Demucs 服务¶
本文介绍如何安装 Demucs 服务。该服务使用 AI 处理卡拉 OK 音频，分离人声并生成带时间轴的歌词，让你可以将歌曲制作成卡拉 OK。
Demucs 服务可以与主应用运行在同一台电脑上，也可以部署到另一台配备更强 GPU 的电脑上。
Warning
该服务需要支持 CUDA 的 NVIDIA GPU。AMD 和 Intel GPU 可能可以与 PyTorch 配合使用，但目前未经测试。没有 GPU 也可以运行，不过处理会完全使用 CPU，速度会更慢。
下面是处理一首典型的 3 分钟歌曲所需时间的大致参考。
测试环境：Windows 11，CPU：Intel i7-12700K，GPU：NVIDIA RTX 4070 SUPER 12 GB。
| 后端 | 使用 GPU | 仅使用 CPU |
|---|---|---|
Demucs htdemucs |
约 10 秒 | 约 1 分 20 秒 |
| SherpaONNX Spleeter | 不适用 | 约 20 秒 |
| WhisperX | 约 15 秒 | 约 1 分 20 秒 |
1. 安装 Python 3.10¶
- 目前只有 Python 3.10 与全部机器学习依赖一起经过测试。更新的 Python 版本可能无法正常工作。
- 你也可以尝试使用
uv或conda管理环境，只要创建出的虚拟环境能够正常运行whisperx和demucs。
2. 下载代码和依赖¶
应用程序¶
- 如果无法使用 Git，可以从 GitHub 下载代码库的 ZIP 文件并解压，然后在 PowerShell 中打开解压后的目录。
下载 PyTorch¶
pip install torch==2.8.0+cu126 torchaudio==2.8.0+cu126 torchvision==0.23.0+cu126 --index-url https://download.pytorch.org/whl/cu126
- 如果你的 GPU 不支持 CUDA，请选择 CPU 版本。
安装项目依赖¶
cd demucs-karaoke-app # the location where you downloaded the code
cd demucs_svc
pip install -r requirements.txt
3. 准备 Hugging Face token¶
部分 WhisperX 模型需要验证。请先接受以下模型的许可协议：
在 Hugging Face 创建个人访问 token，并将其保存到文件中。
New-Item -ItemType Directory -Force -Path $env:HF_HOME | Out-Null
$env:HF_TOKEN_PATH="$env:HF_HOME\token"
Set-Content -Path $env:HF_TOKEN_PATH -Value "<your_huggingface_token>"
如果未设置 HF_HOME，请检查系统环境变量或用户环境变量。
4. 运行应用程序¶
5. 检查应用健康状况¶
PyTorch：
python -c "import torch, torchaudio; print(torch.__version__); print(torchaudio.__version__); print(torch.cuda.is_available())"
Web 应用：
(curl.exe -fsSL http://localhost:8001/health | ConvertFrom-Json).status # ok
(curl.exe -fsSL http://localhost:8001/health | ConvertFrom-Json).supported_backends # demucs sherpa_spleeter
Conda 快速设置（可选）¶
如果你更喜欢使用 Conda，可以创建环境并安装 Demucs 服务依赖：
conda create --name demucs-karaoke python=3.10
conda activate demucs-karaoke
cd demucs-karaoke-app\demucs_svc
python -m pip install -r requirements.txt
使用上面的命令安装与你的 CUDA 或 CPU 配置匹配的 PyTorch 版本，然后继续完成 Hugging Face token、启动服务和健康检查步骤。