Demucs：免费分离音乐音轨的开源工具

Demucs 是一个开源的音乐音轨分离工具，专注于将混合音乐分解为独立音轨，如人声、鼓、贝斯和其他伴奏部分。它由 Alexandre Défossez 开发，最初由 Meta AI 支持，现由作者在 GitHub 上维护。Demucs 使用先进的深度学习技术，结合 U-Net 卷积架构和混合变换器模型，提供高质量的音轨分离效果。它的 v4 版本引入了 Hybrid Transformer 技术，提升了分离精度，尤其适合音乐制作、卡拉OK生成和音频分析等场景。项目提供简单命令行操作，支持 CPU 和 GPU 运行，适合音乐爱好者和专业人士使用。

功能列表

• 分离多种音轨：支持分离人声、鼓、贝斯、吉他、钢琴和其他伴奏。
• 支持多种模型：提供 v4 Hybrid Transformer 模型（如 htdemucs_ft）和 v3 经典模型，满足不同需求。
• GPU 加速：支持 NVIDIA GPU、Intel Arc 和 Apple MPS，提升处理速度。
• 灵活的音频格式：兼容 MusDB-HQ 和任意 WAV 文件，适合多种音频输入。
• 命令行操作：通过简单命令（如 demucs input_audio.mp3）完成音轨分离。
• 开源免费：代码基于 MIT 许可，允许用户自由使用和修改。

使用帮助

安装流程

Demucs 的安装过程简单，适合有基本 Python 使用经验的用户。以下是详细的安装步骤：

1. 环境准备
   • 确保系统安装了 Python 3.10 或以上版本。
   • 推荐使用虚拟环境以避免依赖冲突。运行以下命令创建虚拟环境：

     python -m venv demucs_env
     source demucs_env/bin/activate  # Linux/Mac
     demucs_env\Scripts\activate  # Windows
     

   • 安装 Git，确保可以克隆代码库。
2. 通过 pip 安装（推荐，简单快捷）
   运行以下命令直接安装 Demucs：

   pip install demucs
   

   此方法会自动安装必要依赖，如 PyTorch 和 torchaudio。

3. 源码安装（适合开发者或需要最新版本）
   如果需要最新代码或自定义修改，可通过 GitHub 克隆仓库：

   git clone https://github.com/adefossez/demucs
   cd demucs
   pip install -e .
   

   这会安装 Demucs 及其依赖，适合需要调试或参与开发的场景。

4. GPU 支持
   • 如果使用 GPU 加速，需确保安装了 PyTorch 的 GPU 版本，并有兼容的 GPU（NVIDIA 需计算能力 3.5 以上，推荐 3GB 以上显存）。
   • 检查 GPU 是否可用：运行 python -c "import torch; print(torch.cuda.is_available())"，输出 True 表示 GPU 可用。
   • 如果显存不足，可通过 --segment 8 参数减少内存占用，或添加 -d cpu 使用 CPU 处理。
5. 常见问题解决
   • Windows 用户若遇到 OSError: [WinError 126]，需手动安装 libuv。推荐使用 conda 安装：

     conda install conda-forge::libuv
     

   • Linux 用户需确保系统有 glibc 2.27 或以上版本，可能需额外安装 libxcb-cursor0。

使用方法

Demucs 的核心功能是通过命令行分离音频音轨。以下是详细操作步骤：

1. 基本音轨分离
   运行以下命令即可分离音频：

   demucs input_audio.mp3
   

   • 输入文件支持 MP3、WAV 等常见格式。
   • 分离后的音轨保存在 separated/ 文件夹中，包含人声（vocals.wav）、鼓（drums.wav）、贝斯（bass.wav）和其他（other.wav）。
   • 默认使用 v4 的 htdemucs 模型，处理时间约为音频时长的 1.5 倍。
2. 选择特定模型
   Demucs 提供多种模型，可通过 -n 参数指定：
   • -n htdemucs_ft：使用 v4 微调模型，分离效果最佳。
   • -n htdemucs：v4 非微调模型，速度更快但精度稍低。
   • -n hdemucs_mmi：v3 经典模型，适合旧版本兼容。
     示例：

   demucs -n htdemucs_ft song.mp3
   

3. 高级选项
   • 调整分段大小：显存不足时，设置 --segment 8 减少内存占用，但可能降低分离质量。
   • 使用 CPU：显卡不支持时，添加 -d cpu：

     demucs -d cpu song.mp3
     

   • 多核 CPU 加速：添加 -j 参数利用多核处理，例如 -j 4 使用 4 个 CPU 核心。
   • 六音轨分离：v4 支持实验性六音轨模型（含吉他和钢琴），但钢琴分离可能有较多瑕疵。使用 -n htdemucs_6s。
4. 查看帮助
   运行 demucs --help 可查看所有命令行参数和说明。

特色功能操作

• 卡拉OK 制作：分离人声后，可直接使用伴奏（no_vocals.wav）制作卡拉OK音轨。
• 实时分离：通过 Neutone 的 VST/AU 插件，Demucs 可集成到数字音频工作站（DAW）中，实现实时音轨分离。
• 在线服务：Audiostrip（https://audiostrip.co.uk/）和 MVSep 提供基于 Demucs 的免费在线分离，适合无本地环境的初学者。

注意事项

• 分离质量取决于音频质量和模型选择，推荐使用高品质 WAV 文件作为输入。
• 项目不活跃维护，仅修复重大 bug，建议查看 GitHub 上的 README 获取最新更新。
• 处理长音频时，需确保至少 8GB 系统内存（包括物理和交换内存）。

应用场景

1. 音乐制作
   音乐制作人可使用 Demucs 分离音轨，单独调整人声、鼓或贝斯，重新混音或创作新版本歌曲。
2. 卡拉OK 制作
   通过分离人声和伴奏，用户可快速生成高质量的卡拉OK伴奏，适合家庭娱乐或商业用途。
3. 音频分析
   研究人员可利用 Demucs 分离音轨，分析音乐结构或训练其他音频模型，适合学术研究。
4. 影视后期处理
   影视后期团队可分离背景音乐和对话，重新配音或调整音效，提升后期制作灵活性。

QA

1. Demucs 支持哪些音频格式？
   Demucs 支持 MP3、WAV 等常见音频格式，推荐使用 WAV 以获得最佳分离效果。
2. GPU 不可用时怎么办？
   添加 -d cpu 参数使用 CPU 处理，虽然速度较慢，但无需 GPU 即可运行。
3. 分离结果不理想怎么办？
   尝试切换模型（如 -n htdemucs_ft），或检查输入音频质量。低质量音频可能导致分离瑕疵。
4. 如何减少内存占用？
   使用 --segment 8 参数或设置环境变量 PYTORCH_NO_CUDA_MEMORY_CACHING=1 可降低内存需求。