Ultimate Vocal Remover GUI项目在Linux系统下的适配方案
2025-05-10 14:13:06作者:俞予舒Fleming
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:
- 查找并删除所有包含
import torch_directml
的代码 - 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
- 目前PyTorch ROCm仅支持Linux和Windows WSL环境
- AMD官方尚未提供Windows原生支持,预计将在未来版本中实现
- 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。
登录后查看全文
热门项目推荐
相关项目推荐
- QQwen3-Omni-30B-A3B-InstructQwen3-Omni是多语言全模态模型,原生支持文本、图像、音视频输入,并实时生成语音。00
community
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息010GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0274get_jobs
💼【AI找工作助手】全平台自动投简历脚本:(boss、前程无忧、猎聘、拉勾、智联招聘)Java01Hunyuan3D-2
Hunyuan3D 2.0:高分辨率三维生成系统,支持精准形状建模与生动纹理合成,简化资产再创作流程。Python00Spark-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。Python00GOT-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).Dockerfile09
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
1 freeCodeCamp课程中排版基础概念的优化探讨2 freeCodeCamp正则表达式教学视频中的语法修正3 freeCodeCamp JavaScript 问答机器人项目中的变量声明与赋值规范探讨4 freeCodeCamp钢琴设计项目中的CSS盒模型设置优化5 freeCodeCamp项目中移除未使用的CSS样式优化指南6 freeCodeCamp课程中事件传单页面的CSS选择器问题解析7 freeCodeCamp项目中从ts-node迁移到tsx的技术决策分析8 freeCodeCamp正则表达式课程中反向引用示例代码修正分析9 freeCodeCamp计算机基础课程中主板与CPU概念的精确表述 10 freeCodeCamp猫照片应用HTML教程中的元素嵌套优化建议
最新内容推荐
Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 小米Mini R1C MT7620爱快固件下载指南:解锁企业级网络管理功能 XMODEM协议C语言实现:嵌入式系统串口文件传输的经典解决方案 SAP S4HANA物料管理资源全面解析:从入门到精通的完整指南 VSdebugChkMatch.exe:专业PDB签名匹配工具全面解析与使用指南 瀚高迁移工具migration-4.1.4:企业级数据库迁移的智能解决方案 OMNeT++中文使用手册:网络仿真的终极指南与实用教程 SteamVR 1.2.3 Unity插件:兼容Unity 2019及更低版本的VR开发终极解决方案 全球36个生物多样性热点地区KML矢量图资源详解与应用指南 Windows版Redis 5.0.14下载资源:高效内存数据库的完美Windows解决方案
项目优选
收起

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
152
1.97 K

deepin linux kernel
C
22
6

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++
494
37

本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
323
10

openGauss kernel ~ openGauss is an open source relational database management system
C++
145
191

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
991
395

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0

React Native鸿蒙化仓库
C++
193
277

🎉 (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
937
554

为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Python
75
70