Music Source Separation 项目教程

Music Source Separation 项目教程

music_source_separation 项目地址: https://gitcode.com/gh_mirrors/mus/music_source_separation

1. 项目目录结构及介绍

Music Source Separation 项目目录结构如下：

music_source_separation/
├── bytesep/
├── resources/
├── scripts/
│   ├── 0_download_datasets/
│   ├── 1_pack_audios_to_hdf5s/
│   ├── 2_create_indexes/
│   ├── 3_create_evaluation_audios/
│   └── 4_train/
├── .gitignore
├── FAQ.md
├── LICENSE
├── README.md
├── example.py
├── pyproject.toml
├── requirements.txt
└── setup.py

• bytesep/：包含项目的主要代码，包括模型定义和分离功能实现。
• resources/：用于存放项目所需的资源文件，如示例音频等。
• scripts/：包含用于数据准备、训练、评估和分离的脚本文件。
• .gitignore：定义了 Git 忽略的文件和目录。
• FAQ.md：包含项目常见问题的解答。
• LICENSE：项目的开源协议。
• README.md：项目的简介和说明。
• example.py：一个使用 Music Source Separation 系统的示例脚本。
• pyproject.toml：定义了项目依赖和构建系统。
• requirements.txt：项目所需的 Python 包依赖。
• setup.py：用于安装和管理 Python 包。

2. 项目的启动文件介绍

项目的启动主要是通过 scripts/ 目录下的脚本进行的。以下是一些主要的启动脚本：

• 0_download_datasets/musdb18.sh：用于下载和解压 MUSDB18 数据集。
• 1_pack_audios_to_hdf5s/musdb18/sr=44100,chn=2.sh：将音频文件打包成 HDF5 格式以加快训练速度。
• 2_create_indexes/musdb18/create_indexes.sh：为训练创建索引文件。
• 3_create_evaluation_audios/musdb18/create_evaluation_audios.sh：创建用于评估的音频文件。
• 4_train/musdb18/train.sh：开始训练 Music Source Separation 系统。
• 5_separate/musdb18/separate.sh：使用训练好的模型进行音频分离。

3. 项目的配置文件介绍

项目的主要配置文件是 pyproject.toml 和 requirements.txt。

• pyproject.toml：定义了项目的元数据和依赖。例如：

[project]
name = "music_source_separation"
version = "0.1.1"
description = "Music Source Separation PyTorch Implementation"
authors = ["Qiuqiang Kong", "Yin Cao", "Haohe Liu", "Keunwoo Choi", "Yuxuan Wang"]
license = { file = "LICENSE" }
classifiers = [
    "Programming Language :: Python :: 3",
    "License :: OSI Approved :: Apache Software License",
    "Operating System :: OS Independent",
]

• requirements.txt：列出了项目运行所需的 Python 包。例如：

torch
torchvision
torchaudio
numpy
scipy
librosa
 soundfile

这些配置文件确保了项目可以在正确的环境中运行，并且依赖包可以被正确地安装和管理。

music_source_separation 项目地址: https://gitcode.com/gh_mirrors/mus/music_source_separation