Demucs Gui

GUI Demuc

Ini adalah GUI untuk proyek pemisahan musik demucs .

Proyek ini bertujuan untuk memungkinkan pengguna tanpa coding merasakan pengalaman memisahkan trek tanpa kesulitan. Jika Anda memiliki pertanyaan tentang penggunaan atau proyek, silakan buka masalah untuk memberi tahu kami. Karena proyek asli Demucs menggunakan torch perpustakaan ilmiah, binari yang dikemas dengan lingkungan sangat besar, dan kami hanya akan mengemas binari untuk rilis formal.

Donasi untuk saya

Saat ini saya sedang melatih beberapa model baru yang hebat (seperti model 10 batang) untuk proyek ini. Namun sebagai pelajar saya tidak punya cukup uang untuk menyewa GPU yang kuat. Dengan bantuan Anda, saya dapat melatih model baru hingga 100x lebih cepat. Saya berjanji akan menggunakan uang itu hanya untuk pelatihan model dan akan merilis model tersebut ke publik secara gratis. Saat ini saya mengalami masalah model bukan pembelajaran, saya masih mencari solusinya.

Jika Anda menyukai proyek ini, mohon pertimbangkan untuk menyumbang kepada saya.

paypal.me/CarlGao4

Kode QR AliPay

Catatan untuk pengguna macOS

Jika aplikasi tidak dapat diluncurkan karena fitur perlindungan keamanan Mac, coba yang berikut ini:

1. Klik kanan pada ikon aplikasi Demucs-GUI dan pilih "Buka".
2. Klik "Buka" lagi pada jendela yang muncul sebagai berikut.

Persyaratan sistem

Menginstal binari

Versi sistem

Untuk Windows: Setidaknya Windows 8

Untuk Mac: Setidaknya macOS 10.15

Untuk Linux: Sistem apa pun yang dapat menginstal dan menjalankan python 3.11 (Karena saya akan mengemas binari menggunakan python 3.11)

Perangkat keras

Memori: Diperlukan setidaknya 8 GB total memori (fisik dan swap). Semakin panjang track yang ingin dipisahkan maka semakin banyak pula memori yang dibutuhkan.

GPU: Hanya GPU NVIDIA (yang kemampuan komputasinya minimal 3,5), Intel Arc & Iris Xe Graphics, dan Apple MPS yang didukung. Diperlukan setidaknya 2 GB memori pribadi.

Menjalankan kodenya sendiri

Setidaknya Python 3.10 diperlukan. Persyaratan lainnya silakan lihat Menginstal binari.

Unduhan

Biner untuk diunduh tersedia di sini.

Perbarui Riwayat

Silakan merujuk ke history.md.

Penggunaan

Jika Anda menggunakan biner yang dirilis, silakan merujuk ke usage.md

Bagian ini ditulis untuk mereka yang ingin menjalankan kodenya sendiri

dukungan FFmpeg

FFmpeg adalah pembaca audio Demucs-GUI yang didukung. Demucs-GUI akan mencoba menggunakan FFmpeg selama ditemukan di variabel lingkungan PATH . FFmpeg dan FFprobe diperlukan. Anda dapat menginstalnya dari sumber, menggunakan manajer paket sistem, mengunduh binari bawaan, atau menggunakan conda (disarankan).

CPU hanya di Windows atau Apple MPS atau CUDA di Linux

1. Instal Python dan git. Disarankan untuk menggunakan lingkungan virtual seperti conda.
2. Kloning repositori ini dan beralih ke cabang ini. Anda harus menjalankan git submodule update --init --recursive sejak versi 1.1a2.
3. Gunakan pip untuk menginstal semua paket di persyaratan.txt.

catatan: di Linux, PyTorch dengan CUDA adalah defaultnya.

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

4. Jalankan GuiMain.py dan pisahkan lagu Anda!

Akselerasi CUDA (khusus Windows)

1. Instal Python dan git. Disarankan untuk menggunakan lingkungan virtual seperti conda.
2. Kloning repositori ini dan beralih ke cabang ini. Anda harus menjalankan git submodule update --init --recursive sejak versi 1.1a2.
3. Lewati langkah ini jika Anda tidak perlu mengganti versi default PyTorch. Instal obor dengan cuda berdasarkan instruksi di situs web resmi pyTorch. Tidak ada persyaratan versi cuda, tetapi versi torch harus 2.0.x (terkadang 2.1.0 dan lebih tinggi akan menyebabkan kesalahan)
4. Gunakan pip untuk menginstal semua paket di persyaratan_cuda.txt.

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

5. Jalankan GuiMain.py dan pisahkan lagu Anda! Jika GPU Anda tidak terdaftar di device pemilih, Silakan gunakan CPU atau buka masalah untuk memberi tahu kami jika menurut Anda ini adalah masalah.

Akselerasi dengan GPU AMD (khusus Linux)

1. Instal Python dan git. Disarankan untuk menggunakan lingkungan virtual seperti conda.
2. Kloning repositori ini dan beralih ke cabang ini. Anda harus menjalankan git submodule update --init --recursive sejak versi 1.1a2.
3. Lewati langkah ini jika Anda tidak perlu mengganti versi default PyTorch. Instal obor dengan cuda berdasarkan instruksi di situs web resmi pyTorch. Tidak ada persyaratan versi cuda, tetapi versi torch harus 2.0.x (terkadang 2.1.0 dan lebih tinggi akan menyebabkan kesalahan)
4. Gunakan pip untuk menginstal semua paket di persyaratan_rocm.txt.

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

5. Jalankan GuiMain.py dan pisahkan lagu Anda! Jika GPU Anda tidak terdaftar di device pemilih, Silakan gunakan CPU atau buka masalah untuk memberi tahu kami jika menurut Anda ini adalah masalah.

Akselerasi dengan GPU Intel

Pastikan Anda memiliki kartu grafis Intel terpisah atau CPU Intel generasi ke-11 atau lebih baru dengan kartu grafis terintegrasi (Karena kami memerlukan drivernya)

1. Instal driver grafis Intel terbaru (tautan Windows). Akselerator ini memerlukan driver Intel® Arc™ & Iris® Xe Graphics (yang berarti, Intel® Arc™ A-Series Graphics, Intel® Iris® Xe Graphics, dan Prosesor Intel® Core™ Ultra dengan Intel® Arc™ Graphics). Meskipun saya tidak menyarankan Anda untuk menggunakan "akselerator" ini dengan kartu grafis terintegrasi karena kadang-kadang mungkin lebih lambat daripada CPU murni.
2. Instal Python dan git. Disarankan untuk menggunakan lingkungan virtual seperti conda.
3. Kloning repositori ini dan beralih ke cabang ini. Anda harus menjalankan git submodule update --init --recursive sejak versi 1.1a2.
4. Gunakan pip untuk menginstal semua paket di persyaratan_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

5. Jalankan GuiMain.py dan pisahkan lagu Anda! Jika GPU Anda tidak terdaftar di device pemilih, Silakan gunakan CPU atau buka masalah untuk memberi tahu kami jika menurut Anda ini adalah masalah.
6. Jika tidak dapat memulai dan terkadang memunculkan kesalahan seperti OSError: [WinError 126] Error loading "***torchlibbackend_with_compiler.dll" or one of its dependencies , Anda mungkin harus mengunduh libuv secara manual dan memasukkannya ke dalam folder torchlib di bawah jalur instalasi paket situs python Anda. Salah satu cara yang lebih mudah untuk mengatasi ini jika Anda menggunakan lingkungan conda adalah dengan menjalankan conda install conda-forge::libuv .

Ucapan Terima Kasih

Proyek ini mencakup kode Demucs di bawah lisensi MIT.