Spleeter是Deezer源代码分离库，其中包含使用Python编写并使用Tensorflow进行预训练的模型。 它使训练音乐源分离模型（假设您具有隔离的源的数据集）变得容易，并提供了经过训练的最先进模型来执行各种分离风格。 2个茎和4个茎模型在musdb数据集上具有最先进的性能。 Spleeter也非常快，因为它可以在GPU上运行时将音频文件分离为4个茎，比实时快100倍。 我们设计了Spleeter，因此您可以直接在命令行中使用它，也可以在自己的开发管道中直接使用它作为Python库。 它可以通过Conda与pip一起安装，也可以与Docker一起使用。

资源为我本人blog文章：https://blog.csdn.net/zengraoli/article/details/104581306，分离人声和背景声所用的原始视频与分离结果

斯普利特 开发环境 支持的操作系统： 的Ubuntu的20.04 macOS Big Sur v11 要设置开发人员环境，该项目需要以下软件包。 apt-get update && apt-get upgrade -y && apt-get autoremove -y # Installation of general dependencies apt-get install -y build-essential clang-format clang-tidy clangd git git-lfs wget curl gnupg openjdk-11-jdk openjdk-11-jre lcov # Installation of FFMPEG apt-get install -y libavcodec-dev libavformat-dev libavfilter-dev li

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》

Spleeter，软件支持将所有常用的音频格式进行人声、伴奏进行分离，变成单独的音频文件

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》

spleeter 人声分离项目的 深度学习 保存的模型，有三个模型 2 4 5 个分离轨道，直接导入，放到对应文件夹加载就可使用，github下载速度十分感人，也难找到现成的。模型wen文件包括checkpoint modeldata mode.index model.meta