VRCNet-Pytorch:实现一些基于U-Net架构的模型以将歌声与歌曲分开-源码

VRCNet-Pytorch G. Bezirganyan，K。Muradyan撰写的论文“使用基于U-Net的体系结构进行语音分离”的实现。 数据集 该存储库使用musdb数据集进行训练和评估。 数据集是免费的，但需要访问。 要下载和进一步使用数据集，请查看网页。 楷模 这里介绍的模型基于架构。 主要区别在于编码层。 对于VggUNet，编码层是的编码部分，ResUNet使用ResNet18的编码部分，而VRCNet同时使用和ResNet18的两个编码层。 下图总结了本文中描述的所有三个模型：VggUNet，ResUNet和VRCNet（从左到右）。 在模型文件夹中，我们还有论文（SCUNet）的实现，以及VRCNet的修改版本：VCNet。 准备 该存储库被简化为musdb数据集，并要求将其下载并保存在方便的文件夹中。 还需要进行预处理，因为在每次迭代中读取音频文件可能需要大量时间