如何快速将歌曲拆分为鼓、贝斯、钢琴等独立音轨
对于想要学习编曲的音乐爱好者来说，获取纯净的乐器分轨是练习扒谱和重新混音的关键。Spleeter 是由 Deezer 开发的开源音频分离工具，采用深度学习技术从混合音频中快速提取人声、鼓、贝斯及各类乐器音轨。
无论是音乐制作、音频编辑还是教学研究，这款免费工具都能让你轻松实现专业级音频分离，处理速度甚至可达实时播放速度的 100 倍！
3 种分离模式，满足不同场景需求
Spleeter 提供了三种主流模型以适应不同的编曲练习和制作需求：
- 2 音轨模式：仅将音频分为人声与伴奏（最常用）。
- 4 音轨模式：可分离出人声、鼓组、贝斯及其他乐器，适合基础扒谱。
- 5 音轨模式：在 4 音轨基础上额外增加钢琴音轨，专为需要单独提取键盘乐器的编曲练习设计。
所有模型均在专业音乐数据集上训练，分离质量达到行业领先水平。其技术实力已被 iZotope RX 8、Steinberg SpectralLayers 等专业软件采用。
速度惊人：GPU 加速处理效率提升百倍
普通电脑即可流畅运行该工具，若配备 GPU，处理一首 5 分钟的歌曲仅需约 3 秒。这种极高的工作效率能大幅缩短编曲前的素材准备时间。
简单易用：命令行与 Python API 双重支持
无需深厚的编程基础也能快速上手。既可以通过简单的命令行操作完成分离任务，也可以集成到 Python 项目中使用。此外，官方提供 Docker 镜像，适合批量处理或服务器部署场景。
快速开始：3 步完成音频分离
1. 安装准备（5 分钟搞定）
首先确保系统已安装 ffmpeg 和 libsndfile 依赖。推荐使用 conda 环境进行配置，可避免版本冲突问题。
注意：Apple M1/M2芯片用户需参考官方 workaround 解决 TensorFlow 兼容性问题。
2. 获取音频文件
可以使用项目提供的示例音频进行测试，或准备自己的 MP3、WAV 等格式音频文件作为练习素材。
3. 执行分离命令
根据需求选择对应的模型参数进行运行：
- 人声 + 伴奏：使用
spleeter:2stems模式。 - 4 音轨（含鼓、贝斯）：使用
spleeter:4stems模式，适合扒谱练习。 - 5 音轨（增加钢琴）：使用
spleeter:5stems模式，专门针对需要单独提取钢琴轨道的编曲需求。
分离完成后，在输出文件夹中会生成多个 WAV 文件，包含各个分离后的独立音轨。你可以将这些分轨导入 DAW（数字音频工作站）进行后续的混音或重新编排练习。
实用场景：Spleeter 能帮你做什么？
音乐制作与 Remix
- 提取无伴奏人声，用于翻唱创作或 Remix 制作。
- 分离乐器音轨，帮助理解原曲编曲结构并重新编排。
- 移除歌曲中的特定乐器（如鼓点），制作专属练习伴奏带。
音乐教学与扒谱
- 将人声与学生专注的乐器学习分开，辅助教学演示。
- 分析专业歌曲的编曲结构和各乐器的配比平衡。
- 制作个性化伴奏带，调整特定乐器的音量以进行针对性练习。
音频研究
- 适用于音乐信息检索（MIR）领域的算法测试与实验。
- 构建自己的音乐分离模型或参与相关学术研究。
高级使用技巧：自定义参数以适应编曲需求
对于进阶用户，可以通过修改配置文件调整分离参数，例如改变音频采样率、时长限制等。此外，官方提供了 Python API，允许你在代码中直接调用分离器并集成到自动化工作流中。
from spleeter.separator import Separator # 初始化分离器（选择2音轨模型） separator = Separator('spleeter:2stems') # 处理音频文件 separator.separatetofile('input.mp3', 'output_directory')
重要提示：版权与合规性
使用 Spleeter 处理受版权保护的音频时，请确保已获得合法授权。该工具仅提供技术能力，不承担因版权问题引发的任何法律责任。
立即尝试，开启你的音频创作之旅吧！只需一行命令，就能解锁音乐分离的无限可能。