AudioSep是一种 AI 模型，可以使用自然语言查询进行声音分离。这一创新性的模型由Audio-AGI开发，使用户能够通过简单的语言描述来分离各种声音源。

比如在嘈杂的人流车流中说话的录音中，可以分别提取干净的人声说话声音和嘈杂的人流车流噪声。可以根据需求分离，保留人声或者噪声。甚至可以单独提取声音中的笑声。除此之外，还能提取伴奏声音里指定的乐器声音，比如一段钢琴和吉他合奏曲目，需要单独分离钢琴曲，就可以用这个项目来实现。
但缺点是目前不支持歌曲的人声和伴奏分离，如果有类似需求，可以尝试用 UVR5 来分离，这个工具恰好弥补了UVR5的不足，两者相辅相成，AI语音项目里的两个神器。
做AI语音训练的人都知道，一段干净的纯人声是多么的重要，一个声音模型的好坏，就取决于人声素材的纯净与否，这个工具的出现，大大解决了分离声音素材噪声的问题，相信在这个工具的加持下，训练的声音模型会有本质的提升。


除了使用现有模型分离，还支持自己训练指定的音频数据集模型来实现特殊的音频分离场景。

项目地址: https://github.com/Audio-AGI/AudioSep

本地一键整合包：AudioSep：从音频中分离出特定声音（人声、笑声、噪音、乐器等）本地一键整合包下载

使用说明：

双击启动一键整合包，点击一键启动，等待自动跳转到WebUI界面

点击上传需要分离的音频素材，如下图

输入要保留的音频元素，比如从噪声中分离说话的声音，就输入 speech，英文不好的可以借助翻译工具


最后点提取，等待完成即可。

成功后，输出区域会显示提取后的音频，可以点击试听，并根据需要下载到本地。如下图