今日软荐：MSST WebUI：一个集成了音源分离训练框架和 UVR（终极人声消除器）的强大 Web 界面。

点击上方“蓝色字体”关注我，每天推送“实用有趣的项目”！

音乐爱好者和音频处理专业人士的福音来了！

今天分享一款开源的音频分离WebUI工具：MSST。

MSST（音源分离训练推理 WebUI ） 是一个集成了音源分离训练框架和 UVR（终极人声消除器）的强大 Web 界面。

无论是分离人声、伴奏，还是其他音频元素，这个工具都能轻松实现，真正做到高效且灵活的音乐源分离。

主要特点

• 直观的 Web 界面：无需复杂的命令行操作，通过 WebUI 完成模型的安装、配置和分离处理，简单易用。
• 集成 UVR：强大的终极人声消除功能，精准分离人声与伴奏，适配各种音源处理需求。
• 灵活的自定义处理流程：支持用户根据需要配置和优化音源分离流程，满足个性化需求。
• 快速安装和使用模型：一键安装和加载预训练模型，无需额外下载步骤，开箱即用。
• 训练与推理框架整合：提供音源分离的训练与推理功能，用户可自行训练模型以获得更佳分离效果。

技术亮点

• UVR 引擎优化：通过最新的模型和算法，确保分离结果具有良好的音质与高保真度。
• 多种分离模型支持：可加载多种预训练模型，适配不同类型的音源分离需求。
• 高效的训练和推理：提供完善的训练框架，用户可通过自定义数据集进行音源分离模型训练。
• 便捷的批量处理功能：支持批量音频文件处理，大幅提升工作效率。

使用指南

Windows系统 可直接安装一键安装包，前往项目Release页面下载（也可下滑至文末获取）

MacOS系统需用代码部署

①克隆项目代码：

git clone https://github.com/SUC-DriverOld/MSST-WebUI.git
cd MSST-WebUI

②创建Python虚拟环境并安装依赖

conda create -n msst python=3.10 -y
conda activate msst
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121
pip install -r requirements.txt --only-binary=samplerate

pip uninstall librosa -y
pip install tools/webUI_for_clouds/librosa-0.9.2-py3-none-any.whl

③启动 Web 界面：

python webUI.py

支持以下选项参数：

–server_name 自定义IP地址，默认：0.0.0.0

–server_port 自定义IP端口，默认: 7860

–share 开启分享链接，默认：关闭

–debug 开启Debug模式，默认：关闭

④打开浏览器访问 WebUI（默认地址）：http://127.0.0.1:7860

写在最后

MSST 将复杂的音源分离技术通过 Web 界面简化成了一种易于操作的体验，无论是音频爱好者还是专业工作者，都能轻松使用其强大功能。

你可以直接使用现成的模型，或者训练自己的定制模型，满足各种音频处理需求。

GitHub：https://github.com/SUC-DriverOld/MSST-WebUI

TIPS：如有下载问题，可复制关键词 “msst” 发送到公众号，获取工具相关安装包。

往期推荐 ⬇️ 『今日软荐』专题

今日软荐：抠图工具再添一员猛将！批量去背景从未如此简单

今日软荐：3.4K Star！一个集成了Claude 3.5 Sonnet的 VSCode AI编程工具：Claude Dev

今日软荐：GitHub 上 IPTV 电视直播源更新神器：TV 频道管理工具

今日软荐：可平替Snipaste的强大截图工具！长截图/gif动态截图/文字识别，简单但不简单！

PS：动动小手指，点点“在看”吧!

（文：开源星探）