# 音頻分離

Mikrotakt Vocal Remover & Instrumental AI Splitter是一款利用人工智能算法從歌曲或視頻文件中提取人聲、伴奏、吉他、鋼琴、貝斯、鼓等不同樂器的音頻分離工具。它為音樂家、教育工作者和內容創作者提供了精確的音頻分離工具，以增強練習、製作和教育體驗。產品背景信息顯示，Mikrotakt擁有超過100,000名活躍用戶，處理了超過70,000小時的音頻，並且分離準確率高達99.96%。價格方面，提供免費試用，並有不同級別的付費套餐供用戶選擇。

UVR5-UI是一個基於python-audio-separator的開源項目，它提供了一個用戶友好的界面來分離音頻文件中的不同音軌，使用了多種模型來實現高質量的音頻分離。該項目特別適合音樂製作者、音頻編輯者和任何需要從音頻中移除或分離特定聲音的人。UVR5-UI支持從多個網站批量分離音頻，並且可以在Colab和Kaggle上運行，為使用者提供了極大的便利。

PixelPlayer是一個能夠通過觀看大量無標註視頻學會定位產生聲音的圖像區域並分離輸入聲音成一組表示每個像素聲音的組件的系統。我們的方法利用視覺和聽覺雙模態的自然同步特點,在不需要額外人工標註的情況下學習聯合解析聲音和圖像的模型。該系統使用大量包含不同樂器組合獨奏和二重奏演奏的訓練視頻進行訓練。對每個視頻沒有提供出現了哪些樂器、它們在哪裡以及它們是什麼聲音的監督。在測試階段,系統的輸入是一個展示不同樂器演奏的視頻和單聲道聽覺輸入。系統執行音頻視覺源分離和定位,將輸入聲音信號分離成N個聲音通道,每個通道對應不同的樂器類別。此外,系統可以定位聲音併為輸入視頻中的每個像素分配不同的音頻波形。

終極人聲去除GUI是一款使用深度神經網絡技術的人聲去除工具。其核心開發者訓練了所有提供的模型，除了Demucs v3和v4 4聲道模型。該應用使用先進的源分離模型從音頻文件中去除人聲。無需額外的先決條件即可有效運行。適用於Windows 10及以上版本。

AudioSep是一種基於自然語言查詢的開放領域音頻源分離模型。它由文本編碼器和分離模型兩個關鍵組件組成。我們在大規模多模態數據集上訓練AudioSep，並在許多任務上廣泛評估其能力，包括音頻事件分離、樂器分離和語音增強。AudioSep表現出強大的分離性能和令人印象深刻的零樣本泛化能力，使用音頻標題或文本標籤作為查詢，大大優於以前的音頻查詢和語言查詢聲音分離模型。為了保證本工作的可重複性，我們將發佈源代碼、評估基準和預訓練模型。