KamVox voice separator
разделение вокала и фона прямо в браузере
1 min read
Набор моделей разделения вокала и фона из Ultimate Vocal Remover (MDX-Net), упакованный для KamVox Studio и запуска в браузере через onnxruntime-web (WebAssembly или WebGPU). Веса не переобучались — используются оригинальные.
Ключевые особенности
- Две модели:
kim-vocal-2предсказывает вокал,inst-hq-3— фон. - Есть обычные ONNX-файлы по 66.8 MB и fp16-копии по 33.4 MB для меньшей загрузки.
- Свободная ось времени: вход и выход
[batch, 4, 3072, frames],framesдолжно быть кратно 32; при 256 фреймах выход совпадает с оригиналом. - Работает в браузере через
onnxruntime-web, без переобучения и без отдельного сервера. - Второй стем получается как микс минус предсказание модели.
Пример
Сценарий: в KamVox Studio загружаете стерео-трек, выбираете kim-vocal-2 для вокала или inst-hq-3 для фона. KamVox делает STFT, чанкинг и overlap-add на Rust, а модель получает float32-тензор [batch, 4, 3072, frames].
Подробнее
Файлы: 66.8 MB, fp16 — 33.4 MB; вход/выход float32[batch, 4, 3072, frames], frames кратно 32.Параметры: n_fft 7680 / 6144, hop 1024, dim_f 3072; обучение на 256-фреймовых чанках 44.1 кГц stereo.
Ограничение: веса не переобучались, менялись только заявленные формы; при 256 фреймах выход совпадает с оригиналом.
Лицензия Ultimate Vocal Remover — MIT; авторы: Kimberley Jensen, Anjok07 и aufr33.










Comments