使用全卷积神经网络实时单声道源分离——SpleeterRT
2024-06-12 20:29:26作者:范垣楠Rhoda
项目简介
SpleeterRT是一个基于C语言的实时音频源分离工具,它利用Deezer训练的U-Net模型在时频域上工作,可将输入音频分离为鼓声、低音、伴奏和人声/语音四个部分。这个项目不仅适用于音乐制作,而且通过高效的实时处理,也能满足音频处理的各种需求。
项目技术分析
SpleeterRT的核心是一个六对编码器/解码器组成的U-Net网络,该网络接受双通道幅度谱作为输入。在网络架构中,我们看到编码器使用步长为2的卷积层,减少了对最大池化层的需求,这对于实时系统是一大改进。解码器则使用步长为2的转置卷积进行上采样,并与每个编码器的Conv2D对进行拼接。为实现快速推理,项目内实现了im2col、col2im和gemm等深度学习函数,以及针对TensorFlow风格CNN的特定优化。
应用场景
- 音乐创作:分离音乐中的各个元素,如人声、乐器,方便独立编辑和混音。
- 音频后期处理:从噪声中提取有用信号,改善录音质量。
- 实时通信:在视频会议或直播场景下,可以实时分离背景噪声和人声。
- 教育应用:教育软件中的语音识别和自动字幕生成,可以单独处理人声部分。
项目特点
- 实时性:SpleeterRT采用双缓冲机制,即使在默认设置下,也能将延迟控制在6秒左右。
- 效率:利用Intel MKL库,实现高速计算,性能优于官方Tensorflow-GPU版本。
- 灵活性:允许调整频率和时间帧数以适应不同的实时性和精度需求。
- 轻量化:离线版本提供优化后的权重文件,减小了计算量,但可能牺牲部分质量。
- 跨平台:支持Windows、Linux和macOS,适合各种操作系统环境。
为了体验这一强大的音频处理工具,请按照Readme中的构建指南尝试编译运行SpleeterRT,感受其在实时音频源分离方面的卓越表现。无论你是音乐爱好者还是专业开发者,都能在这个开源项目中找到有价值的应用点。立即加入SpleeterRT的社区,探索更多可能性!
登录后查看全文
热门项目推荐
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-OCRDeepSeek-OCR是一款以大语言模型为核心的开源工具,从LLM视角出发,探索视觉文本压缩的极限。Python00
openPangu-Ultra-MoE-718B-V1.1昇腾原生的开源盘古 Ultra-MoE-718B-V1.1 语言模型Python00
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00
AI内容魔方AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。03
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
260
2.52 K
deepin linux kernel
C
24
6
暂无简介
Dart
553
123
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
595
131
Ascend Extension for PyTorch
Python
94
121
仓颉编程语言命令行工具,包括仓颉包管理工具、仓颉格式化工具、仓颉多语言桥接工具及仓颉语言服务。
C++
52
67
React Native鸿蒙化仓库
JavaScript
218
301
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.02 K
600
仓颉编译器源码及 cjdb 调试工具。
C++
116
90
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
357
1.77 K