Interface graphique Demucs

Il s'agit d'une interface graphique pour le projet de séparation musicale demucs .

Le projet vise à permettre aux utilisateurs sans aucune expérience en codage de séparer les pistes sans difficulté. Si vous avez des questions sur l'utilisation ou le projet, veuillez ouvrir un problème pour nous le faire savoir. Étant donné que le projet original Demucs utilisait la bibliothèque scientifique torch , les binaires compressés avec l'environnement sont très volumineux et nous n'emballerons que les binaires pour les versions formelles.

Faites-moi un don

Actuellement, je forme de nouveaux superbes modèles (comme le modèle à 10 tiges) pour ce projet. Cependant, en tant qu'étudiant, je n'ai pas assez d'argent pour louer des GPU puissants. Avec votre aide, je peux former les nouveaux modèles jusqu'à 100 fois plus rapidement. Je promets que j'utiliserai l'argent uniquement pour former des modèles et que je publierai les modèles au public gratuitement. Actuellement, je rencontre un problème de non-apprentissage du modèle, je trouve toujours une solution.

Si vous aimez ce projet, pensez à me faire un don.

paypal.me/CarlGao4

Code QR d'Alipay

Remarque pour les utilisateurs de macOS

Si l'application ne peut pas être lancée en raison de la fonction de protection de sécurité du Mac, essayez ce qui suit :

Faites un clic droit sur l'icône de l'application Demucs-GUI et sélectionnez "Ouvrir".
Cliquez à nouveau sur "Ouvrir" dans la fenêtre qui apparaît comme suit.

Configuration système requise

Installation des binaires

Version du système

Pour Windows : au moins Windows 8

Pour Mac : au moins macOS 10.15

Pour Linux : tout système capable d'installer et d'exécuter Python 3.11 (car je vais compresser les binaires en utilisant Python 3.11)

Matériel

Mémoire : environ 8 Go de mémoire totale (physique et swap) seraient nécessaires. Plus la piste que vous souhaitez séparer est longue, plus il faudra de mémoire.

GPU : seuls les GPU NVIDIA (dont la capacité de calcul doit être d'au moins 3,5), les graphiques Intel Arc & Iris Xe et Apple MPS sont pris en charge. Au moins 2 Go de mémoire privée sont requis.

Exécuter les codes vous-même

Au moins Python 3.10 est requis. Pour d'autres exigences, veuillez vous référer à Installation des binaires.

Téléchargements

Les binaires à télécharger sont disponibles ici.

Historique des mises à jour

Veuillez vous référer à history.md.

Usage

Si vous utilisez des binaires publiés, veuillez vous référer à usage.md

Cette partie est écrite pour ceux qui souhaitent exécuter les codes eux-mêmes

Prise en charge de FFmpeg

FFmpeg est un lecteur audio pris en charge par Demucs-GUI. Demucs-GUI essaiera d'utiliser FFmpeg tant qu'il se trouve dans la variable d'environnement PATH . FFmpeg et FFprobe sont requis. Vous pouvez l'installer à partir des sources, utiliser le gestionnaire de packages système, télécharger des binaires prédéfinis ou utiliser conda (recommandé).

CPU uniquement sous Windows ou Apple MPS ou CUDA sous Linux

Installez Python et git. Il est recommandé d'utiliser un environnement virtuel comme conda.
Clonez ce référentiel et passez à cette branche. Vous devez exécuter git submodule update --init --recursive depuis la version 1.1a2.
Utilisez pip pour installer tous les packages dans Requirements.txt.

remarque : sous Linux, PyTorch avec CUDA est la valeur par défaut.

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

Exécutez GuiMain.py et séparez votre chanson !

Accélération CUDA (Windows uniquement)

Installez Python et git. Il est recommandé d'utiliser un environnement virtuel comme conda.
Clonez ce référentiel et passez à cette branche. Vous devez exécuter git submodule update --init --recursive depuis la version 1.1a2.
Ignorez cette étape si vous n'avez pas besoin de changer la version par défaut de PyTorch. Installez la torche avec cuda sous les instructions sur le site officiel de pyTorch. Il n'y a aucune exigence de version cuda, mais la version de torch doit être 2.0.x (2.1.0 et supérieur provoqueront parfois des erreurs)
Utilisez pip pour installer tous les packages dans Requirements_cuda.txt.

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

Exécutez GuiMain.py et séparez votre chanson ! Si votre GPU n'est pas répertorié dans le device de sélection, veuillez utiliser le CPU à la place ou ouvrez un problème pour nous dire si vous pensez qu'il s'agit d'un problème.

Accélérez avec le GPU AMD (Linux uniquement)

Installez Python et git. Il est recommandé d'utiliser un environnement virtuel comme conda.
Clonez ce référentiel et passez à cette branche. Vous devez exécuter git submodule update --init --recursive depuis la version 1.1a2.
Ignorez cette étape si vous n'avez pas besoin de changer la version par défaut de PyTorch. Installez la torche avec cuda sous les instructions sur le site officiel de pyTorch. Il n'y a aucune exigence de version cuda, mais la version de torch doit être 2.0.x (2.1.0 et supérieur provoqueront parfois des erreurs)
Utilisez pip pour installer tous les packages dans Requirements_rocm.txt.

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

Exécutez GuiMain.py et séparez votre chanson ! Si votre GPU n'est pas répertorié dans le device de sélection, veuillez utiliser le CPU à la place ou ouvrez un problème pour nous dire si vous pensez qu'il s'agit d'un problème.

Accélérez avec le GPU Intel

Assurez-vous que vous disposez d'une carte graphique Intel discrète ou d'un processeur Intel de 11e génération ou plus récent avec une carte graphique intégrée (car nous avons besoin de son pilote)

Installez le dernier pilote graphique Intel (lien Windows). Cet accélérateur nécessite le pilote graphique Intel® Arc™ et Iris® Xe (c'est-à-dire les graphiques Intel® Arc™ A-Series, les graphiques Intel® Iris® Xe et les processeurs Intel® Core™ Ultra avec graphiques Intel® Arc™). Bien que je vous déconseille d'utiliser cet "accélérateur" avec une carte graphique intégrée, car il peut parfois être encore plus lent que le processeur pur.
Installez Python et git. Il est recommandé d'utiliser un environnement virtuel comme conda.
Clonez ce référentiel et passez à cette branche. Vous devez exécuter git submodule update --init --recursive depuis la version 1.1a2.
Utilisez pip pour installer tous les packages dans Requirements_intel_gpu_mkl.txt.

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

Exécutez GuiMain.py et séparez votre chanson ! Si votre GPU n'est pas répertorié dans le device de sélection, veuillez utiliser le CPU à la place ou ouvrez un problème pour nous dire si vous pensez qu'il s'agit d'un problème.
S'il ne parvient pas à démarrer et génère parfois une erreur telle que OSError: [WinError 126] Error loading "***torchlibbackend_with_compiler.dll" or one of its dependencies , vous devrez peut-être télécharger manuellement libuv et le mettre dans le dossier torchlib sous le chemin d’installation des packages de votre site Python. Un moyen plus simple de résoudre ce problème si vous utilisez l'environnement conda consiste à exécuter conda install conda-forge::libuv .