หน้าแรก>การเขียนโปรแกรมที่เกี่ยวข้อง>หลาม
ดาวน์โหลด

การตอบโต้

นี่เป็นเครื่องมือที่ใช้การเรียนรู้อย่างลึกซึ้งเพื่อแยกแทร็กเครื่องมือออกจากเพลงของคุณ

การติดตั้ง

ได้รับเสียงร้อง

ดาวน์โหลดเวอร์ชันล่าสุดจากที่นี่

ติดตั้ง pytorch

ดู : เริ่มต้น

ติดตั้งแพ็คเกจอื่น ๆ 

 cd vocal-remover
pip install -r requirements.txt

การใช้งาน

คำสั่งต่อไปนี้จะแยกอินพุตออกเป็นแทร็กเครื่องมือและเสียงร้อง พวกเขาจะถูกบันทึกเป็น *_Instruments.wav และ *_Vocals.wav

ทำงานบน CPU 

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

ทำงานบน GPU 

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

ตัวเลือกขั้นสูง

-ตัวเลือก --tta ดำเนินการทดสอบเวลาทดสอบเพื่อปรับปรุงคุณภาพการแยก 

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

-Masks ตัวเลือก --postprocess Masks ส่วนที่เป็นเครื่องมือตามปริมาณเสียงร้องเพื่อปรับปรุงคุณภาพการแยก

คำเตือน

นี่คือคุณสมบัติการทดลอง หากคุณได้รับปัญหาใด ๆ กับตัวเลือกนี้โปรดปิดการใช้งาน 

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

ฝึกอบรมนางแบบของคุณเอง

วางชุดข้อมูลของคุณ 

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

ฝึกนางแบบ 

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

การอ้างอิง

  • [1] Jansson et al., "การแยกเสียงร้องเพลงด้วยเครือข่าย u-net deep connetworks", https://ejhumphrey.com/assets/pdf/jansson2017sing.pdf
  • [2] Takahashi et al., "Densenets หลายวงดนตรีหลายระดับสำหรับการแยกแหล่งเสียง", https://arxiv.org/pdf/1706.09588.pdf
  • [3] Takahashi et al., "Mmdenselstm: การรวมกันอย่างมีประสิทธิภาพของเครือข่ายประสาทและการเกิดซ้ำสำหรับการแยกแหล่งเสียง", https://arxiv.org/pdf/1805.02410.pdf
  • [4] Choi et al., "การเพิ่มประสิทธิภาพการพูดที่รับรู้เฟสด้วย u-net ที่ซับซ้อน", https://openreview.net/pdf?id=skertsacym
  • [5] Jansson et al., "มาสก์ที่ซับซ้อนได้เรียนรู้สำหรับการแยกแหล่งข้อมูลหลายรายการ", https://arxiv.org/pdf/2103.12864.pdf
  • [6] Liutkus et al., "แคมเปญการประเมินการแยกสัญญาณ 2016", การวิเคราะห์ตัวแปรแฝงและการแยกสัญญาณ - การประชุมนานาชาติครั้งที่ 12
ขยาย
ข้อมูลเพิ่มเติม
แอปที่เกี่ยวข้อง
แนะนำสำหรับคุณ
ข้อมูลที่เกี่ยวข้อง ทั้งหมด