nomadkaraoke/python-audio-separator

解決的問題

Audio Separator 旨在將單一音訊檔案分割成多個獨立音軌（stems），例如將人聲與樂器分離。這對於製作卡拉OK音軌、去除噪音或分離特定樂器（如鼓、貝斯、鋼琴和吉他）特別有用。

運作方式

該工具利用來自 Ultimate Vocal Remover (UVR) 生態系統的預訓練 AI 模型，包括 MDX-Net、VR Arch、Demucs 和 MDXC/RoFormer 等架構。它支援多種硬體加速路徑以加快處理速度，包括 NVIDIA GPU (CUDA)、Apple Silicon (MPS/CoreML) 和 Windows AMD/Intel GPU (DirectML)，並可退回使用 CPU 進行處理。

適用對象

適用於音樂製作人、卡拉OK創作者，以及希望將高品質音訊音軌分離整合到自己的 Python 專案中，或將其作為獨立命令列工具使用的開發者。

特色

• 多模型支援：針對不同樂器和音訊任務（例如：降噪、去除回音）使用各種專用模型。
• 自動模型管理：首次使用時自動下載所需的模型檔案。
• 廣泛的硬體加速：針對 CUDA、Apple Silicon 和 DirectML 進行最佳化，確保在不同作業系統上實現快速推論。
• 靈活整合：可作為 CLI 工具用於批次處理，也可作為 Python API 用於自訂軟體開發。
• 格式支援：支援所有常見的音訊格式，包括 WAV、MP3、FLAC 和 M4A。