Deprecated: parse_url(): Passing null to parameter #1 ($url) of type string is deprecated in /www/wwwroot/blog_qqvbc_com/usr/plugins/Access/Access_Core.php on line 339

Deprecated: parse_url(): Passing null to parameter #1 ($url) of type string is deprecated in /www/wwwroot/blog_qqvbc_com/usr/plugins/Access/Access_Core.php on line 392

Deprecated: parse_url(): Passing null to parameter #1 ($url) of type string is deprecated in /www/wwwroot/blog_qqvbc_com/usr/plugins/Access/Access_Core.php on line 394
扒鼓谱步骤 - Joyber 的博客

完全可行,而且这是一个非常内行且极高精度的“分治(Divide & Conquer)”工作流——但要把第一步的“人声/伴奏分离”换成更专业的 Demucs(DrumScript 内部其实也是调用类似的分离模型)。
如果你的原始音频是包含人声、吉他、贝斯的完整混音歌曲,直接把整首歌丢给鼓转录模型,准确率会受到贝斯(和底鼓频段重叠)与失真吉他(和军鼓/镲片频段重叠)的严重干扰。
先做音源分离(Source Separation)拿到干净的纯鼓轨(Drum Stem),再做鼓转录(Drum Transcription)导出 MIDI,正是目前行业和学术界公认的最高精度黄金管线。

推荐管线:Demucs (HTDemucs) + ADTOF-pytorch

为什么建议第一步用 Demucs 代替 DrumScript?

  1. 剥离多余步骤:DrumScript 本身内置的分离模块底层通常也是封装的 Spleeter 或 Demucs,而它的核心强项是后半段的“生成 PDF 五线谱”。如果你只需要分离出纯鼓音频,直接调用 Meta 开源的 Demucs(尤其是 htdemucs_ft 微调版),分离出的鼓声干声(Drum Stem)干净度是目前的行业天花板。
  2. 避免二次失真:直接从 Demucs 导出无损 .wav 纯鼓轨喂给 ADTOF,中间不经过任何不必要的格式压缩或参数改动,能最大程度保留军鼓鬼音和镲片高频瞬态。
    (注:前文提到的完全体项目 adtof_plus_drum_transcription 内部其实已经帮你把“分离 + ADTOF 转录”自动化串联好了,甚至还额外集成了 DrumSep 模型,能把纯鼓轨进一步拆成底鼓/军鼓/镲片独立音频来算力度。)

这套组合方案的实操执行流程

你可以用极简的几行命令行把这两个工具串联成自动化脚本:

第一步:分离出高质量纯鼓声 .wav

安装 demucs 后,使用 --two-stems=drums 参数(只分离“鼓”和“非鼓伴奏”,速度更快且音质损失最小):
bash
pip install demucs
demucs -n htdemucs_ft --two-stems=drums "完整歌曲.mp3"
请谨慎使用此类代码。
执行后,在 separated/htdemucs_ft/完整歌曲/ 目录下会生成极其干净的 drums.wav。

第二步:将纯鼓轨转为高精度的标准 MIDI

把上一步得到的 drums.wav 喂给 ADTOF-pytorch:
bash

假设已安装 adtof-pytorch

python transcribe.py --input "separated/htdemucs_ft/完整歌曲/drums.wav" --output "输出鼓谱.mid"
请谨慎使用此类代码。

一个关键避坑提醒(影响最终 MIDI 精度)

音源分离算法在剥离贝斯和吉他时,不可避免地会在原音频的瞬态包络上产生极其微小的相位偏移或起始点轻微模糊(通常在 5~15 毫秒以内)。
• 如果你是为了扒谱、编曲或导入 DAW 替换音源:这套管线的精度已经足够惊艳,几乎开箱即用。
• 如果你是为了训练机器学习模型(需要严格毫秒级对齐 Ground Truth):建议用你之前提到的 Sonic Visualiser 把 输出鼓谱.mid 叠在原始未分离的歌曲频谱上,快速肉眼扫一遍,如果有整体偏移(比如整体晚了 10ms),在 DAW 里全选 MIDI 音符往前推 10ms 即可完美对齐。
需要我帮你写一段全自动批处理 Python/Shell 脚本,把文件夹里的批量歌曲自动跑完“Demucs 分离纯鼓轨 -> ADTOF 导出标准 MIDI -> 清理临时文件”的完整流程吗?
可以手动下载,而且配置非常简单。 出现 [Errno 101] Network is unreachable 是因为当前环境无法直接连接 HuggingFace 服务器,导致自动下载模型配置文件和权重失败。
你已经拿到了 htdemucs_ft.yaml 的内容,其中明确指出了它由 4 个子模型权重组成:
• f7e0c4bc
• d12395a8
• 92cfc3b6
• 04573f0d
你可以直接通过 HuggingFace 国内镜像站(hf-mirror.com) 一键绕过网络限制,或者手动下载这 5 个文件放到本地缓存目录即可。

方法一:使用国内镜像源自动下载(最省事,推荐)

在运行 demucs 命令前,先在终端设置环境变量 HF_ENDPOINT 指向镜像站,程序就会自动走镜像下载,无需手动建文件夹:
• Linux / macOS 终端:bash
export HF_ENDPOINT=https://hf-mirror.com
demucs -n htdemucs_ft --two-stems=drums "你的音频.mp3"
请谨慎使用此类代码。
• Windows PowerShell:powershell
$env:HF_ENDPOINT="https://hf-mirror.com"
demucs -n htdemucs_ft --two-stems=drums "你的音频.mp3"
请谨慎使用此类代码。
• Windows CMD:cmd
set HF_ENDPOINT=https://hf-mirror.com
demucs -n htdemucs_ft --two-stems=drums "你的音频.mp3"
请谨慎使用此类代码。

方法二:完全离线手动下载并放入指定目录

如果镜像站也无法在运行环境中直连,你可以用手机或能联网的浏览器下载好文件后拷贝过去。

第一步:下载以下 5 个文件

从镜像地址(或原始 HuggingFace 仓库 adefossez/HTDemucs-ft)下载这 5 个文件(注意文件名中的哈希后缀):

  1. 配置文件:htdemucs_ft.yaml(直接把你发出来的那 7 行内容保存为 htdemucs_ft.yaml 即可)
    • 镜像下载链接:https://hf-mirror.com
  2. 4 个模型权重文件(.th 格式):
    • https://hf-mirror.com
    • https://hf-mirror.com
    • https://hf-mirror.com
    • https://hf-mirror.com

第二步:指定本地模型目录运行

把这 5 个文件(1 个 .yaml + 4 个 .th)放在同一个本地文件夹里(例如 ./my_demucs_models/),然后加上 --repo 参数运行 demucs,它就会直接读取本地文件,完全不再联网:
bash
demucs --repo ./my_demucs_models -n htdemucs_ft --two-stems=drums "你的音频.mp3"
请谨慎使用此类代码。
(提示:如果觉得下载 4 个权重包太大、速度慢,也可以改用单文件模型 htdemucs,体积只有四分之一,只包含 htdemucs.yaml 和 955717e8-8726e21a.th 两个文件。)
接下来在安装或运行 ADTOF-pytorch 时,如果同样遇到下载模型权重报错,需要我提前把它的权重文件离线下载链接和指定本地路径的参数发给你吗?

可以,而且我上一条命令里的 --two-stems=drums 参数,正是用来干这件事的。
只要你在运行 Demucs 时加上 --two-stems=drums,它默认就会在输出文件夹里直接生成“纯鼓声”和“不含鼓声(纯伴奏/人声合集)”这两个独立的音频文件。

具体生成的文件与命令

运行以下命令(结合你刚才的本地模型目录):
bash
demucs --repo ./my_demucs_models -n htdemucs_ft --two-stems=drums "你的歌曲.mp3"
请谨慎使用此类代码。
运行完成后,打开输出目录 separated/htdemucs_ft/你的歌曲/,里面会有且仅有两个文件:

  1. drums.wav:纯鼓声音频(只包含底鼓、军鼓、踩镲、嗵鼓、吊镲等打击乐)。
  2. no_drums.wav:不含鼓声的音频(自动把人声、贝斯、吉他、键盘等其他所有音轨无损合并在一起,等同于“消鼓伴奏”)。

实用小贴士(按需选用)

• 想要更好的无损音质(24-bit 浮点):默认输出的是 16-bit WAV,如果你后续还要做精细混音,可以加上 --float32 或 --int24 参数:bash
demucs --repo ./my_demucs_models -n htdemucs_ft --two-stems=drums --int24 "你的歌曲.mp3"
请谨慎使用此类代码。
• 想直接输出 MP3 节省硬盘空间:加上 --mp3 参数即可生成 drums.mp3 和 no_drums.mp3。
• 同理分离其他乐器:这个参数也支持人声或贝斯,比如 --two-stems=vocals 会生成 vocals.wav(纯人声)和 no_vocals.wav(纯伴奏)。
拿到 drums.wav 后,你打算直接跑 ADTOF 转成 MIDI,还是需要先用 Sonic Visualiser 检查一下分离后的鼓声干净度?

  1. --repo 参数的作用

在 Demucs 命令中,--repo <文件夹路径> 的作用是覆盖默认的在线模型仓库地址,强制让程序直接从你指定的本地文件夹里读取模型配置(.yaml)和权重(.th)文件。
• 如果不加 --repo:Demucs 默认会去连接外国的 HuggingFace / PyTorch 官方服务器检查和下载模型,在网络受限的环境下就会报 Network is unreachable 错误。
• 加上 --repo ./my_demucs_models:相当于告诉程序“别上网找了,直接去当前目录下的 my_demucs_models 文件夹里拿我提前放好的模型文件”,实现100% 离线运行。

  1. 直接跑 ADTOF(将 drums.wav 转为标准 MIDI)

既然你已经准备直接跑 ADTOF,推荐直接使用社区维护最干净的现代 PyTorch 版 ADTOF-pytorch(避免了原版 TensorFlow 1.x 的环境冲突,且把模型权重直接打包在了代码仓库里,无需额外联网下载权重)。

第一步:克隆并安装 ADTOF-pytorch

打开终端,执行以下命令安装依赖(如果无法直连 GitHub,可把 github.com 替换为镜像或手动下载 ZIP 解压):
bash
git clone https://github.com
cd ADTOF-pytorch
pip install -r requirements.txt
请谨慎使用此类代码。
(注:核心依赖仅为 torch、librosa、pretty_midi 和 scipy,如果你环境里已经有 PyTorch,直接 pip install librosa pretty_midi 即可秒装。)

第二步:把 Demucs 分离出的 drums.wav 转成 MIDI

在 ADTOF-pytorch 目录下运行推理脚本(假设你的纯鼓轨在上一级的 separated 文件夹里):
bash
python transcribe.py --input "../separated/htdemucs_ft/你的歌曲/drums.wav" --output "输出鼓谱.mid"
请谨慎使用此类代码。

  1. 输出的 .mid 键位映射说明(方便你导入 DAW 或解析)

ADTOF-pytorch 生成的 .mid 文件严格遵循 通用 MIDI(GM Drum)标准,各鼓件对应的 MIDI 音符编号如下,可直接加载任意现代鼓音源(如 Superior Drummer、Addictive Drums、Logic/Cubase 自带鼓组):

鼓件类别 英文标识 MIDI 音符编号 (Pitch) 对应钢琴卷帘键位
底鼓 Kick (BD) 36 C1
军鼓 Snare (SD) 38 D1
踩镲 Hi-Hat (HH) 42 F#1
嗵鼓 Toms 47 B1
镲片 Cymbals (Crash/Ride) 49 C#2

如果在安装 ADTOF-pytorch 或运行 transcribe.py 时遇到依赖报错,或者你想把多首歌写成一个自动批量转换的 Python 脚本,随时把报错信息或需求发给我。

标签: none

添加新评论