🎸 Stem Splitter — AI多轨音频分离 + 每轨MIDI转录

概述

分轨仔将音频分离为多个独立音轨，每轨输出 3 种格式：WAV（无损）+ MP3（通用）+ MIDI（可编辑）。支持 BS-ROFO-SW 6 轨分离和 Demucs 4 轨回退。

核心流程

源音频 → 引擎分离(BS-ROFO/Demucs) → 每轨3格式输出(WAV+MP3+MIDI)

BS-ROFO-SW 6轨输出

./output/
├── vocals/  → vocals.wav + vocals.mp3 + vocals.mid   🎤 人声
├── drums/   → drums.wav  + drums.mp3  + drums.mid    🥁 鼓
├── bass/    → bass.wav   + bass.mp3   + bass.mid     🎸 贝斯
├── guitar/  → guitar.wav + guitar.mp3 + guitar.mid   🎸 吉他
├── piano/   → piano.wav  + piano.mp3  + piano.mid    🎹 钢琴
└── other/   → other.wav  + other.mp3  + other.mid    🎛️ 其他

Demucs 4轨回退

├── vocals/  🎤 人声
├── drums/   🥁 鼓
├── bass/    🎸 贝斯
└── other/   🎛️ 其他（含吉他+钢琴）

快速开始

安装依赖

pip install torch torchaudio demucs numpy soundfile librosa basic-pitch gradio
pip install bs-roformer-infer -i https://pypi.org/simple/

CLI 使用

# 6轨分离（默认）
python main.py input.mp3 -o ./output

# 强制 CPU 模式
python main.py input.mp3 -o ./output --force-cpu

# 指定 Demucs 引擎
python main.py input.mp3 -o ./output --engine demucs

# 跳过 MIDI 转录（只做音频分离）
python main.py input.mp3 -o ./output --skip-midi

# 批量处理
python main.py ./input_dir/ -o ./output --batch

WebUI

python webui.py --port 7863

引擎对比

| 引擎 | 轨数 | 显存需求 | 5分钟歌曲 | 模型大小 | |------|:----:|:--------:|:---------:|:--------:| | BS-ROFO-SW | 6轨 | ~6GB | ~45s | 668MB | | Demucs | 4轨 | ~4GB | ~26s | 自动下载 |

回退链

BS-ROFO → [失败] → Demucs → [失败] → basic-pitch MIDI

显卡检测策略

| 场景 | 结果 | |------|:----:| | --force-cpu 参数 | 🔒 CPU | | 无 CUDA / 无 NVIDIA 卡 | ⚠️ CPU | | 显存 < 4GB | ⚠️ CPU | | CUDA 实测分配失败 | ⚠️ CPU | | 显存充足 | 🖥️ GPU | | 推理时 OOM | → 自动 CPU 重试 |

输出格式说明

| 格式 | 适用场景 | 编码 | |------|----------|------| | WAV | 无损编辑/DAW导入 | PCM 16-bit 44.1kHz | | MP3 | 通用分享/试听 | 320kbps CBR | | MIDI | 打谱/编曲 | Standard MIDI File |

版本历史

| 版本 | 日期 | 说明 | |------|------|------| | 2.6.0 | 2026-06-04 | 模型下载源清理 + Windows中文路径修复 | | 2.5.0 | 2026-06-01 | BS-ROFO import兼容 + OOM→CPU自动重试 + 显卡检测 | | 2.0.0 | 2026-05-31 | 独立项目代码打包 | | 1.0.0 | 2026-05 | 初始版本 |