Ultimate Vocal Remover GUI项目在Linux系统下的适配方案

项目背景

Ultimate Vocal Remover GUI（简称UVR）是一款开源的音频处理工具，主要用于从音乐中分离人声和伴奏。该项目最新版本5.6.1 Beta在Windows平台上表现优异，但官方尚未提供对Linux平台的完整支持。本文将详细介绍如何在Linux系统（特别是Ubuntu 24.04.2）上成功运行UVR 5.6.0版本，并利用AMD ROCm技术实现GPU加速。

环境准备

系统要求

• 操作系统：Ubuntu 24.04.2 LTS
• GPU驱动：ROCm 6.4
• Python版本：3.10

基础软件安装

首先需要安装一些基础依赖包：

sudo apt-get install -y python3-pip python3-tk ffmpeg

项目配置步骤

1. 创建Python虚拟环境

使用Anaconda创建隔离的Python环境：

conda create -n uvr python=3.10
conda activate uvr

2. 获取项目代码

克隆特定分支的代码：

git clone -b v5.6.0_roformer_add+directml --single-branch 项目仓库地址
cd ultimatevocalremovergui/

3. PyTorch安装配置

根据ROCm版本安装对应的PyTorch：

pip3 install --pre torch==2.6.0 torchvision==0.21.0 torchaudio==2.6.0

4. 解决PyTorch 2.6.0兼容性问题

由于项目最初是为较低版本的PyTorch设计的，需要进行以下修改：

grep -r "torch.load"

在所有找到的文件中添加weights_only=False参数，修改格式为：

torch.load(XXXXX, weights_only=False)

5. ONNX Runtime配置

安装ROCm版本的ONNX Runtime：

pip3 install onnxruntime-rocm

然后将所有CUDAExecutionProvider替换为ROCMExecutionProvider，主要在separate.py文件中。

依赖项调整

修改requirements.txt文件，移除已单独安装的包并更新部分依赖版本。以下是调整后的关键依赖项：

altgraph==0.17.3
audioread==3.0.0
einops==0.6.0
librosa==0.9.2
numpy==1.23.5
onnx
onnxruntime-rocm
pytorch_lightning==2.0.0
scipy==1.10.1
soundfile==0.11.0

安装调整后的依赖：

pip install -r requirements.txt

移除DirectML支持

由于DirectML是微软的深度学习库，在Linux环境下不需要，需要进行以下修改：

1. 查找并删除所有包含import torch_directml的代码
2. 修改separate.py中的get_gpu_info()函数，移除DirectML相关逻辑

修改后的函数如下：

def get_gpu_info():
    directml_device, directml_available = None, False
    return directml_device, directml_available

模型性能

经过上述配置后，项目可以在Linux系统上正常运行。测试结果显示：

• 使用的模型：melband_roformer_instvox_duality_v2
• GPU内存占用：约5.6GB
• 处理速度：与Windows平台相当

注意事项

1. 目前PyTorch ROCm仅支持Linux和Windows WSL环境
2. AMD官方尚未提供Windows原生支持，预计将在未来版本中实现
3. 不同ROCm版本可能需要调整对应的PyTorch和ONNX Runtime版本

总结

通过本文介绍的配置方法，用户可以在Linux系统上成功运行Ultimate Vocal Remover GUI项目，并利用AMD GPU进行加速处理。这种方法不仅适用于UVR项目，也为其他需要在Linux环境下使用ROCm进行深度学习应用开发提供了参考方案。随着ROCm生态的不断完善，未来在Linux平台上的深度学习应用部署将会更加便捷。