Голос: спикеры и звукМузыка и звук

Demucs

Классическая модель, которая разделяет трек на голос, барабаны, бас и остальное. Версия v4 с гибридным трансформером остаётся эталоном; сейчас проект поддерживает автор в своём репозитории.

Разработчик
Meta AI, затем Александр Дефоссе, Франция
Первый выпуск
дек 2022
Последний выпуск
июл 2026
Размеры
десятки миллионов параметров
Лицензия
Можно в коммерциюMIT
Поставить на свой сервер GitHub

Какие задачи решает

  • Отделить голос от музыки в записи
  • Минусовки и дорожки для караоке
  • Очистка речи в видео с фоновой музыкой

Где применяется

Медиа и продакшнМузыкальные сервисыКараоке и развлечения

Требования к железу

НоутбукНоутбук или обычный ПК, до 8 ГБ видеопамяти — младшие версии
подходит
1 видеокартаОдна видеокарта на 16–80 ГБ — средние версии
подходит
КластерСервер с несколькими видеокартами — флагманские версии
нет версий

Версии

  1. Demucs 4.1.0
  2. Demucs 4.0.1
  3. Demucs v4 (Hybrid Transformer)

Как внедряю у заказчика

  1. ПодборВыбираю размер модели под задачу и ваше железо, проверяю на ваших примерах.
  2. УстановкаРазворачиваю на вашем сервере или в закрытом контуре, отдаю API.
  3. ДообучениеДообучаю на ваших данных (LoRA) или подключаю базу знаний — что дешевле для задачи.
  4. ВстраиваниеПодключаю к CRM, 1С, боту, сайту или рабочему чату, настраиваю мониторинг.

Похожие модели

Голос: спикеры и звукUVR / MDX-Net / RoFormer (разделение звука)Сообщество: Ultimate Vocal Remover (Anjok07), ZFTurbo, MVSep · Международное сообществоКоммерция с условиями

Большая открытая коллекция моделей для отделения голоса от музыки и шумов: MDX-Net, BS-RoFormer, Mel-RoFormer, SCNet. Лидеры по качеству вокала среди открытых решений.

ПодробнееГолос: спикеры и звукSAM AudioMeta · СШАКоммерция с условиями

Модель вырезает из записи нужный звук по текстовому описанию, по отметке на видео или по отрезку: голос, инструмент, шум. Доступ к весам выдают по заявке.

ПодробнееГолос: спикеры и звукClearerVoice (MossFormer)Alibaba (Tongyi Lab) · КитайМожно в коммерцию

Набор моделей Alibaba для чистки речи: шумоподавление, разделение наложенных голосов, повышение качества звука до 48 кГц и выделение голоса по видео с лицом говорящего.

Подробнее