一、背景介绍
Demucs是一个开源的音源分离项目。
Demucs在算法层面前后经历了三次大版本的进化,最原始的V1版本是:编解码+LSTM。具体算法原理图如下所示。该版本在时域进行音源分离。关于阅读笔记请点击这篇文章。
V1版本原理图
V2版本是同时使用时域和频域信息进行音源分离。关于阅读笔记请点击这篇文章。
V2版本原理图
V3版本是在V2版本上使用Transformer进一步提升性能。关于阅读笔记请看这篇文章。
V3版本原理图
二 、准备工作
2.1 安装软件环境
关于驱动、和pytorch的安装可以看这篇文章Pytorch GPU版本安装-CSDN博客
关于pip 安装的包可以参看我安装的版本。
bash
Package Version
------------------------- -----------
aiohttp 3.9.5
aiosignal 1.3.1
alembic 1.13.1
antlr4-python3-runtime 4.8
appdirs 1.4.4
async-timeout 4.0.3
attrs 23.2.0
audioread 3.0.1
autopage 0.5.2
Brotli 1.0.9
certifi 2024.2.2
cffi 1.16.0
charset-normalizer 2.0.4
click 8.1.7
cliff 4.6.0
cloudpickle 3.0.0
cmaes 0.10.0
cmd2 2.4.3
colorama 0.4.6
colorlog 6.8.2
Cython 3.0.10
decorator 5.1.1
diffq 0.2.4
docker-pycreds 0.4.0
dora_search 0.1.12
einops 0.8.0
ffmpeg-python 0.2.0
filelock 3.14.0
frozenlist 1.4.1
fsspec 2024.3.1
future 1.0.0
gitdb 4.0.11
GitPython 3.1.43
greenlet 3.0.3
huggingface-hub 0.23.0
hydra-colorlog 1.1.0
hydra-core 1.1.0
hydra-optuna-sweeper 1.2.0
idna 3.4
importlib_metadata 7.1.0
joblib 1.4.2
jsonschema 4.21.1
jsonschema-specifications 2023.12.1
julius 0.2.7
lameenc 1.7.0
lazy_loader 0.4
librosa 0.10.2
lightning-utilities 0.11.2
llvmlite 0.42.0
Mako 1.3.3
markdown-it-py 3.0.0
MarkupSafe 2.1.5
mdurl 0.1.2
mkl-fft 1.3.8
mkl-random 1.2.4
mkl-service 2.4.0
msgpack 1.0.8
multidict 6.0.5
musdb 0.4.2
museval 0.4.1
mypy 1.10.0
mypy-extensions 1.0.0
numba 0.59.1
numpy 1.26.4
omegaconf 2.1.2
openunmix 1.3.0
optuna 2.10.1
packaging 24.0
pandas 2.2.2
pbr 6.0.0
pillow 10.2.0
pip 23.3.1
platformdirs 4.2.1
pooch 1.8.1
prettytable 3.10.0
protobuf 4.25.3
psutil 5.9.8
pyaml 24.4.0
pycparser 2.22
Pygments 2.17.2
pyperclip 1.8.2
pyreadline3 3.4.1
pyrootutils 1.0.4
PySocks 1.7.1
python-dateutil 2.9.0.post0
python-dotenv 1.0.1
pytorch-lightning 1.9.0
pytz 2024.1
PyYAML 6.0.1
referencing 0.35.0
requests 2.31.0
retrying 1.3.4
rich 13.7.1
rpds-py 0.18.0
safetensors 0.4.3
scikit-learn 1.4.2
scipy 1.13.0
sentry-sdk 2.0.1
setproctitle 1.3.3
setuptools 68.2.2
simplejson 3.19.2
six 1.16.0
smmap 5.0.1
soundfile 0.12.1
soxr 0.3.7
SQLAlchemy 2.0.29
stempeg 0.2.3
stevedore 5.2.0
submitit 1.5.1
threadpoolctl 3.5.0
timm 0.9.16
tomli 2.0.1
torch 1.12.1
torchaudio 0.12.1
torchmetrics 1.3.2
torchvision 0.13.1
tqdm 4.66.2
treetable 0.2.5
typing_extensions 4.9.0
tzdata 2024.1
urllib3 2.1.0
wandb 0.16.6
wcwidth 0.2.13
wheel 0.41.2
win-inet-pton 1.1.0
yarl 1.9.4
zipp 3.18.1
2.2 下载数据集
关于数据集可以看我之前的一篇文章音源分离|数据集|MUSDB18-HQ-CSDN博客
三、 复现过程
复现过程主要分享遇到的问题及其解决方式。
3.1 DataLoader读取数据使用多进程出现问题
参考这篇文章代码复现|DataLoader类num_workers参数引发的进程问题-CSDN博客
3.2 subprocess.run()导致报错"FileNotFoundError: [WinError 2] 系统找不到指定的文件
参考这篇文章代码复现|subprocess.run()导致报错"FileNotFoundError: [WinError 2] 系统找不到指定的文件"-CSDN博客
3.3 编解码问题UnicodeDecodeError: 'utf-8' codec can't decode byte 0xb2 in position 15: invalid start byte
报错截图如下,根据报错提示信息定位到源码部分第91行。解决方法,把解码换成gbk。
报错截图
报错源码
修改后的代码
3.4 命令找不到问题RuntimeError: Could not change bpm because 'soundstretch' 不是内部或外部命令,也不是可运行的程序或批处理文件。
报错截图
定位到报错位置
出错原因:88行使用了soundstretch指令但是本地没有相应的EXE文件。
解决方法:下载soundstretch.exe文件,然后放到C:\Windows\System32目录下。
3.5 关于显存不够问题concurrent.futures.process.BrokenProcessPool: A child process terminated abruptly, the process pool is not usable anymore
我的PC只是8G大小为了让程序跑起来,修改配置文件将batch_size从64改成1,group_size也设置成1。
四、推理
在训练过程中,因为整个工程是包管理的形式,一开始为了方便排除bug(跑通train.py)我将所有的包导入方式从from .xx import xx 改成 from xx import xx,如下图所示。
排除完train.py相关的bug后,还原__init__.py,还原之前的包导入方式。使用下面命令运行train.py代码。
bash
python -m demucs.train
等待训练结束后,再使用下面命令导出训练好的模型 。注意97d170e1需要实际情况换成自己生成的。
bash
python -m tools.export 97d170e1
最后使用导出的模型进行推理。
bash
python -m demucs --repo ./release_models -n 97d170e1 --mp3 D:\Basic_Audio\demucs-main\demucs-main\release_models
\mixture.wav
成了,成了,我看谁还说咱只会看文献。本次从文献阅读,选择要复现的工程,复现初见成效(只是跑通代码)总耗时14个工作日。
五、参考
非常感谢这位大佬的文章,加快了我的复现进程。【音频分离】demucs V3的环境搭建及训练(window)-CSDN博客