Demucs

Demucs 是 Meta（原 Facebook）研究团队发布的音乐源分离模型，配套论文《Hybrid Spectrogram and Waveform Source Separation》。它解决的问题很具体：拿到一首完整的歌，把它拆成几条独立的音轨。默认能分出人声、鼓、贝斯和其余伴奏，另有一个实验性的六源模型，额外加了吉他和钢琴。

它不是给普通用户点开就用的网页工具，而是一份代码仓库。要用起来得自己装 Python 环境、拉模型权重，在命令行里跑分离命令，输出分轨音频文件。仓库里带了示例音频和 Jupyter Notebook，方便先跑通再改。

版本与技术路线

当前主线是第四版（v4），核心是 Hybrid Transformer Demucs：在 Hybrid Demucs 的 U-Net 结构上，把最内层换成跨域的 Transformer 编码器，频谱域和波形域各自做自注意力，再跨域做交叉注意力。论文报告在 MUSDB HQ 测试集上 SDR 为 9.00 dB，加上稀疏注意力核和分源微调后达到 9.20 dB。默认命令跑的是普通模型，想用微调版要显式指定 -n htdemucs_ft。想退回旧版可以切到 v3 或 v2 的提交。

使用前要知道的

• 仓库已于 2025 年 1 月 1 日被所有者归档，转为只读，原作者也已离开 Meta，不再维护。
• 作者另建了 fork（adefossez/demucs），那边也只处理重要 bug 修复，不提新功能。
• 论文里的稀疏 Transformer 模型没有放出，因为依赖尚未准备好的自定义 CUDA 代码。
• 六源模型里吉他质量尚可，钢琴分离有较多串音和杂音。

适合谁

适合做音频研究、想复现论文结果的人，或者要批量处理分轨、愿意自己写脚本的开发者。只想快速拆一首歌的普通用户，用现成的在线分离服务会省事得多。仓库采用 MIT 许可证，代码可自由使用。