分离模型

在 Youka 中，你可以使用 “Split model” 功能将歌曲中的人声与伴奏分离。你有以下几种选择：

Demucs #

Demucs（Deep Extractor for Music Sources）是用于音乐源分离的先进深度学习模型。它在时域中运行，能够保留音频的时间细节，并采用卷积神经网络（CNN）架构。Demucs 以高质量分离人声、鼓、贝斯及其他乐器而闻名，是制作卡拉 OK 和音乐制作等任务的首选之一。

MDX-23C #

MDX-23C 模型面向高级音乐拆分（demixing）任务，重点将音乐分离为四个音轨（stems）：bass、drums、vocals 和其他乐器。该模型基于 Demucs4 与 MDX 神经网络架构的融合，并引入了 Ultimate Vocal Remover 项目中的部分权重。MDX-23C 提供高质量的分离效果，尤其在强力 GPU 环境下表现突出，适合需要精确、专业级音频分离的用户。

ReFormer #

ReFormer 是音乐拆分领域较新的模型之一，以其在音乐轨道音轨分离上的创新方法而知名。它将传统信号处理技术与现代深度学习方法结合，以实现干净且准确的分离。该模型旨在在质量与处理速度之间取得平衡，适用于专业用户和业余爱好者。

MDX-Net (with backing vocals) #

MDX-Net 是专为音乐拆分开发的双流神经网络，包含一个时频分支和一个时域分支。这种架构使模型能够通过分析音频的不同特征来分离音轨，并将两个分支的输出结合，从而生成高精度的分离结果。MDX-Net 已在国际音乐拆分挑战赛中获得领先名次，证明了其有效性，是需要高精度音频处理用户的可靠选择。