说一件最近被打脸的事。
前两天一位朋友想处理掉一段音频中的人声，只留背景音乐，用于做教育方面的配音使用，她折腾半天不知道如何去掉背景声，于是问了我，虽然我不是专业的媒体人，但咱毕竟是技术人。
听起来也很简单，就随口答应了，“没问题，这个简单，把你的音频给我吧~”
心想曾经也用过FFmpeg处理过音视频的, 而且剪映的工具里应该也有的，感觉处理点这些音频还不简单。
看了下她给的是视频mp4格式，内容是一段比较正式的英语演讲视频，对应的音频有背景音乐和人声口语部分，而她的具体需求是要把背景音乐保留，把人声部分要识别出来保持静音，总音频时长不变，不能出现人声没了背景音乐也没有的情况。
按照她的需求，实现起来，就要把人声识别提取出来，把背景音也单独识别出来，这样把背景音合成回到视频里就可以了。
这里面最麻烦的事，如何识别人声并提取出来，分离人声出去，保留背景音乐。
想着现在AI时代而且工具也十分丰富，首先想到就是剪映，在音视频领域做的不错，应该是有该功能的。于是下载剪映，导入她给的视频，发现菜单里有人声分离这个功能，于是赶紧开始转换。
那边问好了没？我说马上转化完给你（此时，还比较自信中）
经过漫长的等待，处理完成，预览听起来还不错，准确把人声去掉了，导出时发现需要会员…..
不怎么常用剪映，发现需要先登录，再买个会员，才让导出....这，至少也是干这行相关的，有点打脸了。
首先，肯定不是钱问题，我也比较尊重知识付费。
但是这收割方式让我很不爽，要不就在开始转化时就告诉用户，这个功能需要开通会员。不要在漫长等待处理后，准备导出时候，告诉我需要登录、再开通个会员。做这个功能的剪映产品人真是一把收割能手，有点被恶心到了，这本来就是个不复杂的事情，因为开源机器学习库有很多能做到这个事情。
自己动手实现
自己准备实现一个，但肯定不会自己做个识别模型出来吧，基于之前对机器学习的有过研究，这个识别声音是完全可以做的。
先看Tensorflow，Google开发的开源机器学习库，看这个里面应该有可以被使用的demo，之前也有些TensorFlow Lite 用于在移动端上来识别人声音的，但是国内很多包装后，还需要你集成各种服务，太重，也是各种付费。（主打别人开源，我收费）
而我，只想提供一个音频文件，一个处理按钮，然后输出识别后对应的音频文件的这么一款软件。
最终，通过Tensorflow找到了基于python实现的人声识别Spleeter，它利用 TensorFlow 提供的深度学习框架进行模型训练和音频分离，项目地址：https://github.com/deezer/spleeter
在工程里有这么一段话：“Want to try it out but don't want to install anything ? We have set up a Google Colab”
还等什么，赶紧先帮她处理了，于是迅速执进去开始运行环境，并上传给的mp4文件，因为只识别人声即可，最后把识别出来的音频下载给到她。
脸面是偷偷找回来了，但有没有更好用的方法，让普通人也用起来的。
普通人怎么用 ？
那就开发一个？没错，把脸面找回来。
需要简单直接，适合普通人用的，只需输入一个音频，点击处理，把背景音和人声都分离出来，于是自己做了一个，如下图：
有点丑~ 先别管UI。
实现原理，通过python来开发桌面程序调用Spleeter来做人声识别，中间的依赖环境编译也比较费劲还算安装成功。
你可能会问为什么用python来做？因为可以调用Spleeter会方便一些，尽管也可以用swift、flutter、RN、 Rust来做桌面应用，但这几个难度大，需要python来桥接。
任何技术都要全局来看，选择合适的技术，用什么编程语言都无所谓，都要会，靠谱提效就好。
先听下效果吧：用一首王杰的歌曲《一场游戏一场梦》来展示下效果。
原声音乐：
（没办法，csdn写文章暂不支持音频上传，只有视频，转了个mp4来上传，一直在审核中）
放弃演示了~
就是能完美把人声识别出来，可以分离出来伴奏音和人声单独的2个文件，自行脑补下吧。
还没完，想更简单，直接下载的？
有没有直接下载的，不用我去发布，以及后边适配各平台win和mac用户，最好直接下载、免费就能本地使用的工具。
就是文章标题里写到了，你直接下载直接用就行，效果我也试过了，比我做的也还要好，UI也美观一些。
普通人直接下载编译好的软件即可，技术人也可以学习下地址给出下：
https://github.com/Anjok07/ultimatevocalremovergui
普通人直接到该页面下载使用：
https://github.com/Anjok07/ultimatevocalremovergui/releases
使用效果我也验证了：
至此，总算把这个技术人的脸面给找回来了~
对于我们技术人来说，大家知道技术原理时，就要坚定自己的想法勇于尝试，动手起来多练！并通过我们的技术服务更多普通人。
也把此文章，作为1024程序员节向技术同志们致敬！
标签：背景音乐,打脸,人声,音频,识别,剪映,下载 From： https://blog.csdn.net/LiangGang365/article/details/143226291