对于音乐制作人以及任何想使用隔离音频进行演奏的人来说，将歌曲拆分为单独的人声和伴奏一直是头疼的问题。目前有很多方法可以执行此操作，但是过程都很耗时，并且结果通常有很多缺陷。新的开源AI工具使这项棘手的任务变得更快，更轻松。

该软件称为Spleeter，由音乐服务公司Deezer开发。昨天，该公司以开源软件包的形式发布了该代码，并将代码放在Github上，供所有人下载和使用。只需向Spleeter提供一个音频文件，它就会将文件分为两个、四个或五个独立的音轨，称为茎。在专用GPU上运行时，它可以将音频文件分成四个茎，比实时速度快100倍。您可以在下面收听David Bowie的“ Changes”上工作的软件示例。仅有人声和只带伴奏的声音都有一些音频伪像，但总体效果令人赞叹。

技术专家Andy Baio撰写了一篇有关Spleeter的博客，其中包含许多例子。Baio表示，该软件产生的孤立人声有时会获得机器人自动调整的感觉，但相对于其他解决方案，其效果已经很逼真了。”

下面是Baio生成的示例，其中Spleeter在Marvin Gaye的“ I Heard”上运行。

该软件功能确实很强大，但需要一些专业的技术知识才能使用它。除非你定期使用Python或Google的AI工具包TensorFlow（用于训练Spleeter）之类的软件，否则必须下载一些程序才能启动和运行Spleeter。而且，必须使用命令行输入而不是更易于访问的可视界面。

Deezer指出，这不是人们第一次使用机器学习来自动执行此类任务，并且该公司之前已经有了许多早期研究的基础。Deezer的首席数据和研究官Aurelien Herault表示：该公司在20000种音乐曲目上使用各种类型的预分离人声对其软件进行了培训。通过此信息，该软件学习了如何隔离轨道本身。

Herault说：Deezer本身将Spleeter用于一系列研究应用程序，以帮助改善其流媒体服务。在内部，我们将其用作预处理工具，以完成诸如音乐分类，转录和语言检测之类的复杂研究任务 。

在另一方面，Spleeter也成功的说明了AI工具如何使复杂的创意工作变得更简单。机器学习目前正用于自动执行一系列耗时的任务，从删除图片上的背景到升级旧视频游戏中的纹理。从Adobe的Photoshop到Runway ML之类的新领域，这些工具越来越多地被并入软件。

Deezer说，他们没有将Spleeter变成一个付费工具的计划，但是其他人可以完成和他们同样的工作。对于希望将独立的人声整合到混音中的音乐制作人，或者希望创建自制卡拉OK伴奏音轨的人来说，Spleeter是他们的不二选择。

Github代码链接：https://github.com/deezer/spleeter