vocal remover

声带回生

这是一种基于深度学习的工具，可以从您的歌曲中提取器乐曲目。

安装

得到声带回生

从这里下载最新版本。

安装Pytorch

请参阅：开始

安装其他软件包

 cd vocal-remover
pip install -r requirements.txt

用法

以下命令将输入分为乐器和声音轨道。它们被保存为*_Instruments.wav和*_Vocals.wav 。

在CPU上运行

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

在GPU上运行

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

高级选项

--tta选项执行测试时间启动以提高分离质量。

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

--postprocess选件掩盖了基于人声量的器件，以提高分离质量。

警告

这是一个实验特征。如果您在此选项上遇到任何问题，请禁用它。

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

训练自己的模型

放置您的数据集

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

训练模型

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

参考

• [1] Jansson等人，“与深U-Net卷积网络的歌声分离”，https://ejhumphrey.com/assets/pdf/jansson2017singing.pdf
• [2] Takahashi等人，“音频源分离的多尺度多波段密码”，https://arxiv.org/pdf/1706.09588.pdf
• [3] Takahashi等人，“ Mmdenselstm：音频源分离的卷积和复发性神经网络的有效组合”，https：//arxiv.org/pdf/pdf/1805.02410.pdf
• [4]
• [5] Jansson等人，“学习多个仪器源分离的复杂面具”，https：//arxiv.org/pdf/2103.12864.pdf
• [6] Liutkus等人，“ 2016年信号分离评估活动”，潜在变量分析和信号分离 - 第12届国际会议