vocal remover

聲帶回生

這是一種基於深度學習的工具，可以從您的歌曲中提取器樂曲目。

安裝

得到聲帶回生

從這裡下載最新版本。

安裝Pytorch

請參閱：開始

安裝其他軟件包

 cd vocal-remover
pip install -r requirements.txt

用法

以下命令將輸入分為樂器和聲音軌道。它們被保存為*_Instruments.wav和*_Vocals.wav 。

在CPU上運行

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

在GPU上運行

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

高級選項

--tta選項執行測試時間啟動以提高分離質量。

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

--postprocess選件掩蓋了基於人聲量的器件，以提高分離質量。

警告

這是一個實驗特徵。如果您在此選項上遇到任何問題，請禁用它。

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

訓練自己的模型

放置您的數據集

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

訓練模型

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

參考

• [1] Jansson等人，“與深U-Net卷積網絡的歌聲分離”，https://ejhumphrey.com/assets/pdf/jansson2017singing.pdf
• [2] Takahashi等人，“音頻源分離的多尺度多波段密碼”，https://arxiv.org/pdf/1706.09588.pdf
• [3] Takahashi等人，“ Mmdenselstm：音頻源分離的捲積和復發性神經網絡的有效組合”，https：//arxiv.org/pdf/pdf/1805.02410.pdf
• [4]
• [5] Jansson等人，“學習多個儀器源分離的複雜面具”，https：//arxiv.org/pdf/2103.12864.pdf
• [6] Liutkus等人，“ 2016年信號分離評估活動”，潛在變量分析和信號分離 - 第12屆國際會議