Demucs音频分离完整实战5分钟把歌曲拆成人声鼓点与贝斯【免费下载链接】demucsCode for the paper Hybrid Spectrogram and Waveform Source Separation项目地址: https://gitcode.com/gh_mirrors/de/demucs你是否也有过这样的烦恼翻唱视频里想要一段纯净伴奏全网却只有消音版现场录音里人声混着观众尖叫想抽出来做 remix 却无从下手。过去这类需求要么花钱找人做混音要么靠效果粗糙的消音插件把整首歌毁掉。而今天要介绍的 Demucs——Facebook Research 开源的音频分离神器只需一条命令就能把任意歌曲精准拆成人声、鼓点、贝斯和其他伴奏四根独立轨道从此想拆哪轨就拆哪轨。项目名片用 9.00 dB 说话的音频分离新标杆Demucs 是 Facebook ResearchMeta开源的音频分离项目对应论文Hybrid Spectrogram and Waveform Source Separation。它的 v4 版本采用混合 Transformer 架构时域波形和频域频谱两条 U-Net 分支并行处理中间由跨域 Transformer 编码器互相交换情报最终在 MUSDB HQ 评测集上拿下9.00 dB 的 SDR信号失真比长期霸榜开源音频分离第一梯队把 Spleeter、Open-Unmix 等经典方案甩在身后。亮点速览它凭什么值得你装分离质量行业领先9.00 dB 的 SDR 意味着更少串音、更干净的轨道专业音乐人也认可⚡一条命令上手装好之后demucs 你的歌.mp3直接出结果零学习成本双域融合设计时域频域双分支加跨域注意力兼顾细节还原与全局结构多模型自由切换默认模型之外还有微调版、量化版甚至带吉他与钢琴的 6 源版CPU/GPU 通吃没有显卡也能跑处理速度约为音频时长的 1.5 倍三步安装从零到能跑只需一分钟运行环境要求Python 3.8Windows / macOS / Linux 均可GPU 可选NVIDIA 显存 ≥3GB 更佳纯 CPU 也能正常干活。第一步一条命令装好主体python3 -m pip install -U demucsWindows 用户请打开 Anaconda Prompt把python3换成python.exepython.exe -m pip install -U demucs SoundFile第二步验证安装成功demucs --help第三步拿一首本地歌曲做第一次分离demucs 你喜欢的歌曲.mp3第一次运行会自动下载预训练模型htdemucs看到风扇转起来你就正式入门了。实战演练三个场景照着做就能见效场景一一键四轨分离拿到母带级素材把任意歌曲丢给 Demucs它会自动拆出vocals.wav人声、drums.wav鼓点、bass.wav贝斯、other.wav其他伴奏四个文件统一存到separated/htdemucs/歌曲名/目录下demucs 乐队的夏天现场版.flac✓ 推荐做法优先传 wav、flac 等高保真格式音质损失最小✗ 常见误区拿到结果直接当成品用——分离后建议先人耳检查个别段落可能有细微伪影场景二制作卡拉OK伴奏只需一个参数想让伴奏去人声但不失真--two-stemsvocals会把歌曲合并成两轨vocals.wav和no_vocals.wav后者就是现成的卡拉OK伴奏demucs --two-stemsvocals 流行金曲.mp3这个参数里的vocals可以换成drums、bass等任意轨道。比如只想抽贝斯做扒带练习demucs --two-stemsbass 摇滚现场.wav场景三直接输出 MP3省去转码来回不想在 wav 和 mp3 之间来回倒腾加上--mp3直接产出高码率 MP3默认 320kbpsdemucs --mp3 --mp3-bitrate 320 高清演唱会.flac进阶技巧两个参数让体验质变技巧一--shifts多次预测取平均榨干分离质量Demucs 支持随机平移多次预测再取平均的 shift trick通常设 2–4 就能明显减少串音。代价是耗时成倍增加更适合用在你最看重的那几首歌上demucs --shifts 4 压箱底的重要录音.wav技巧二--segment与-d cpu彻底告别显存焦虑GPU 默认参数大约要 7GB 显存小显存卡容易 OOM。把分段长度调小即可大幅降低占用3GB 显存建议设成 8demucs --segment 8 超长音频.wav实在不够就退回 CPUdemucs -d cpu 歌曲.mp3。多核机器还能加-j 4并行加速但注意内存会成倍上涨。附模型怎么选模型特点推荐场景htdemucs默认模型均衡全面日常使用htdemucs_ft微调版质量更高但慢约4倍专业制作htdemucs_6s6源分离新增吉他与钢琴乐器分析mdx_q量化版体积小速度快资源受限设备hdemucs_mmi经典混合架构 v3兼容性需求避坑清单新手最常踩的四个坑问文件名带空格一跑就报错怎么办文件名含空格会让命令解析错乱。解决方法是把整个路径用引号包住demucs my music/my favorite track.mp3问GPU 一跑就 OOM显存不够怎么办默认参数需要约 7GB 显存。先加--segment 8缩小分段再设环境变量PYTORCH_NO_CUDA_MEMORY_CACHING1仍不行就-d cpu退回 CPU 模式。问分离出来的声音偶有削波破音Demucs 默认会自动缩放各轨道防止削波但可能破坏轨道间的相对音量。想保留原始比例改用硬限幅demucs --clip-mode clamp 鼓点密集的歌曲.wav。问分离质量不理想人声里还有伴奏先确认输入音源本身够清晰再换成htdemucs_ft或加--shifts 4通常立竿见影。别拿 128kbps 的低码率压缩音频硬扛——信息都被压没了神仙模型也救不回来。资源与收尾现在就动手试试想继续深挖项目内的这些文档能带你走得更远在 Python 程序里调用 Demucs 做二次开发docs/api.md训练自己的专属分离模型docs/training.mdWindows 专属安装与疑难解答docs/windows.md复现论文实验配置demucs/grids/ 目录下的完整代码从一首歌开始装上 Demucs把你手机里最常听的那首曲子丢进去亲眼看看人声和伴奏被干净分开的瞬间。几分钟的动手实践胜过十篇教程——现在就打开终端试试吧。【免费下载链接】demucsCode for the paper Hybrid Spectrogram and Waveform Source Separation项目地址: https://gitcode.com/gh_mirrors/de/demucs创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 Demucs音频分离完整实战：5分钟把歌曲拆成人声鼓点与贝斯
Demucs音频分离完整实战5分钟把歌曲拆成人声鼓点与贝斯【免费下载链接】demucsCode for the paper Hybrid Spectrogram and Waveform Source Separation项目地址: https://gitcode.com/gh_mirrors/de/demucs你是否也有过这样的烦恼翻唱视频里想要一段纯净伴奏全网却只有消音版现场录音里人声混着观众尖叫想抽出来做 remix 却无从下手。过去这类需求要么花钱找人做混音要么靠效果粗糙的消音插件把整首歌毁掉。而今天要介绍的 Demucs——Facebook Research 开源的音频分离神器只需一条命令就能把任意歌曲精准拆成人声、鼓点、贝斯和其他伴奏四根独立轨道从此想拆哪轨就拆哪轨。项目名片用 9.00 dB 说话的音频分离新标杆Demucs 是 Facebook ResearchMeta开源的音频分离项目对应论文Hybrid Spectrogram and Waveform Source Separation。它的 v4 版本采用混合 Transformer 架构时域波形和频域频谱两条 U-Net 分支并行处理中间由跨域 Transformer 编码器互相交换情报最终在 MUSDB HQ 评测集上拿下9.00 dB 的 SDR信号失真比长期霸榜开源音频分离第一梯队把 Spleeter、Open-Unmix 等经典方案甩在身后。亮点速览它凭什么值得你装分离质量行业领先9.00 dB 的 SDR 意味着更少串音、更干净的轨道专业音乐人也认可⚡一条命令上手装好之后demucs 你的歌.mp3直接出结果零学习成本双域融合设计时域频域双分支加跨域注意力兼顾细节还原与全局结构多模型自由切换默认模型之外还有微调版、量化版甚至带吉他与钢琴的 6 源版CPU/GPU 通吃没有显卡也能跑处理速度约为音频时长的 1.5 倍三步安装从零到能跑只需一分钟运行环境要求Python 3.8Windows / macOS / Linux 均可GPU 可选NVIDIA 显存 ≥3GB 更佳纯 CPU 也能正常干活。第一步一条命令装好主体python3 -m pip install -U demucsWindows 用户请打开 Anaconda Prompt把python3换成python.exepython.exe -m pip install -U demucs SoundFile第二步验证安装成功demucs --help第三步拿一首本地歌曲做第一次分离demucs 你喜欢的歌曲.mp3第一次运行会自动下载预训练模型htdemucs看到风扇转起来你就正式入门了。实战演练三个场景照着做就能见效场景一一键四轨分离拿到母带级素材把任意歌曲丢给 Demucs它会自动拆出vocals.wav人声、drums.wav鼓点、bass.wav贝斯、other.wav其他伴奏四个文件统一存到separated/htdemucs/歌曲名/目录下demucs 乐队的夏天现场版.flac✓ 推荐做法优先传 wav、flac 等高保真格式音质损失最小✗ 常见误区拿到结果直接当成品用——分离后建议先人耳检查个别段落可能有细微伪影场景二制作卡拉OK伴奏只需一个参数想让伴奏去人声但不失真--two-stemsvocals会把歌曲合并成两轨vocals.wav和no_vocals.wav后者就是现成的卡拉OK伴奏demucs --two-stemsvocals 流行金曲.mp3这个参数里的vocals可以换成drums、bass等任意轨道。比如只想抽贝斯做扒带练习demucs --two-stemsbass 摇滚现场.wav场景三直接输出 MP3省去转码来回不想在 wav 和 mp3 之间来回倒腾加上--mp3直接产出高码率 MP3默认 320kbpsdemucs --mp3 --mp3-bitrate 320 高清演唱会.flac进阶技巧两个参数让体验质变技巧一--shifts多次预测取平均榨干分离质量Demucs 支持随机平移多次预测再取平均的 shift trick通常设 2–4 就能明显减少串音。代价是耗时成倍增加更适合用在你最看重的那几首歌上demucs --shifts 4 压箱底的重要录音.wav技巧二--segment与-d cpu彻底告别显存焦虑GPU 默认参数大约要 7GB 显存小显存卡容易 OOM。把分段长度调小即可大幅降低占用3GB 显存建议设成 8demucs --segment 8 超长音频.wav实在不够就退回 CPUdemucs -d cpu 歌曲.mp3。多核机器还能加-j 4并行加速但注意内存会成倍上涨。附模型怎么选模型特点推荐场景htdemucs默认模型均衡全面日常使用htdemucs_ft微调版质量更高但慢约4倍专业制作htdemucs_6s6源分离新增吉他与钢琴乐器分析mdx_q量化版体积小速度快资源受限设备hdemucs_mmi经典混合架构 v3兼容性需求避坑清单新手最常踩的四个坑问文件名带空格一跑就报错怎么办文件名含空格会让命令解析错乱。解决方法是把整个路径用引号包住demucs my music/my favorite track.mp3问GPU 一跑就 OOM显存不够怎么办默认参数需要约 7GB 显存。先加--segment 8缩小分段再设环境变量PYTORCH_NO_CUDA_MEMORY_CACHING1仍不行就-d cpu退回 CPU 模式。问分离出来的声音偶有削波破音Demucs 默认会自动缩放各轨道防止削波但可能破坏轨道间的相对音量。想保留原始比例改用硬限幅demucs --clip-mode clamp 鼓点密集的歌曲.wav。问分离质量不理想人声里还有伴奏先确认输入音源本身够清晰再换成htdemucs_ft或加--shifts 4通常立竿见影。别拿 128kbps 的低码率压缩音频硬扛——信息都被压没了神仙模型也救不回来。资源与收尾现在就动手试试想继续深挖项目内的这些文档能带你走得更远在 Python 程序里调用 Demucs 做二次开发docs/api.md训练自己的专属分离模型docs/training.mdWindows 专属安装与疑难解答docs/windows.md复现论文实验配置demucs/grids/ 目录下的完整代码从一首歌开始装上 Demucs把你手机里最常听的那首曲子丢进去亲眼看看人声和伴奏被干净分开的瞬间。几分钟的动手实践胜过十篇教程——现在就打开终端试试吧。【免费下载链接】demucsCode for the paper Hybrid Spectrogram and Waveform Source Separation项目地址: https://gitcode.com/gh_mirrors/de/demucs创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考