Spleeter to biblioteka separacji źródeł dźwięku Deezer z wstępnie przeszkolonymi modelami napisanymi w Pythonie i korzystająca z Tensorflow.Instrument jest w stanie podzielić utwór muzyczny na osobne komponenty (wokal, perkusja, bas i inne specyficzne dźwięki).Po podzieleniu na kilka ścieżek audio, każda z nich może być używana do własnych celów (usuwanie wokalu, wycinanie rytmu gitary i więcej).Powstałe ścieżki audio można zaimportować do dowolnego edytora audio, takiego jak Audacity. Ułatwia to trenowanie modelu separacji źródeł (zakładając, że masz zbiór danych izolowanych źródeł) i zapewnia już wyszkolony najnowocześniejszy model do wykonywania różnych smakówseparacja: ... Wokal (głos śpiewający) / separacja akompaniamentu (2 pnie) Wokal / perkusja / bas / inna separacja (4 pnie) Wokal / perkusja / bas / pianino / inna separacja (5 pni) Modele z 2 pniami i 4 pniami mająnajnowsze osiągnięcia w zestawie danych musdb.Spleeter jest również bardzo szybki, ponieważ może wykonywać separację plików audio do 4 rdzeni 100 razy szybciej niż w czasie rzeczywistym, gdy jest uruchomiony na GPU.Zaprojektowaliśmy Spleeter, abyś mógł używać go bezpośrednio z wiersza poleceń, a także bezpośrednio we własnym potoku programistycznym jako biblioteka Pythona.Może być zainstalowany z Condą, z pipem lub może być używany z Dockerem.Szybki start Chcesz wypróbować?Wystarczy sklonować repozytorium i zainstalować środowisko Conda, aby rozpocząć oddzielanie pliku audio w następujący sposób: git clone conda env create -f spleeter / conda / spleeter-cpu.yaml conda aktywuj spleeter-cpu spleeter oddzielny -i spleeter / audio_example.mp3 -p spleeter: 2stems -o wyjście Powinieneś dostać dwa oddzielne pliki audio (vocals.wav i akompaniament.wav) w folderze output / audio_example.Aby uzyskać bardziej szczegółową dokumentację, sprawdź wiki repozytorium.Istnieje również nieoficjalna strona internetowa, która umożliwia korzystanie ze Spleeter online: