Eddycrack864/UVR5-UI

Ultimate Vocal Remover 5 with Gradio UI. Separate an audio file into various stems, using multiple models

何を解決するか

このプロジェクトは、python-audio-separator（UVR5のCLIバージョン）の使いやすいグラフィカルインターフェースを提供し、コマンドラインツールよりもGUIを好むユーザーが高品質な音声ソース分離を容易に利用できるようにします。

動作方法

さまざまな音声分離モデルをラップする形で動作します。VR Arch、MDX-NET、Demucs v4、MDX23C、Mel-Band Roformer、BS Roformerなど、幅広いアーキテクチャをサポートしており、ミックスから特定の音やボーカルを分離できます。

対象ユーザー

音楽家、オーディオエンジニア、コンテンツクリエイターで、音声や楽器の音を音声・動画ファイルから分離する必要がある人。yt_dlpがサポートするプラットフォームから直接取得した素材も対象です。

特徴

  • 広範なモデル対応：VR Arch、MDX-NET、Demucs v4、Roformerモデルをサポート。
  • バッチ処理：複数ファイルを一度に処理可能。
  • 直接リンク分離：yt_dlpがサポートするサイトからの動画/音声ソースから音声を分離可能。
  • クロスプラットフォーム：Windows、Linux、およびColab、Kaggle、Hugging Face Spacesなどのクラウド環境をサポート。

関連

  • プロジェクト
    junjiem/dify-plugin-repackaging

    GitHub Actions、Docker、または直接シェルスクリプトで使用可能な、Dify AI プラットフォームのプラグインをダウンロードし、異なる OS/アーキテクチャ向けに再パッケージ化するユーティリティ。

  • プロジェクト
    inworld-ai/tts

    単一GPUまたはマルチGPUクラスタ上で事前学習、SFT、RLHFアライメントをサポートするSpeechLMベースのテキストから音声への変換システムのための学習およびモデリングフレームワーク。

  • プロジェクト
    fishaudio/fish-diffusion

    マルチスピーカー学習と効率的なハードウェア利用をサポートする、Text-to-Speech、Singing Voice Synthesis、Singing Voice Conversion向けのDiffusionベースのトレーニングフレームワーク。

  • プロジェクト
    bolna-ai/bolna

    Bol na は、音声認識、LLM、音声合成サービスをオーケストレーションして、電話通話の発信・受信が可能な音声優先アシスタントを構築できるオープンソースフレームワークです。コアサーバー、通話Webhook（Twilio/Plivo）、Redis、ngrok用のDocker Composeコンテナを提供し、ストリーミングパイプラインを構築するためのPython SDK（`Assistant`）を備えています。プロバイダー非依存（Deepgram、Azure、OpenAI、ElevenLabs、AWS Pollyなどに対応）で、新しい通話や音声サービスへの拡張も可能です。