vocal remover

rejet vocal

Il s'agit d'un outil basé sur l'apprentissage en profondeur pour extraire un morceau instrumental de vos chansons.

Installation

Obtenir un rejet vocal

Téléchargez la dernière version d'ici.

Installer Pytorch

Voir : Commencez

Installez les autres packages

 cd vocal-remover
pip install -r requirements.txt

Usage

La commande suivante sépare l'entrée dans les pistes instrumentales et vocales. Ils sont enregistrés comme *_Instruments.wav et *_Vocals.wav .

Exécutez sur le processeur

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

Exécutez sur GPU

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

Options avancées

--tta L'option TTA effectue un augmentation du temps de test pour améliorer la qualité de séparation.

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

--postprocess option PostProcess masque la partie instrumentale basée sur le volume des voix pour améliorer la qualité de séparation.

Avertissement

Ceci est une caractéristique expérimentale. Si vous rencontrez des problèmes avec cette option, veuillez le désactiver.

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

Formez votre propre modèle

Placez votre ensemble de données

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

Former un modèle

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

Références

• [1] Jansson et al., "Singing Voice Séparation avec des réseaux convolutionnels profonds", https://ejhumphrey.com/assets/pdf/jansson2017sing.pdf
• [2] Takahashi et al.
• [3] Takahashi et al.
• [4] Choi et al.
• [5] Jansson et al.
• [6] Liutkus et al., "La campagne d'évaluation de la séparation des signaux 2016", Analyse des variables latentes et séparation des signaux - 12e conférence internationale