Demucs-GUI

Dies ist eine GUI für das Musiktrennungsprojekt demucs .

Ziel des Projekts ist es, Benutzern ohne Programmiererfahrung die problemlose Trennung von Titeln zu ermöglichen. Wenn Sie Fragen zur Nutzung oder zum Projekt haben, öffnen Sie bitte ein Problem, um uns dies mitzuteilen. Da das ursprüngliche Projekt Demucs die wissenschaftliche Bibliothek torch nutzte, sind die gepackten Binärdateien in der Umgebung sehr groß und wir werden Binärdateien nur für formelle Veröffentlichungen packen.

Spende für mich

Derzeit trainiere ich einige neue tolle Modelle (wie das 10-Stiel-Modell) für dieses Projekt. Allerdings habe ich als Student nicht genug Geld, um leistungsstarke GPUs zu mieten. Mit Ihrer Hilfe kann ich die neuen Modelle bis zu 100x schneller trainieren. Ich verspreche, dass ich das Geld nur für das Training von Modellen verwenden und die Modelle kostenlos der Öffentlichkeit zugänglich machen werde. Derzeit stoße ich auf das Problem, dass das Modell nicht lernt. Ich finde immer noch eine Lösung.

Wenn Ihnen dieses Projekt gefällt, denken Sie bitte über eine Spende an mich nach.

paypal.me/CarlGao4

Alipay-QR-Code

Hinweis für macOS-Benutzer

Wenn die Anwendung aufgrund der Sicherheitsschutzfunktion des Mac nicht gestartet werden kann, versuchen Sie Folgendes:

Klicken Sie mit der rechten Maustaste auf das Demucs-GUI-App-Symbol und wählen Sie „Öffnen“.
Klicken Sie im folgenden Fenster erneut auf „Öffnen“.

Systemanforderungen

Binärdateien installieren

Systemversion

Für Windows: Mindestens Windows 8

Für Mac: Mindestens macOS 10.15

Für Linux: Jedes System, das Python 3.11 installieren und ausführen kann (da ich die Binärdateien mit Python 3.11 packen werde)

Hardware

Speicher: Es wären mindestens 8 GB Gesamtspeicher (physisch und Swap) erforderlich. Je länger der Titel ist, den Sie trennen möchten, desto mehr Speicher wird benötigt.

GPU: Es werden nur NVIDIA-GPUs (deren Rechenkapazität mindestens 3,5 betragen sollte), Intel Arc & Iris Xe Graphics und Apple MPS unterstützt. Es sind mindestens 2 GB privater Speicher erforderlich.

Führen Sie die Codes selbst aus

Es ist mindestens Python 3.10 erforderlich. Weitere Anforderungen finden Sie unter Binärdateien installieren.

Downloads

Binärdateien zum Herunterladen finden Sie hier.

Update-Verlauf

Weitere Informationen finden Sie unter History.md.

Verwendung

Wenn Sie freigegebene Binärdateien verwenden, lesen Sie bitte die Datei „uses.md“.

Dieser Teil ist für diejenigen geschrieben, die die Codes selbst ausführen möchten

FFmpeg-Unterstützung

FFmpeg ist ein unterstützter Audio-Reader von Demucs-GUI. Demucs-GUI wird versuchen, FFmpeg zu verwenden, solange es in der Umgebungsvariablen PATH gefunden wird. Sowohl FFmpeg als auch FFprobe sind erforderlich. Sie können es von der Quelle installieren, den Systempaketmanager verwenden, vorgefertigte Binärdateien herunterladen oder Conda verwenden (empfohlen).

CPU nur unter Windows oder Apple MPS oder CUDA unter Linux

Installieren Sie Python und Git. Es wird empfohlen, eine virtuelle Umgebung wie Conda zu verwenden.
Klonen Sie dieses Repository und wechseln Sie zu diesem Zweig. Sie sollten git submodule update --init --recursive seit Version 1.1a2 ausführen.
Verwenden Sie pip, um alle Pakete in „requirements.txt“ zu installieren.

Hinweis: Unter Linux ist PyTorch mit CUDA die Standardeinstellung.

 # For pip
pip install -r requirements_cuda.txt
# Conda is not available as this project has dependencies only on PyPI

Führen Sie GuiMain.py aus und trennen Sie Ihr Lied!

CUDA-Beschleunigung (nur Windows)

Installieren Sie Python und Git. Es wird empfohlen, eine virtuelle Umgebung wie Conda zu verwenden.
Klonen Sie dieses Repository und wechseln Sie zu diesem Zweig. Sie sollten git submodule update --init --recursive seit Version 1.1a2 ausführen.
Überspringen Sie diesen Schritt, wenn Sie die Standardversion von PyTorch nicht wechseln müssen. Installieren Sie Torch mit Cuda gemäß den Anweisungen auf der offiziellen Website von pyTorch. Es ist keine Cuda-Version erforderlich, aber die Version von Torch sollte 2.0.x sein (2.1.0 und höher verursachen manchmal Fehler)
Verwenden Sie pip, um alle Pakete in „requirements_cuda.txt“ zu installieren.

 # For pip
pip install -r requirements_cuda.txt
# Conda is not available as this project has dependencies only on PyPI

Führen Sie GuiMain.py aus und trennen Sie Ihr Lied! Wenn Ihre GPU nicht im device aufgeführt ist, verwenden Sie bitte stattdessen die CPU oder öffnen Sie ein Problem, um uns mitzuteilen, ob es sich Ihrer Meinung nach um ein Problem handelt.

Beschleunigen Sie mit der AMD-GPU (nur Linux)

Installieren Sie Python und Git. Es wird empfohlen, eine virtuelle Umgebung wie Conda zu verwenden.
Klonen Sie dieses Repository und wechseln Sie zu diesem Zweig. Sie sollten git submodule update --init --recursive seit Version 1.1a2 ausführen.
Überspringen Sie diesen Schritt, wenn Sie die Standardversion von PyTorch nicht wechseln müssen. Installieren Sie Torch mit Cuda gemäß den Anweisungen auf der offiziellen Website von pyTorch. Es ist keine Cuda-Version erforderlich, aber die Version von Torch sollte 2.0.x sein (2.1.0 und höher verursachen manchmal Fehler)
Verwenden Sie pip, um alle Pakete in „requirements_rocm.txt“ zu installieren.

 # For pip
pip install -r requirements_rocm.txt
# Conda is not available as this project has dependencies only on PyPI

Führen Sie GuiMain.py aus und trennen Sie Ihr Lied! Wenn Ihre GPU nicht im device aufgeführt ist, verwenden Sie bitte stattdessen die CPU oder öffnen Sie ein Problem, um uns mitzuteilen, ob es sich Ihrer Meinung nach um ein Problem handelt.

Beschleunigen Sie mit der Intel-GPU

Stellen Sie sicher, dass Sie über eine separate Intel-Grafikkarte oder eine Intel-CPU der 11. Generation oder neuer mit integrierter Grafikkarte verfügen (da wir deren Treiber benötigen).

Installieren Sie den neuesten Intel-Grafiktreiber (Windows-Link). Dieser Beschleuniger erfordert Intel® Arc™- und Iris® Xe-Grafiktreiber (d. h. Intel® Arc™ A-Series-Grafikkarten, Intel® Iris® Allerdings würde ich Ihnen davon abraten, diesen „Beschleuniger“ mit integrierter Grafikkarte zu verwenden, da er manchmal sogar langsamer als eine reine CPU sein kann.
Installieren Sie Python und Git. Es wird empfohlen, eine virtuelle Umgebung wie Conda zu verwenden.
Klonen Sie dieses Repository und wechseln Sie zu diesem Zweig. Sie sollten git submodule update --init --recursive seit Version 1.1a2 ausführen.
Verwenden Sie pip, um alle Pakete in „requirements_intel_gpu_mkl.txt“ zu installieren.

 # For pip
pip install -r requirements_intel_gpu_mkl.txt
# Conda is not available as this project has dependencies only on PyPI

Führen Sie GuiMain.py aus und trennen Sie Ihr Lied! Wenn Ihre GPU nicht im device aufgeführt ist, verwenden Sie bitte stattdessen die CPU oder öffnen Sie ein Problem, um uns mitzuteilen, ob es sich Ihrer Meinung nach um ein Problem handelt.
Wenn es nicht gestartet werden konnte und manchmal einen Fehler wie OSError: [WinError 126] Error loading "***torchlibbackend_with_compiler.dll" or one of its dependencies auslöst, müssen Sie libuv möglicherweise manuell herunterladen und einfügen den Ordner torchlib unter dem Installationspfad Ihrer Python-Site-Pakete. Eine einfachere Möglichkeit, dieses Problem zu lösen, wenn Sie eine Conda-Umgebung verwenden, besteht darin conda install conda-forge::libuv auszuführen.