代码拉取完成,页面将自动刷新
Spleeter的PyTorch实现
python preprocess.py
需要填写两个参数train_dataset和train_manifest
train_dataset: 训练集路径,默认目录结构为
├── Dataset
| | ├──song1
| | ├── mixture.wav
| | ├── vocals.wav
| | ├── instrumental.wav
| ├── song2
| | ├── mixture.wav
| | ├── vocals.wav
| | ├── instrumental.wav
即一首歌一个文件夹,其中包含三段音频(混合,人声,背景音乐)
train_manifest: 包含歌曲信息,训练程序(train.py)使用,一行信息包括:混合音频路径,人声音频路径,音乐音频路径,持续时间,采样率
python train.py
params中可对训练参数进行调节,其中:
train_manifest: 训练集manifest文件的路径
load_model: 可选三种参数:
I. “tensorflow”:从2stems中加载原模型后训练
II. “pytorch”:在已有的pytorch保存模型的基础上训练
III. None:初始化模型,训练
I.使用原模型分离,需要2stems, model.py, util.py, separator.py
II. 使用pytorch训练后的模型分离,需要final_model/net_vocal.pth, final_model/net_instru.pth, model.py, util.py, separator.py
分离程序封装在separator.py中的Separator类中,使用步骤为:
1. from separator import Separator
2. sep = Separator(params(可选))
3. sep.separate(input_wav_path(分离音频路径,必须), output_dir(音频输出路径,可选))
4. sep.batch_separate(input_wav_files(批量处理音频,音频路径文件), output_dir)
此处可能存在不合适展示的内容,页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容,可点击提交进行申诉,我们将尽快为您处理。