这是一个极简的人声和背景音乐分离工具，本地化网页操作，无需连接外网，使用 2stems/4stems/5stems 模型。

将一首歌曲或者含有背景音乐的音视频文件，拖拽到本地网页中，即可将其中的人声和音乐声分离为单独的音频wav文件，可选单独分离“钢琴声”、“贝斯声”、“鼓声”等

自动调用本地浏览器打开本地网页，模型已内置，无需连接外网下载。

支持视频(mp4/mov/mkv/avi/mpeg)和音频(mp3/wav)格式

只需点两下鼠标，一选择音视频文件，二启动处理。

预编译Win版使用方法/Linux和Mac源码部署

  1. 点击此处打开Releases页面下载预编译文件；

  2. 下载后解压到某处，比如 E:/vocal-separate；

  3. 双击 start.exe ，等待自动打开浏览器窗口即可；

  4. 点击页面中的上传区域，在弹窗中找到想分离的音视频文件，或直接拖拽音频文件到上传区域，然后点击“立即分离”，稍等片刻，底部会显示每个分离文件以及播放控件，点击播放；

  5. 如果机器拥有英伟达GPU，并正确配置了CUDA环境，将自动使用CUDA加速。

源码部署(Linux/Mac/Window)

  1. 要求 python 3.9->3.11

  2. 创建空目录，比如 E:/vocal-separate, 在这个目录下打开 cmd 窗口，方法是地址栏中输入 cmd, 然后回车。

  3. 使用git拉取源码到当前目录git clone git@github.com:jianchang512/vocal-separate.git .

  4. 创建虚拟环境python -m venv venv

  5. 激活环境，win下命令%cd%/venv/scripts/activate，linux和Mac下命令source ./venv/bin/activate

  6. 安装依赖:pip install -r requirements.txt

  7. win下解压 ffmpeg.7z，将其中的ffmpeg.exe和ffprobe.exe放在项目目录下, linux和mac 到ffmpeg官网下载对应版本ffmpeg，解压其中的ffmpeg和ffprobe二进制程序放到项目根目录下

  8. 下载模型压缩包，在项目根目录下的pretrained_models文件夹中解压，解压后，pretrained_models中将有3个文件夹，分别是2stems/3stems/5stems

  9. 执行 python start.py ，等待自动打开本地浏览器窗口。

API

接口地址:http://127.0.0.1:9999/api

请求方法: POST

请求参数:

file: 要分离的音视频文件model: 模型名称 2stems,4stems,5stems

返回响应: json code:int, 0 处理成功完成，>0 出错

msg:str,出错时填充错误信息data: List[str], 每个分离后的wav url地址，例如 ['http://127.0.0.1:9999/static/files/2/accompaniment.wav']status_text: dict[str,str], 每个分离后wav文件的包含信息,{'accompaniment': '伴奏', 'bass': '低音', 'drums': '鼓', 'other': '其他', 'piano': '琴', 'vocals': '人声'}
import requests# 请求地址url = "http://127.0.0.1:9999/api"files = {"file": open("C:\\Users\\c1\\Videos\\2.wav", "rb")}data={"model":"2stems"}response = requests.request("POST", url, timeout=600, data=data,files=files)print(response.json()){'code': 0, 'data': ['http://127.0.0.1:9999/static/files/2/accompaniment.wav', 'http://127.0.0.1:9999/static/files/2/vocals.wav'], 'msg': '分离成功', 'status_text': {'accompaniment': '伴奏', 'bass': '低音', 'drums': '鼓', 'other': '其他', 'piano': '琴', 'vocals': '人声'}}

CUDA 加速支持

安装CUDA工具详细安装方法

如果你的电脑拥有 Nvidia 显卡，先升级显卡驱动到最新，然后去安装对应的 CUDA Toolkit 11.8 和 cudnn for CUDA11.X。

安装完成成，按Win + R,输入 cmd然后回车，在弹出的窗口中输入nvcc –version,确认有版本信息显示，类似该图：

然后继续输入nvidia-smi,确认有输出信息，并且能看到cuda版本号，类似该图：

注意事项

  1. 中文音乐或中式乐器，建议选择使用2stems模型，其他模型对“钢琴、贝斯、鼓”可单独分离出文件；

  2. 如果电脑没有NVIDIA显卡或未配置cuda环境，不要选择 4stems和5stems模型，尤其是处理较长时长的音频时, 否则很可能耗尽内存。

项目链接

https://github.com/jianchang512/vocal-separate