nomadkaraoke/python-audio-separator

解決する課題

Audio Separator は、単一のオーディオファイルを複数の独立したトラック（ステム）に分割する（例えばボーカルを楽器から分離する）ために設計されています。これは、カラオケトラックの作成、ノイズの除去、またはドラム、ベース、ピアノ、ギターなどの特定楽器の分離に特に役立ちます。

仕組み

このツールは、MDX-Net、VR Arch、Demucs、MDXC/RoFormerなどのアーキテクチャを含む Ultimate Vocal Remover (UVR) エコシステムの事前学習済みAIモデルを活用します。処理を高速化するために、NVIDIA GPU (CUDA)、Apple Silicon (MPS/CoreML)、Windows AMD/Intel GPU (DirectML) を含む複数のハードウェアアクセラレーションパスをサポートし、CPU処理へのフォールバックも可能です。

対象者

音楽プロデューサー、カラオケクリエイター、および高品質なオーディオステム分離を独自の Python プロジェクトに統合したい、またはスタンドアロンのコマンドラインツールとして使用したい開発者向けです。

ハイライト

• マルチモデルサポート：異なる楽器やオーディオタスク（例：ノイズ除去、エコー除去）に特化した多様なモデルを使用します。
• 自動モデル管理：初回使用時に必要なモデルファイルを自動的にダウンロードします。
• 幅広いハードウェアアクセラレーション：CUDA、Apple Silicon、DirectMLに最適化し、異なるOS間で高速な推論を実現します。
• 柔軟な統合：バッチ処理用のCLIツールとしても、カスタムソフトウェア開発用の Python API としても利用可能です。
• フォーマットサポート：WAV、MP3、FLAC、M4Aを含むすべての一般的なオーディオ形式で動作します。