Deezer 的(Tensorflow)音源分离库，可用命令行直接提取音乐中的人声、钢琴、鼓声等 关于 Spleeter 是 Deezer 源代码分离库，带有用 Python 编写的预训练模型，并使用 Tensorflow。 它可以轻松训练源分离模型（假设您有一个孤立源的数据集），并提供已经训练好的最先进的模型来执行各种风格的分离：人声（歌声）/伴奏分离（2 个词干）人声 /鼓/贝斯/其他分离（4个词干） 人声/鼓/贝斯/钢琴/其他分离（5个词干） 2个词干和4个词干模型在musdb数据集上有很高的表现。 Spleeter 也非常快，因为在 GPU 上运行时，它可以将音频文件分离为 4 个词干，比实时速度快 100 倍。 我们设计了 Spleeter，因此您可以直接从命令行使用它，也可以直接在您自己的开发管道中作为 Python 库使用它。 它可以与 Conda、pip 一起安装或与 Docker 一起使用。 快速入门 想尝试但不想安装任何东西？ 我们已经设置了一个 Google Colab。 准备好深入了解了吗？ 在几行中，您可以使用 Conda 安装 Spleete

古乐,鼓声,鼓掌音效WAV格式打包下载

Spleeter Web Spleeter Web是用于隔离或删除任何歌曲的人声，伴奏，低音和/或鼓声成分的Web应用程序。 例如，您可以使用它来分离曲目的人声，也可以使用它删除人声来获得歌曲的器乐版本。 它支持多种不同的源分离模型： （ 4stems-model ）， ， 和 。 该应用程序将用于后端API，将用于前端。 用于任务队列。 可以使用Docker映像，包括具有GPU支持的映像。 目录 产品特点 支持Spleeter，Demucs，Tasnet和CrossNet-Open-Unmix（X-UMX）源分离模型每个模型在UI中支持一组不同的用户可配置参数 动态混音使您可以控制

github下载较慢，可以从这下。详细使用请看我写的另一篇《spleeter音乐人声分离环境搭建和运行windows+ubuntu18.04》