Audio Separator

AI 驱动的音频人声/伴奏分离工具

支持 MP3 / FLAC / OGG 输入 · 内置图形界面 · 模型内嵌 · Windows DirectML GPU 加速 · 双击即用

---

界面预览

macOS	Windows

特性

图形界面	内置 GUI，支持中英文切换、拖放文件、原生文件选择器
CLI 模式	完整的命令行界面，适合脚本和自动化场景
模型内嵌	ONNX 模型编译进二进制文件，无需联网下载
双击即用	macOS .app 包 / Windows .exe，双击启动，无需任何依赖
GPU 加速	Windows DirectML 加速（NVIDIA/AMD/Intel GPU），自动回退 CPU
高质量分离	基于 MDX-Net (Kim_Vocal_1) 深度学习模型，分离效果优秀
多格式支持	输入 MP3 / FLAC / OGG，输出 WAV（保留原始采样率）

支持的格式

输入格式	输出格式	说明
.mp3	.wav	MP3 解码后分离
.flac	.wav	FLAC 无损解码后分离，自动重采样
.ogg	.wav	OGG/Vorbis 解码后分离

输出为两个 WAV 文件：*_vocals.wav（人声）和 *_accompaniment.wav（伴奏）。

安装

从 Release 下载（推荐）

前往 Releases 下载对应平台的构建产物：

• macOS：下载 audio-separator-macos-arm64-app.tar.gz（Apple Silicon）或 audio-separator-macos-x86_64-app.tar.gz（Intel），解压后双击 Audio Separator.app 即可使用
• Windows：下载 audio-separator-windows-x86_64.zip，解压后运行 audio-separator.exe

从源码编译

前置要求：

• Rust 1.70+（推荐使用 rustup 安装）
• macOS: brew install onnxruntime
• Kim_Vocal_1.onnx 模型文件（放在项目根目录，编译时自动嵌入）

git clone https://github.com/ownlight6/audio-separator.git
cd audio-separator

# 下载模型（编译时自动嵌入二进制文件）
curl -LO https://github.com/TRvlvr/model_repo/releases/download/all_public_uvr_models/Kim_Vocal_1.onnx

# 编译（默认包含 GUI、Windows 上自动启用 DirectML GPU 加速）
cargo build --release

# 生成 macOS .app 包
./scripts/create-app-bundle.sh

Windows 用户注意：如需 GPU 加速，需将 DirectML 版 onnxruntime.dll 放在项目根目录再编译。可从 NuGet 下载：runtimes/win-x64/native/onnxruntime.dll。编译时将自动嵌入二进制文件，首次运行自动提取。

如果项目目录中没有 Kim_Vocal_1.onnx，编译产物将在首次运行时自动下载模型。

仅编译 CLI（无 GUI）

cargo build --release --no-default-features

使用

图形界面

# 直接运行（无参数）自动启动图形界面
audio-separator

# 或显式指定
audio-separator --gui

• 文件选择 — 点击"浏览"按钮选择文件，或直接拖放文件到窗口
• 输出目录 — 默认与输入文件同目录，可自定义
• 中英文切换 — 右上角语言按钮
• 进度显示 — 实时显示当前阶段和进度条

命令行

# 基本用法
audio-separator /path/to/song.mp3

# 指定输出目录
audio-separator /path/to/song.flac -o /path/to/output/

# 使用自定义模型
audio-separator --model /path/to/custom.onnx /path/to/song.ogg

完整参数

audio-separator [OPTIONS] [INPUT]

Arguments:
  [INPUT]   输入音频文件（MP3、FLAC、OGG）

Options:
  -o, --output <DIR>     输出目录（默认同输入文件目录）
      --model <PATH>     ONNX 模型文件路径（默认使用内嵌模型）
      --gui              启动图形界面
  -h, --help             显示帮助
  -V, --version          显示版本

技术细节

分离管线

输入文件 (MP3/FLAC/OGG)
    ↓
[symphonia] 解码为 PCM 采样
    ↓
[rubato] 重采样至 44100 Hz（如需要）
    ↓
[realfft] STFT 短时傅里叶变换（n_fft=6144, hop=1024）
    ↓
[ort] MDX-Net ONNX 模型推理（分块处理 + 重叠融合）
    ↓
[realfft] ISTFT 逆变换，重建人声波形
    ↓
伴奏 = 原始信号 - 人声
    ↓
[rubato] 重采样回原始采样率（如需要）
    ↓
[hound] 输出 WAV 文件

使用的模型

• Kim_Vocal_1 (MDX-Net) — 专为人声/伴奏分离优化的深度学习模型
• 输入维度：[batch, 4, 3072, 256]（立体声复数 STFT：实部+虚部 × 2通道）
• 来源：UVR Model Repo

依赖说明

库	用途
symphonia	纯 Rust 音频解码（MP3/FLAC/OGG）
hound	WAV 文件写入
ort	ONNX Runtime Rust 绑定（ML 推理），Windows 启用 DirectML
realfft	实数 FFT（STFT/ISTFT）
rubato	高质量音频重采样
egui / eframe	跨平台 GUI 框架
rfd	原生文件选择对话框

项目结构

src/
├── main.rs          — CLI/GUI 双模式入口，自动定位 ONNX Runtime
├── lib.rs           — 库导出：separate_file() 完整分离管线
├── gui.rs           — egui 图形界面（中英文双语）
├── audio_io.rs      — 音频解码/编码/重采样
├── separator.rs     — STFT + MDX-Net ONNX 推理 + ISTFT（含 DirectML GPU 加速）
└── model_manager.rs — 模型内嵌/下载/缓存管理
build.rs             — 检测模型与 onnxruntime.dll，条件编译嵌入
macos/
└── Info.plist       — macOS .app 包配置
scripts/
└── create-app-bundle.sh — macOS .app 打包脚本
imgs/
├── mac.png          — macOS GUI 界面截图
└── win.png          — Windows GUI 界面截图

许可证

本项目基于 GNU General Public License v3.0 许可证开源。