demucs 六音轨人声分离：htdemucs_6s 安装教程与常用参数指南

demucs 六音轨人声分离：htdemucs_6s 安装教程与常用参数指南

【免费下载链接】demucsCode for the paper Hybrid Spectrogram and Waveform Source Separation项目地址: https://gitcode.com/gh_mirrors/de/demucs

Demucs 是开源的音乐音源分离项目，v4 版内置 htdemucs_6s 模型，可把一首混合音频拆出 vocals（人声）、drums（鼓）、bass（贝斯）、guitar（吉他）、piano（钢琴）、other（其他）六路立体声 WAV。全程在本地运行，GPU 显存约 2.4GB 量级即可跑起来。

🎯 它能做什么

• 六路音源分离：一条命令把整首歌拆成 vocals、drums、bass、guitar、piano、other 六个独立文件。
• 人声与伴奏二分：--two-stems vocals直接产出"人声 + 伴奏"两份，卡拉OK 场景一步到位。
• 常用格式通吃：torchaudio 支持的输入（wav、mp3、flac、ogg 等）都能读，输出可为 16bit/24bit/float32 WAV 或 MP3。
• 本地离线运行：模型只在你机器上加载，音频不出本机，首次运行需联网下载模型权重。

📊 它凭什么好用

论文口径：htdemucs 微调版在 MUSDB HQ 测试集取得 9.0dB SDR，为同类方案里的第一梯队。

🧩 原理速览

把一段旋律同时用耳朵听、用眼睛看谱。模型里跑着两条并行的 U-Net 分支：一条直接处理波形，负责节奏与瞬态；另一条处理 STFT（短时傅里叶变换）频谱，负责音高与音色。两条分支在中段接入一个跨域 Transformer 编码器，各自先做域内自注意力、再做跨域交叉注意力，最后分别解码重建出每一路音源。

💻 装好并跑起来

没有 NVIDIA 显卡就用 CPU 环境文件，有显卡就换 environment-cuda.yml：

# 创建并激活 conda 环境，依赖一并装好 git clone https://gitcode.com/gh_mirrors/de/demucs cd demucs conda env create -f environment-cpu.yml conda activate demucs

环境就绪后，一条命令完成首次分离：

# -n 指定六源模型；结果输出到 separated/htdemucs_6s/原曲名/ 下 python -m demucs.separate -n htdemucs_6s test.mp3

跑完后在该目录下会看到 vocals.wav、drums.wav、bass.wav、guitar.wav、piano.wav、other.wav 六个立体声文件。首次运行会联网下载模型权重，之后即可离线复用。

🎛️ 场景化用法

做卡拉OK：只关心人声和伴奏两份时，用二分模式，输出 vocals.wav 与 no_vocals.wav，可直接当伴奏使用：

# 分离完只保留"人声 + 其余伴奏"两份 python -m demucs.separate -n htdemucs_6s --two-stems vocals 播客录音.mp3

吉他老师做教材：只抽吉他音源，并以 MP3 交付给学生：

# --mp3 把输出压成 MP3，适合在线分享 python -m demucs.separate -n htdemucs_6s --two-stems guitar --mp3 教学曲.mp3

DJ 抽节奏底：只要鼓和贝斯时，按完整六路分离后取对应文件即可（注意--two-stems一次只支持指定一路，不会减少计算量）：

# 完整分离后取 drums.wav 与 bass.wav 做 remix 底座 python -m demucs.separate -n htdemucs_6s --out ./混音素材 原曲.mp3

📋 常用参数速查

⚠️ 踩坑排查

现象：GPU 上跑着跑着抛 CUDA out of memory。 原因：默认整段处理太吃显存。解决：加--segment 8缩小分段，或加-d cpu改用 CPU（耗时约为音频时长的 1.5 倍）。

现象：--segment 30报 "Cannot use a Transformer model with a longer segment than it was trained for"。 原因：htdemucs 系列按训练时长限定分段上限，约 7.8 秒，超出直接拒绝。解决：把--segment调到 8 或更小。

现象：htdemucs_6s 分离出来的 piano.wav 有明显"串味"和杂音，guitar.wav 相对干净。 原因：六源模型的钢琴音源本身训练得不充分，官方文档也明确提示 piano 目前效果有限。解决：钢琴声部混入 other.wav 一起用，或改用四源模型 htdemucs 后单独处理钢琴需求。

📁 项目里去哪找更多

• demucs/remote/htdemucs_6s.yaml：htdemucs_6s 的模型清单配置，-n参数就是从这里解析的。
• docs/api.md：Python 接口说明，Separator、separate_audio_file、save_audio的用法都在这里。
• demucs/separate.py：命令行入口源码，所有参数定义一览无余。
• tools/bench.py、tools/convert.py：批量跑分与格式转换的小工具。

htdemucs_6s 适合想一次拿到六路干声、又不想折腾云服务的场景，上手成本低、可完全离线。需要提醒的是：钢琴一路质量有限，且项目官方已声明只维护重要缺陷修复，对四路分离要求更高时建议用默认 htdemucs 或 htdemucs_ft。

【免费下载链接】demucsCode for the paper Hybrid Spectrogram and Waveform Source Separation项目地址: https://gitcode.com/gh_mirrors/de/demucs