场景需求
我在制作视频影视后期混剪的时候，经常会遇见人声分离的需求, 比如我们需要某个或者中的干净的人声,俗称， 这就需要我们把媒体文件中的其他杂音去掉，只剩下人的声音，又或者说是，常常我们听见一段很不错,但是又背景人声，想把它去掉, 那么这个时候的需求就出现了!
Spleeter介绍
想要实现人声分离的办法其实也有很多,但是这里我推荐一个也就是我们今天要说的
是由开源的一款高性能音频分离工具，它利用技术将文件中的与分离成两个独立的音轨,让我们得到两个独立的音乐文件
就像是一个，可以很方便的帮助我们获取到音频中的和, 这个在我们制作后期剪辑和影视混剪的时候非常有用!
前期准备
安装Python
因为是基于语言开发的,它依赖于的生态系统来运行!
所以要在我们电脑上运行，首先需要安装，这个我在前面已经多次讲解过了，
这个目前必须要安装这个版本才能支持！
这一点非常重要!
所以如果后期你使用这个插件库出了什么问题,那么检查你是否使用了兼容版本的,比如
那安装Python的步骤如下: 这里我以为例
首先进入官网 https://www.python.org
选择
然后在下面的历史列表中找到这个版本
点击
这样我们就能得到一个的安装包文件
双击开始安装!
首先我们要把勾选上,这样能自动帮我们添加到环境变量中去!
然后选择
默认全部都勾选上!
然后自己选择一个安装路径!
然后点击开始安装
安装完成!
这里注意一下，我们安装好之后，还是需要手动检查一下,并且再次配置一下的安装路径到中的下!
安装FFmpeg
是一套开源的跨平台视频音频处理工具及开发套件，提供了等一系列功能
我们可以从官方网站下载
https://ffmpeg.org/download.html
这里我以系统为例
然后点击
然后进入到下载地址
https://github.com/BtbN/FFmpeg-Builds/releases
这里我们下载这个压缩包
下载好之后，我们解压一下
把配置到 解压之后，找到，里面有如下几个文件
我们现在其实可以把,这个解压出来的这个目录一下,免得一会配置环境变量路径太长，并且把这个目录放到一个比较合适的盘符下，路径不要有中文!
这里我就放在根目录下的中
例如我的路径是这样:
把他们这样放
然后把这个路径配置到中去!
也就是将的添加到你的系统环境变量中, 这样，你就可以在命令行中全局访问
如果你还不清楚什么是，可以去看看我前面的教程!
配置好之后，我们可以打开输入回车
如果看到以下提示，那么说明你已经配置成功了!
Spleeter安装
https://pypi.org/project/spleeter/
既然是一个,我们在安装好之后，可以通过进行安装!
我们使用快捷键 打开, 然后输入以下命令来安装
因为还依赖于其他，例如 （一个开源的机器学习框架）等，来执行其复杂的音频处理任务!
所以这里我们安装的时候，同时也会下载必要的依赖库!
我们在执行时，会自动的安装所需的大部分依赖库!
要确保安装了所有必要的依赖库, 然后我们才可以通过或脚本方式运行，对进行人声分离处
所以安装过程可能需要等待一段时间!
如下你看到以下提示，说明安装完毕!
我们可以使用以下命令在中执行，来看看是否安装成功!
下载预训练模型(model)
需要预训练模型来分离人声和背景音乐,我们可以到上去下载
地址如下:
https://github.com/deezer/spleeter/releases
建议把下载链接复制到下载工具进行下载!
下载好了之后，如下所示
然后我们规划一下, 这几个模型文件!
首先解压模型文件到一个你记得且没有中文的路径上
比如我在下新建一个, 然后新建子目录,
然后把刚刚解压好的文件都放到这里!
Spleeter分离人声
一切都准备好了之后，现在我们就可以开始进行人声分离了!
这里我就先把要处理的先放置到我刚刚在创建的下,跟模型同级目录!
使用2stems模型
然后打开,把路径切换到这个目录下，输入以下命令
上面这段代码的意思就是默认分离2个文件出来， 让预训练模型直接分离音频文件!
这个参数用于设置输出保存路径，用于保存分离的音频文件, 这里的我们可以随便修改一个合适的名称, 我们在第一次运行时可能需要相当长的时间才能执行，因为它将下载预先训练的模型!
当你看到那就恭喜你你已经成功把音频文件进行了人声分
并且保存到了当前指定的中!
在当前处理的音频同级目录下，会把这个自动进行生成!
里面包含两个文件的文件夹:和
就是分离出来的
就是分离出来的
这样我们就可以利用这个素材到中进行后期视频混剪加工处理了!
如下我们在分离音频的时候，遇到下面这种错误提示,
那么说明你的版本太高了，把版本更换到就没问题了!
使用4stems模型
这种方式比上面分离得还要细致, 它包括了分离
参数选项用于提供模型设置,我们可以在这个参数后面跟如下模型
这次它将自动给我们生成4个文件：
、、、
使用5stems模型
最后还提供预训练模型,可以分离出 这几种音色!
这将生成五个文件：
、、、
使用16kHz 的模型
我们默认的、和都可实现的分离
这些模型也可以分离出音频
模型名称写法如下:
和的区别如下:
的采样率获得的声音为电话音质，基本上能让人分辨出通话人的声音
的采样率能捕捉到更高频率的声音，在和方面具有重要意义,适用于一些对高频响应要求较高的场景!
使用语法
怎么样，赶紧去试试看吧~ 🎅
