前言

人声分离 是一项重要的音频处理技术，它可以将混合音频中的 人声和背景音乐 分离出来，为音频处理和后期制作提供了便利。

随着人声分离技术的发展，越来越多的开源工具被开发出来，为音频处理领域带来了新的发展机遇。小编之前也体验过不少人声分离 开源项目工具。分离效果有好的，有差的，参差不齐。

今天又逛到一块刚刚开源的人声分离工具 vocal-separate，看小样示例还不错，而且部署也比其他GPT产品简单些，还有编译好的Windows版工具可直接使用。

项目简介

vocal-separate 是一款极简的人声和背景音乐分离工具。可直接本地网页化操作，无需连接外网，使用了 2stems/4stems/5stems 模型。

项目地址：https://github.com/jianchang512/vocal-separate

支持视频(mp4/mov/mkv/avi/mpeg)和音频(mp3/wav)格式。

使用方法

1、预编译Win版

• 直接在项目Release页面下载预编译文件

• 解压到本地某目录下，如：E:\vocal-separate

• 双击 start.exe ，等待自动打开浏览器窗口

• 点击页面中的上传区域，在弹窗中找到想分离的音视频文件，或直接拖拽音频文件到上传区域，然后点击“立即分离”，稍等片刻，底部会显示每个分离文件以及播放控件，点击播放。

• 如果电脑拥有英伟达GPU，并正确配置了CUDA环境，将自动使用CUDA加速

2、源码部署(Linux/Mac/Window)

要求 python 3.9->3.11

1）拉取 vocal-separate 拉取源码到指定目录

git clone git@github.com:jianchang512/vocal-separate.git

2）创建Python虚拟环境（根据本地安装的虚拟env软件来）

3）激活环境

# win下命令
%cd%/venv/scripts/activate      
# linux和Mac下命令    
source ./venv/bin/activate

4）安装依赖

pip install -r requirements.txt

5）ffmpeg工具准备

win下解压 ffmpeg.7z，将其中的ffmpeg.exe和ffprobe.exe放在项目目录下

linux和mac 到 ffmpeg官网下载对应版本ffmpeg，解压其中的ffmpeg和ffprobe二进制程序放到项目根目录下

6）下载模型压缩包

在项目根目录下的 pretrained_models 文件夹中解压，解压后，pretrained_models中将有3个文件夹，分别是2stems/3stems/5stems

7）执行 python start.py ，等待自动打开本地浏览器窗口。

网页打开后，跟Win编译版使用方法一样。

具体使用详情

将一首歌曲或者含有背景音乐的音视频文件，拖拽到本地网页中，即可将其中的人声和音乐声分离为单独的音频wav文件，可选单独分离“钢琴声”、“贝斯声”、“鼓声”等。

自动调用本地浏览器打开本地网页，模型已内置，无需连接外网下载。

只需点两下鼠标，一选择音视频文件，二启动处理。

总结

作者将相关资源包，部署依赖都说的非常详细，直接根据步骤一步步安装即可。针对单独的音乐原声分离效果还是Ok的。如果是视频、影视、音乐等混合，可能还不是特别完美，还有优化的空间。