nomadkaraoke/python-audio-separator

解决的问题

Audio Separator 旨在将单个音频文件分割成多个独立音轨（stems），例如将人声与乐器分离。这对于制作卡拉OK音轨、去除噪音或分离特定乐器（如鼓、贝斯、钢琴和吉他）特别有用。

工作原理

该工具利用来自 Ultimate Vocal Remover (UVR) 生态系统的预训练 AI 模型，包括 MDX-Net、VR Arch、Demucs 和 MDXC/RoFormer 等架构。它支持多种硬件加速路径以加快处理速度，包括 NVIDIA GPU (CUDA)、Apple Silicon (MPS/CoreML) 和 Windows AMD/Intel GPU (DirectML)，并可回退到 CPU 进行处理。

适用对象

适用于音乐制作人、卡拉OK创作者，以及希望将高质量音频音轨分离集成到自己的 Python 项目中，或将其作为独立命令行工具使用的开发者。

亮点

• 多模型支持：针对不同乐器和音频任务（例如：降噪、去除回音）使用各种专用模型。
• 自动模型管理：首次使用时自动下载所需的模型文件。
• 广泛的硬件加速：针对 CUDA、Apple Silicon 和 DirectML 进行优化，确保在不同操作系统上实现快速推理。
• 灵活集成：可作为 CLI 工具用于批处理，也可作为 Python API 用于自定义软件开发。
• 格式支持：支持所有常见的音频格式，包括 WAV、MP3、FLAC 和 M4A。