喜欢自己用手机K歌？但K歌App里人声往往清除得不够干净，录制起来效果一般。
现在有个AI神器可以干净地剥离歌曲里的乐器声啦。
来自法国的音乐流媒体公司Deezer开源了一个音轨分离软件spleeter，只需输入一段命令就可以将音乐的人声和各种乐器声分离，支持mp3、wav、ogg等常见音频格式。
这款软件基于TensorFlow开发，效果拔群，有网友说自己曾经试过无数类似软件，spleeter是最好用的一个。
量子位尝试了周杰伦的新歌《说好不哭》，人声轨道在开头部分几乎实现了静音，听不到任何乐器声，直到26秒才开始出现周杰伦的歌声：
而伴奏部分在整个过程中仅有极少量微弱的换气声。
spleeter还支持GPU加速。如果在GPU上运行，会比实时分解速度快100倍，也就是说分解一首5分钟的歌曲只需要3秒。
spleeter在GitHub上线仅仅一周，就收获了2.4K星，在Hacker News上也有1000+的热度。
最多分离5个音轨
用户可以根据自己的需求来训练模型，Deezer还给出了在musdb数据集上的预训练模型，因此能直接拿来使用。
在官方提供的预训练模型里，spleeter可将人声和乐器声分为2个音轨，已经能满足基本的要求。
此外它还能把乐器声进一步分离为鼓、贝斯、钢琴及其他乐曲，加上人声，spleeter最多可以分离出5个音轨。
其中，2个音轨和4个音轨的模型在musdb据集上均具有最先进的性能。
使用方法
spleeter可以从conda或者pip安装。
如果用conda安装，可以选择CPU或者GPU环境，以CPU环境为例：
git clone https://github.com/deezer/spleeter conda env create -f spleeter/conda/spleeter-cpu.yaml conda activate spleeter-cpu
如果想换成GPU环境，只需将上述代码中的spleeter-cpu换成spleeter-gpu。
在分离音轨的命令中，加入选项-p spleeter:4stems来指定音轨数量，如果不加，系统默认分离为2个音轨。
spleeter separate -i audio_example.mp3 -o audio_output -p spleeter:4stems
最终乐器和人声将以wav文件的格式保存在audio_output文件夹中。
分离过程可以在GPU或CPU上执行。在GPU上运行，速度非常快，可以实现100倍的加速。
经过实测，在单个英伟达 GTX 1080上，spleeter只用了90秒就分解完了3小时27分钟长度的musDB测试数据。
pip安装更简单，但是不支持GPU加速，一般分解一两首歌已足够使用：
pip install spleeter
传送门
项目地址：
https://github.com/deezer/spleeter
“
