デムクス・ギ

デムクス GUI

これは音楽分離プロジェクトdemucs用の GUI です。

このプロジェクトは、コーディング経験のないユーザーでも簡単にトラックを分離できるようにすることを目的としています。使用方法やプロジェクトについてご質問がある場合は、問題を開いてお知らせください。元のプロジェクト Demucs は科学ライブラリtorch使用していたため、環境でパックされたバイナリは非常に大きく、正式リリース用のバイナリのみをパックします。

私に寄付してください

現在、私はこのプロジェクトのためにいくつかの新しい優れたモデル (10 ステム モデルなど) をトレーニングしています。しかし、学生の私には強力な GPU をレンタルするのに十分なお金がありません。皆様のご協力により、新しいモデルを最大 100 倍の速さでトレーニングできるようになります。この資金はモデルのトレーニングのみに使用し、モデルを無料で公開することを約束します。現在、モデルが学習しない問題が発生しており、解決策をまだ探しています。

このプロジェクトが気に入っていただけましたら、私への寄付をご検討ください。

paypal.me/CarlGao4

AliPay QRコード

macOS ユーザー向けの注意事項

Mac のセキュリティ保護機能が原因でアプリケーションを起動できない場合は、次のことを試してください。

1. Demucs-GUI アプリのアイコンを右クリックし、「開く」を選択します。
2. 以下のような画面が表示されるので、再度「開く」をクリックします。

システム要件

バイナリのインストール

システムバージョン

Windows の場合: Windows 8 以上

Mac の場合: macOS 10.15 以上

Linux の場合: Python 3.11 をインストールして実行できるシステム (Python 3.11 を使用してバイナリをパックするため)

ハードウェア

メモリ: 合計メモリ (物理メモリとスワップメモリ​​) が少なくとも約 8 GB 必要です。分割するトラックが長いほど、より多くのメモリが必要になります。

GPU: NVIDIA GPU (計算能力が少なくとも 3.5 である必要があります)、Intel Arc および Iris Xe グラフィックス、および Apple MPS のみがサポートされています。少なくとも 2GB のプライベート メモリが必要です。

自分でコードを実行する

少なくとも Python 3.10 が必要です。その他の要件については、「バイナリのインストール」を参照してください。

ダウンロード

ダウンロード用のバイナリはここから入手できます。

更新履歴

History.mdを参照してください。

使用法

リリースされたバイナリを使用している場合は、usage.md を参照してください。

この部分は、コードを自分で実行したい人向けに書かれています

FFmpegのサポート

FFmpeg は、Demucs-GUI でサポートされているオーディオ リーダーです。 Demucs-GUI は、 PATH環境変数に FFmpeg が存在する限り、FFmpeg を使用しようとします。 FFmpeg と FFprobe の両方が必要です。ソースからインストールするか、システム パッケージ マネージャーを使用するか、ビルド済みバイナリをダウンロードするか、conda を使用する (推奨) ことができます。

Windows では CPU のみ、Linux では Apple MPS または CUDA

1. Pythonとgitをインストールします。 conda などの仮想環境を使用することをお勧めします。
2. このリポジトリのクローンを作成し、このブランチに切り替えます。バージョン 1.1a2 以降では、 git submodule update --init --recursive実行する必要があります。
3. pip を使用して、requirements.txt 内のすべてのパッケージをインストールします。

注: Linux では、CUDAを使用したPyTorch がデフォルトです。

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

4. GuiMain.pyを実行して曲を分割してください。

CUDA アクセラレーション (Windows のみ)

1. Pythonとgitをインストールします。 conda などの仮想環境を使用することをお勧めします。
2. このリポジトリのクローンを作成し、このブランチに切り替えます。バージョン 1.1a2 以降では、 git submodule update --init --recursive実行する必要があります。
3. PyTorch のデフォルト バージョンを切り替える必要がない場合は、この手順をスキップしてください。 pyTorch 公式 Web サイトの指示に従って、cuda を使用して Torch をインストールします。 cuda バージョンの要件はありませんが、torch のバージョンは 2.0.x である必要があります (2.1.0 以降ではエラーが発生することがあります)。
4. pip を使用して、requirements_cuda.txt 内のすべてのパッケージをインストールします。

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

5. GuiMain.pyを実行して曲を分割してください。お使いの GPU がセレクターdeviceにリストされていない場合は、代わりに CPU を使用するか、問題を開いてこれが問題であると思われるかどうかをお知らせください。

AMD GPU による高速化 (Linux のみ)

1. Pythonとgitをインストールします。 conda などの仮想環境を使用することをお勧めします。
2. このリポジトリのクローンを作成し、このブランチに切り替えます。バージョン 1.1a2 以降では、 git submodule update --init --recursive実行する必要があります。
3. PyTorch のデフォルト バージョンを切り替える必要がない場合は、この手順をスキップしてください。 pyTorch 公式 Web サイトの指示に従って、cuda を使用して Torch をインストールします。 cuda バージョンの要件はありませんが、torch のバージョンは 2.0.x である必要があります (2.1.0 以降ではエラーが発生することがあります)。
4. pip を使用して、requirements_rocm.txt 内のすべてのパッケージをインストールします。

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

5. GuiMain.pyを実行して曲を分割してください。お使いの GPU がセレクターdeviceにリストされていない場合は、代わりに CPU を使用するか、問題を開いてこれが問題であると思われるかどうかをお知らせください。

Intel GPUによる高速化

個別の Intel グラフィックス カード、または統合グラフィックス カードを備えた第 11 世代以降の Intel CPU を使用していることを確認してください(ドライバーが必要なため)。

1. 最新の Intel グラフィックス ドライバーをインストールします (Windows リンク)。このアクセラレータには、インテル® Arc™ および Iris® Xe グラフィックス ドライバー (つまり、インテル® Arc™ A シリーズ グラフィックス、インテル® Iris® Xe グラフィックス、およびインテル® Arc™ グラフィックスを搭載したインテル® Core™ Ultra プロセッサー) が必要です。ただし、場合によっては純粋な CPU よりも遅くなる可能性があるため、統合グラフィックス カードでこの「アクセラレータ」を使用することはお勧めしません。
2. Pythonとgitをインストールします。 conda などの仮想環境を使用することをお勧めします。
3. このリポジトリのクローンを作成し、このブランチに切り替えます。バージョン 1.1a2 以降では、 git submodule update --init --recursive実行する必要があります。
4. pip を使用して、requirements_intel_gpu_mkl.txt 内のすべてのパッケージをインストールします。

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

5. GuiMain.pyを実行して曲を分割してください。お使いの GPU がセレクターdeviceにリストされていない場合は、代わりに CPU を使用するか、問題を開いてこれが問題であると思われるかどうかをお知らせください。
6. 起動できず、 OSError: [WinError 126] Error loading "***torchlibbackend_with_compiler.dll" or one of its dependencies際にエラーが発生する場合があるため、手動で libuv をダウンロードして配置する必要がある場合があります。 Python サイト パッケージのインストール パスの下にあるtorchlibフォルダー。 conda 環境を使用している場合にこれを解決する簡単な方法の 1 つはconda install conda-forge::libuvを実行することです。

謝辞

このプロジェクトには、MIT ライセンスに基づく Demucs のコードが含まれています。