rdelorenzo/tunesplit

TuneSplit

https://github.com/rudydelorenzo/tunesplit 是优秀音频源分离库 demucs 的 Web 应用包装，该镜像集成了源分离模型与前端界面，提供便捷的音乐轨道分离能力。

核心功能与特性

• 基于 demucs 实现高质量音频源分离（如人声、乐器分离）
• 内置 Web 前端界面，操作直观
• 支持 CPU 运行，也可通过 GPU 加速大幅提升处理效率
• 包含模型文件管理，支持检查点文件持久化存储

使用场景

适用于需要分离音频轨道的用户，如音乐制作人、音频编辑者、音乐爱好者等，可用于提取人声、乐器轨等场景。

详细使用方法

推荐的 CPU 部署配置

建议使用 Docker Compose 部署，以下是示例配置：

yaml
services:
  app:
    image: rdelorenzo/tunesplit:latest
    environment:
      - ENVIRONMENT=production  # 减少日志输出
    ports:
      - "3003:3003"  # Web 前端端口映射
    volumes:
      - models:/root/.cache/torch/hub/checkpoints  # 模型文件存储卷
    restart: always

volumes:
  models:  # 用于持久化存储模型检查点文件

部署后，前端可通过 http://localhost:3003 访问。

关于存储卷的说明

模型检查点文件体积较大，为避免每次部署重新下载，推荐通过卷持久化存储。若无需持久化，也可移除 volumes 配置，但首次运行会自动下载模型文件。

GPU 加速部署

GPU 加速可将分离时间缩短约一个数量级（如在 Quadro P4000 上），显著提升效率。

前置要求

• Nvidia 显卡
• 已配置 GPU 穿透的 Docker 环境（推荐参考 https://docs.nvidia.com/datacenter/cloud-native/container-toolkit/latest/install-guide.html%EF%BC%89
• GPU 需满足 https://github.com/adefossez/demucs/blob/main/README.md#memory-requirements-for-gpu-acceleration

GPU 部署配置示例

yaml
services:
  app:
    image: rdelorenzo/tunesplit:latest
    environment:
      - ENVIRONMENT=production
      - USE_GPU=true  # 启用 GPU 加速
    ports:
      - "3003:3003"
    volumes:
      - models:/root/.cache/torch/hub/checkpoints
    restart: always
    deploy:
      resources:
        reservations:
          devices:
            - driver: nvidia
              count: 1  # 使用 1 块 GPU
              capabilities: [gpu]  # 声明 GPU 资源

volumes:
  models:

注意：此配置适用于单 GPU 环境，多 GPU 穿透暂不支持（但可能兼容）。