ReadMe Release Version beta_1.0 index.py imageMatlab.py This is more or less a wrapper for Matplotlib imaging functions such that their behavior is equivalent, in terms of colormap, aspect and so forth, to the expected behavior of Matlab's functions

为解决非负矩阵分解（ＮＭＦ）在音乐分离中适应性差且过度依赖学习样本的问题，提出结合谐和与击打声源分离 （ＨＰＳＳ）的非负矩阵音乐分离方法。在高分辨率下对音乐信号进行ＨＰＳＳ分离，保留谐和声源并利用灵活窗ＮＭＦ对击打 声源进行二次分离，对结合理想二元掩蔽模型（ＩＢＭ）分离出的伴奏及歌声的频谱做相应的傅里叶逆变换。利用公开音乐 数据集进行实验仿真，实验结果表明，与传统的分离方法或者其它改进分离方法相比，该方法在分离性能上有明显提高。 关键词：非负矩阵分解；音乐分离；谐和与击打声源分离；二次分离；二

:warning: 请参阅的完整文档。 关于 spleeter软件包是官方库Spleeter的包装，该库由使用编写的经过预训练的模型开发，并使用 。 它使训练源分离模型（假设您具有隔离的源的数据集）变得容易，并提供了经过训练的先进模型来执行各种分离操作： 人声（歌声）/伴奏分离（ ） 人声/鼓/低音/其他分离（ ） 人声/鼓/贝斯/钢琴/其他分离器（ ） 快速开始 确保已安装并配置了reticulate包装！ 首先，安装python lib： reticulate :: py_inst

在单声道音乐录音中将声音与伴奏分离是音乐信息检索中的一项关键技术。 现有的大多数算法都基于唱歌音调检测，并以检测到的音调为线索来识别和分离唱歌声的谐波结构。 但是，作为关键但又不可靠的前提，声音音高检测使这些算法的分离性能受到很大的限制。 为了克服基于基音的推理算法的固有弱点，本文设计了两种基于非负矩阵分解的新方法。 第一个结合了NMF和不同时频分辨率下人声的分布规律，从而消除了许多人声无关的部分，从而增强了演唱声。 结果，大大提高了人声音调检测的准确性。 第二种方法应用NMF将声谱图分解为不重

:warning: 版本引入了一些重大更改，包括用于输入的新CLI选项命名以及专用GPU软件包的删除。 请阅读了解更多详情。 关于 Spleeter是源代码分离库，具有使用编写的预训练模型，并使用 。 它使训练源分离模型（假设您具有隔离的源的数据集）变得容易，并提供了经过训练的先进模型来执行各种分离操作： 人声（歌声）/伴奏分离（ ） 人声/鼓/贝斯/其他分离（ ） 人声/鼓/贝斯/钢琴/其他分离器（ ） 2个茎和4个茎模型在数据集上具有。 Spleeter也非常快，因为它可以在GPU上