spleeter

Spleeter是音乐人和音频工作者梦寐以求的“音源分离神器”。你还在为提取歌曲中的人声、鼓点或贝斯而发愁吗？Spleeter直接帮你搞定，它能像变魔术一样把一首完整的歌曲自动拆分成独立音轨，比如人声和伴奏分离，或者更精细地把鼓、贝斯、钢琴和其他乐器分开。这个由流媒体平台Deezer开源的Python库，大大降低了音频源分离的门槛，以前需要专业工作室和昂贵软件才能完成的工作，现在一个命令行就搞定了。 技术方面，Spleeter用的是TensorFlow深度学习框架，内置了预训练好的神经网络模型，开箱即用。它提供了2分轨（人声+伴奏）、4分轨（人声/鼓/贝斯/其他）和5分轨（再加钢琴）的分离能力，效果已经达到行业领先水平。最酷的是，代码和模型完全开源，甚至可以自己训练定制化的分离模型。为了照顾不同用户，Spleeter还支持Docker容器一键运行，或者直接在Google Colab上试用，连环境都不用配。 这款工具几乎适合所有与音频打交道的人。音乐制作人可以用它提取伴奏来混音或翻唱；DJ和现场演出者可以快速获取单独的乐器音轨做Remix；播客和视频创作者能轻松清除背景音乐或分离语音；做音乐信息检索的研究人员也可以拿来当基线工具。从专业录音棚到个人音乐爱好者，都能从中受益。 上手指南非常友好。如果你会用Python，直接pip install spleeter就能装，一行命令就能处理音频文件。新手不想写代码也没关系，Docker拉取镜像后一句命令搞定，或者直接打开网页版的Colab notebook，在浏览器里就能拖拽音频体验分离效果。不需要深厚的深度学习知识，跟着官方wiki十几分钟就能跑通第一个示例。唯一需要注意的是，重度处理大量音频时可能会对GPU有依赖，但普通任务CPU也能跑得动。总的来说，Spleeter是目前开源音源分离领域最成熟、易用的方案，值得每一位音乐和音频爱好者收藏。