卡拉 OK 处理¶
进行卡拉 OK 处理时，主应用会将音频或适用的完整视频发送到 Demucs 服务进行分离。服务会生成伴奏轨道和人声轨道，并将两者返回给主应用。主应用使用 FFmpeg 将伴奏轨道与原视频合并，同时单独保存人声轨道，并通过 SSE（服务器发送事件）接收 Demucs 的处理进度。
本页用于配置分离引擎、输出格式和处理限制。部署需要固定值时，也可以通过环境变量配置这些设置。
Demucs 服务¶
分离服务 URL¶
用于连接 Demucs 服务的 URL。
分离服务 API 密钥¶
Demucs 服务使用的可选 API 密钥。
公开 Demucs 服务时强烈建议使用 API 密钥
如果用户位于 CG-NAT 后方，并希望与朋友或家人共享 Demucs 服务，可以使用 Cloudflare Tunnel 或类似服务让主应用访问 Demucs。不过，Demucs 服务一旦公开，任何人都可能使用它，因此强烈建议配置 API 密钥。设置方法请参阅 Demucs 服务环境变量。
分离选项¶
分离后端¶
选择 Demucs 或 Sherpa+Spleeter。
Demucs 模型¶
用于音轨分离的模型。默认值为 htdemucs，其他模型包括：
htdemucs：Hybrid Transformer Demucs 的第一个版本，在 MusDB 和另外 800 首歌曲上训练。默认模型。htdemucs_ft：htdemucs的微调版本。分离所需时间约为 4 倍，但效果可能略好；训练数据集与htdemucs相同。htdemucs_6s：htdemucs的六源版本，增加了钢琴和吉他音轨。请注意，目前钢琴音轨的效果不太理想。hdemucs_mmi：Hybrid Demucs v3，在 MusDB 和另外 800 首歌曲上重新训练。mdx：仅使用 MusDB HQ 训练，在 MDX 挑战赛 A 赛道中获胜的模型。mdx_extra：使用额外训练数据（包括 MusDB 测试集）训练，在 MDX 挑战赛 B 赛道中排名第二。mdx_q、mdx_extra_q：上述模型的量化版本，下载和存储空间更小，但质量可能略低。SIG：来自模型库的单一模型。
Sherpa+Spleeter 模型¶
默认值为 fp16。可选择 int8、fp16 或 fp32。int8 模型速度最快、体积最小，但质量可能低于 fp16 和 fp32。
设备¶
用于分离的计算设备。请根据 Demucs 服务的能力选择 cuda 或 cpu。
- 如果选择了
cuda，但 Demucs 服务不支持 CUDA，或者使用仅支持 CPU 的 Sherpa+Spleeter 后端，处理会回退到 CPU。
输出选项¶
音轨输出格式¶
选择 mp3 或 wav。建议使用 mp3，以缩短网络传输时间并减少存储占用。
MP3 音轨比特率¶
MP3 音轨输出的比特率，默认值为 320。如果连接 Demucs 的网络较慢，可以降至 128–160。
FFmpeg 音频编码¶
FFmpeg 将伴奏音轨与原视频合并时使用的音频编码器。默认留空并使用流复制。只有舞台客户端无法播放合并后的视频时才需要设置；例如，iOS 设备支持 aac。
处理限制¶
分离服务直接处理媒体的上限（MB）¶
媒体文件小于此值时，主应用会将视频直接发送给 Demucs，无需先提取音频。默认值为 500。如果连接 Demucs 的网络较慢，可将其降至 20–50。
分离服务回退轮询间隔（秒）¶
SSE 连接失败时，主应用轮询 Demucs 进度的间隔，默认值为 1.0 秒。