Разделение аудио MelBandRoFormer

Загрузите аудиофайл и разделите его на вокальные и инструментальные дорожки с помощью модели MelBandRoFormer. Выводит два MP3-файла для изолированного вокала и фоновой музыки.

Input

A song or mix to split into vocals and instruments.

  • 0:00 / 0:00

Output
Example
00:00

Попробовать пример

Об этом рабочем процессе

Этот рабочий процесс ComfyUI выполняет качественную изоляцию вокала с помощью модели MelBandRoFormer. Он берёт один сведённый аудиотрек и разделяет его на два стема: вокал и инструментальное сопровождение. Пайплайн начинается с LoadAudio для загрузки исходного файла, затем MelBandRoFormerModelLoader загружает предобученные веса (MelBandRoformer_fp16.safetensors) из models/diffusion_models. Основное разделение выполняется в MelBandRoFormerSampler: он делает вывод и выдаёт два аудио-тензора — для вокала и для фоновой музыки — готовые к экспорту через парные ноды SaveAudioMP3.

Технически MelBandRoFormer использует transformer-архитектуру, работающую в разделённом по полосам времени–частотном представлении, чтобы оценивать компоненты источников. На практике это означает, что модель учится строить маски, подавляющие аккомпанемент при извлечении вокала и наоборот, что даёт более чистые стемы с меньшим количеством музыкальных артефактов. Встроенная MarkdownNote даёт подсказки прямо на холсте. Поскольку рабочий процесс построен на нодах, вы легко можете заменить SaveAudioMP3 на сохранение в WAV, менять имена выходных файлов или настраивать параметры Sampler вроде chunking/overlap (если они доступны в вашей версии ноды), чтобы балансировать скорость, расход памяти и качество разделения.

Вопросы и ответы