audio", https://arxiv.org/pdf/1706.09588.pdf
• [3] Takahashi et al., "Mmdenselstm: una combinación eficiente de redes neuronales convolucionales y recurrentes para la separación de la fuente de audio", https://arxiv.org/pdf/1805.02410.pdf
• [4] Choi et al., "Mejora del discurso de fase-consciente con un complejo U-Net profundo", https://openreview.net/pdf?id=skertsacym
• [5] Jansson et al., "Aprendidas máscaras complejas para la separación de la fuente de instrumentos múltiples", https://arxiv.org/pdf/2103.12864.pdf
• [6] Liutkus et al., "La campaña de evaluación de separación de señales 2016", Análisis de variables latentes y separación de señales - 12ª Conferencia Internacional