Spaces:
Sleeping
Sleeping
🎵 音源分離 & L/Rパンニング アプリ セットアップガイド
概要
このアプリは音楽/動画ファイルから AI（Demucs）を使って 主旋律（メインボーカル） と ハモリ（コーラス） を分離し、左右のイヤホンで聴き分けられるステレオ WAV を出力します。
左チャンネル (L) ───── 主旋律 (メインボーカル)
右チャンネル (R) ───── ハモリ / コーラス
センター (L+R) ──────── 伴奏（音量縮小）
① ffmpeg のインストール（OS別）
ffmpeg はシステムにインストールされている必要があります。
Windows
# winget を使う方法（推奨）
winget install Gyan.FFmpeg
# または Chocolatey を使う方法
choco install ffmpeg
# インストール確認
ffmpeg -version
手動インストールの場合:
- https://ffmpeg.org/download.html → Windows →
ffmpeg-release-full.7zをダウンロード- 解凍して
C:\ffmpeg\binを システムの環境変数PATHに追加
macOS
# Homebrew を使う方法（推奨）
brew install ffmpeg
# インストール確認
ffmpeg -version
Linux (Ubuntu / Debian)
sudo apt update && sudo apt install -y ffmpeg
# インストール確認
ffmpeg -version
② Python 仮想環境のセットアップ
# プロジェクトディレクトリへ移動
cd c:\musicbot # Windows
# cd /path/to/musicbot # macOS / Linux
# 仮想環境を作成 (Python 3.10 以上推奨)
python -m venv venv
# 仮想環境を有効化
# Windows
venv\Scripts\activate
# macOS / Linux
source venv/bin/activate
③ 依存ライブラリのインストール
CPU 環境（GPU なし）の場合
pip install --upgrade pip
# PyTorch CPU 版を先にインストール（重要: GPU版と混在しないよう）
pip install torch torchaudio --index-url https://download.pytorch.org/whl/cpu
# その他ライブラリをインストール
pip install -r requirements.txt
GPU 環境（NVIDIA CUDA）の場合（オプション・高速化）
pip install --upgrade pip
# CUDA 12.1 対応の場合（自分の CUDA バージョンに合わせて変更）
pip install torch torchaudio --index-url https://download.pytorch.org/whl/cu121
# その他ライブラリをインストール
pip install -r requirements.txt
GPU があると Demucs の処理が 数倍〜10倍 速くなります。
④ アプリの実行
基本的な使い方
# 音声ファイル (mp3/wav) を処理
python app.py input.mp3
# 動画ファイル (mp4/mov) を処理（音声が自動抽出されます）
python app.py input.mp4
# 出力ファイル名を指定
python app.py input.mp3 --output my_output.wav
# 伴奏をミュートしたい場合
python app.py input.mp3 --inst-vol 0.0
# 伴奏を少し大きくしたい場合
python app.py input.mp3 --inst-vol 0.3
# モデルを指定する場合（デフォルトは htdemucs_6s）
python app.py input.mp3 --model htdemucs
コマンドライン引数一覧
| 引数 | 説明 | デフォルト |
|---|---|---|
input |
入力ファイルパス（必須） | — |
--output |
出力 WAV ファイル名 | output_panned.wav |
--inst-vol |
伴奏音量（0.0〜1.0） | 0.15 |
--model |
Demucs モデル名 | htdemucs_6s |
使用可能なモデル
| モデル名 | ステム数 | 特徴 |
|---|---|---|
htdemucs_6s |
6 (vocals/drums/bass/guitar/piano/other) | 推奨。vocals と other(コーラス)を独立分離 |
htdemucs |
4 (vocals/drums/bass/other) | 軽量版。ハモリはLR差分で推定 |
mdx_extra |
4 | MDX アーキテクチャ。ボーカル品質重視 |
⑤ 初回実行について
初回実行時は Demucs のモデルファイルが自動ダウンロード されます（数百MB）。
キャッシュは ~/.cache/torch/hub/ に保存されるため、次回以降は高速です。
⑥ トラブルシューティング
ffmpeg not found エラーが出る
→ ①の手順で ffmpeg をインストールし、ffmpeg -version が動くことを確認してください。
torch のインポートエラー
→ 仮想環境が有効化されているか確認 (venv\Scripts\activate)。
→ pip install torch torchaudio --index-url https://download.pytorch.org/whl/cpu を再実行。
メモリ不足 (OOM) エラー
# CPU モードを明示的に指定
python app.py input.mp3 --model htdemucs
CPU の場合 htdemucs は約 4〜8GB RAM を使用します。
処理が遅い
Demucs は計算量が多く、CPU 環境では数分かかります。 GPU (CUDA) 環境では大幅に高速化されます。
⑦ 出力ファイルの確認
処理完了後、output_panned.wav が生成されます。
ステレオ対応のヘッドフォン/イヤホンで再生すると：
- 左耳 → 主旋律（メインボーカル）が聴こえる
- 右耳 → ハモリ / コーラスが聴こえる
元の音源にハモリ録音がない場合や、モノラル録音の場合は
LR の差が小さくなることがあります。