Spleeter

Spleeter的PyTorch实现

Dependencies

1. Python2/3
2. pip install -r requirements.txt

Usage

训练步骤

1. 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

2. 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

预测步骤

​ 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)