Spleeter 开源项目教程

项目介绍

Spleeter 是由 Deezer 开发的音乐源分离库，使用 Python 编写并基于 TensorFlow。它能够轻松训练音乐源分离模型（假设您有一个隔离源的数据集），并提供已经训练好的最先进的模型，用于执行各种风格的分离，包括：

• 人声/伴奏分离（2 stems）
• 人声/鼓/贝斯/其他分离（4 stems）
• 人声/鼓/贝斯/钢琴/其他分离（5 stems）

Spleeter 在 musdb 数据集上表现出色，并且非常快速，能够在 GPU 上以 100 倍于实时速度执行音频文件的分离。

项目快速启动

安装依赖

首先，您需要安装 ffmpeg 和 libsndfile。可以使用 Conda 进行安装：

conda install -c conda-forge ffmpeg libsndfile

安装 Spleeter

接下来，使用 pip 安装 Spleeter：

pip install spleeter

分离音频文件

以下是一个简单的示例，展示如何分离音频文件中的人声和伴奏部分：

spleeter separate -i audio_example.mp3 -o output

应用案例和最佳实践

Spleeter 已被多个专业音频软件采用，包括：

• iZotope 在其 Music Rebalance 功能中使用
• SpectralLayers 在其 Unmix 功能中使用
• Acon Digital 在其 Acoustica 7 中使用

此外，Spleeter 还被用于虚拟 DJ 软件和 Algoriddim 的 NeuralMix 和 djayPRO 应用中。

典型生态项目

Spleeter 的预训练模型也被用于多个项目和软件中，例如：

• Ableton Live 生态系统的 Spleeter 4 Max 项目
• 各种基于 Spleeter 的 GUI 或独立网站

这些项目扩展了 Spleeter 的功能，使其更加易于非技术人员使用。

通过本教程，您应该能够快速上手并使用 Spleeter 进行音乐源分离。希望您能从中获得有价值的经验和成果。