:warning: Spleeter 2.1.0 版本发布引入了一些破坏性更改，包括输入 CLI 选项的新命名方式，以及不再提供专用的 GPU 包。请阅读 CHANGELOG 获取更多详细信息。

关于

Spleeter 是 Deezer 开发的源分离库，内置预训练模型，使用 Python 编写，并基于 TensorFlow 构建。它使训练源分离模型变得简单（前提是您拥有独立音源的数据集），并提供了已经训练好的先进模型，用于执行多种风格的分离任务：

• 主唱（人声）与伴奏分离（2 音轨）
• 主唱、鼓、贝斯及其他乐器分离（4 音轨）
• 主唱、鼓、贝斯、钢琴及其他乐器分离（5 音轨）

2 音轨和 4 音轨模型在 musdb 数据集上表现出色。此外，Spleeter 运行速度极快，在 GPU 上处理音频文件时，可实现 4 音轨分离的速度达到实时的 100 倍。

我们设计 Spleeter 的初衷是使其既可以通过 命令行 直接使用，也可以作为 Python 库 集成到您的开发流程中。您可以使用 pip 安装，或通过 Docker 镜像运行。

使用 Spleeter 的项目和软件

自发布以来，出现了许多基于 Spleeter 的分支项目，它们通过图形用户界面（GUI）或独立的免费/付费网站对外提供服务。请注意，我们并不托管、维护或直接支持这些项目。

尽管如此，仍有许多优秀的项目在此基础上构建而成。例如，通过 Spleeter 4 Max 项目将其移植到了 Ableton Live 生态系统中。

Spleeter 的预训练模型也被专业音频软件所采用。以下是一些非详尽的列表：

• iZotope 在其 RX 8 软件中的“音乐再平衡”功能中使用
• SpectralLayers 在其 SpectralLayers 7 软件中的“解混”功能中使用
• Acon Digital 在其 Acoustica 7 软件中使用
• VirtualDJ 在其音轨分离功能中使用
• Algoriddim 在其 NeuralMix 和 djayPRO 系列应用中使用

🆕 Spleeter 是正在进行的 音乐解混挑战赛 的基准！

Spleeter Pro（商业版）

请查看我们的商业版本：Spleeter Pro。借助我们的专业知识，享受精准的音频分离、更快的处理速度以及专业的技术支持。

快速入门

想试用但又不想安装任何东西？我们已搭建了一个 Google Colab 笔记本。

准备深入体验了吗？只需几行代码即可安装 Spleeter，并将示例音频文件中的主唱和伴奏部分分离出来。 首先需要安装 ffmpeg 和 libsndfile。在大多数平台上可以使用 Conda 完成：

# 使用 conda 安装依赖
conda install -c conda-forge ffmpeg libsndfile
# 使用 pip 安装 spleeter
pip install spleeter
# 下载示例音频文件（如果没有 wget，可以使用其他下载工具）
wget https://github.com/deezer/spleeter/raw/master/audio_example.mp3
# 将示例音频分离为两个部分
spleeter separate -p spleeter:2stems -o output audio_example.mp3

:warning: 请注意，我们不再推荐使用 conda 安装 spleeter。

⚠️ 苹果 M1 芯片存在已知问题，主要是由于 TensorFlow 兼容性不足。在这些问题解决之前，您可以参考 此解决方案。

您应该会在 output/audio_example 文件夹中得到两个分离后的音频文件（vocals.wav 和 accompaniment.wav）。

如需详细文档，请参阅 仓库 Wiki。

开发与测试

该项目使用 Poetry 进行管理。要运行测试套件，您可以执行以下命令：

# 克隆 spleeter 仓库
git clone https://github.com/Deezer/spleeter && cd spleeter
# 安装 poetry
pip install poetry
# 安装 spleeter 依赖
poetry install
# 运行单元测试套件
poetry run pytest tests/

参考资料

• Deezer 研究 - 源分离引擎故事 - deezer.io 博客文章：
  • 英文版
  • 日文版
• 带有预训练模型的音乐源分离工具 / ISMIR2019 扩展摘要

如果您在工作中使用 Spleeter，请引用以下文献：

@article{spleeter2020,
  doi = {10.21105/joss.02154},
  url = {https://doi.org/10.21105/joss.02154},
  year = {2020},
  publisher = {The Open Journal},
  volume = {5},
  number = {50},
  pages = {2154},
  author = {Romain Hennequin、Anis Khlif、Felix Voituret 和 Manuel Moussallam},
  title = {Spleeter：一款快速高效的带预训练模型的音乐源分离工具},
  journal = {Journal of Open Source Software},
  note = {Deezer Research}
}

许可证

Spleeter 的代码采用 MIT 许可证。

免责声明

如果您计划将 Spleeter 用于受版权保护的素材，请务必事先获得权利所有者的正式授权。

故障排除

Spleeter 是一款复杂的软件，尽管我们一直在努力改进和测试它，但在运行过程中仍可能出现意外问题。如果遇到此类情况，请先查看 FAQ 页面，以及 当前未解决的问题列表。

Windows 用户

有时，在 Windows 系统上直接使用 spleeter 命令可能会出现问题。这是一个已知问题，我们将在不久的将来修复。在此期间，您可以将命令行中的 spleeter separate 替换为 python -m spleeter separate，这样应该可以正常工作。

贡献

如果您希望参与 Spleeter 的开发，我们非常欢迎您的加入。请随时向我们提交拉取请求，我们会尽快评估。请先阅读我们的贡献指南。

注意事项

本仓库包含一个演示音频文件 audio_example.mp3，它是 Steven M Bryant 的作品《Slow Motion Dream》中的一段摘录（c）2011 年版权所有，根据知识共享署名 3.0 许可证授权 许可证。合作艺人：CSoul、Alex Beroza 和 Robert Siekawitch。

Spleeter 快速上手指南

Spleeter 是 Deezer 开源的音频源分离工具，基于 Python 和 TensorFlow。它能利用预训练模型，将音乐快速分离为人声、伴奏、鼓点、贝斯等不同音轨（Stems）。在 GPU 环境下，其处理速度可达实时的 100 倍。

环境准备

系统要求

• 操作系统：Linux, macOS, Windows
• Python 版本：3.6 - 3.9 (推荐 3.8)
• 硬件加速：支持 NVIDIA GPU（需安装 CUDA）以获得最佳性能；CPU 亦可运行但速度较慢。
• 特别注意：Apple M1/M2 芯片用户可能存在 TensorFlow 兼容性问题，建议参考官方 workaround 或使用 Docker/Colab。

前置依赖

在安装 Spleeter 之前，必须先安装音频处理库 ffmpeg 和 libsndfile。

推荐使用 Conda 安装依赖（跨平台最简便）：

conda install -c conda-forge ffmpeg libsndfile

注意：虽然官方不再强推 Conda 环境，但对于管理 ffmpeg 和 libsndfile 依赖，Conda 依然是目前最稳定的方案。若使用 pip 直接安装系统级依赖，请确保系统中已正确配置 ffmpeg。

安装步骤

依赖安装完成后，使用 pip 安装 Spleeter：

pip install spleeter

国内用户加速建议： 如果下载速度较慢，可使用国内镜像源：

pip install spleeter -i https://pypi.tuna.tsinghua.edu.cn/simple

基本使用

安装完成后，即可通过命令行进行音频分离。以下示例展示如何将一首歌曲分离为人声和伴奏（2 轨模式）。

1. 准备音频文件

下载一个测试音频文件（或替换为你自己的本地文件）：

wget https://github.com/deezer/spleeter/raw/master/audio_example.mp3

2. 执行分离

运行以下命令，将音频分离并输出到 output 文件夹：

spleeter separate -p spleeter:2stems -o output audio_example.mp3

参数说明：

• -p spleeter:2stems：指定预训练模型。
  • spleeter:2stems：人声 + 伴奏
  • spleeter:4stems：人声 + 鼓点 + 贝斯 + 其他
  • spleeter:5stems：人声 + 鼓点 + 贝斯 + 钢琴 + 其他
• -o output：指定输出目录。
• audio_example.mp3：输入音频文件路径。

3. 查看结果

命令执行完毕后，在 output/audio_example/ 目录下将生成两个文件：

• vocals.wav (人声)
• accompaniment.wav (伴奏)

---

提示：Windows 用户若直接运行 spleeter 命令报错，可尝试使用 python -m spleeter separate ... 代替。