К содержимому
Другое

BS-RoFormer 4-stem Core ML

четыре стема музыки локально на Mac

2 мин чтенияобновлено

Модель разделяет музыкальный трек на четыре дорожки: drums, bass, other и vocals. Это Core ML-конвертация BS-RoFormer с весами ZFTurbo: на вход идёт стерео STFT 8-секундными окнами, на выходе — маскированные спектры для каждого стема. STFT и iSTFT остаются вне модели, поэтому пайплайн сам готовит спектр и собирает аудио с overlap-add. Пригодится, если нужно локально на macOS делать караоке, ремиксы или разбирать библиотеку на стемы без облака.

Ключевые особенности

  • Четыре стема: drums, bass, other, vocals.
  • Вход — float32 [1, 2, 1025, 801], выход — [1, 4, 2, 1025, 801].
  • Одно 8-секундное окно ~0,57 с на Apple M6; 3-минутный трек — меньше 40 с.
  • MIT; веса из релиза ZFTurbo v1.0.12, конвертация сверена с независимым ONNX-экспортом.
  • Core ML ML Program, fp16, macOS 14+.

Что можно сделать

  • Сделать караоке-плеер для macOS: отделять vocals и подавать минус.
  • Собрать локальный пайплайн для ремиксов: разложить трек и обрабатывать drums/bass отдельно.
  • Пакетно разбирать архив музыки на стемы с перекрытием окон.
  • Встроить в настольное приложение на Mac без отправки аудио в облако.

Пример

Пример сценария: берёте 8-секундные окна стерео при 44,1 кГц, считаете STFT (n_fft 2048, hop 441, Hann), подаёте spec_real и spec_imag в модель, получаете четыре пары спектров и собираете дорожки через iSTFT и overlap-add.

ПодробнееСкорость: ~0,57 с на 8-секундное окно при MLComputeUnitsCPUAndGPU на Apple M6; 3-минутный трек — меньше 40 с.
Вход/выход: float32 [1, 2, 1025, 801] и [1, 4, 2, 1025, 801]; STFT/iSTFT снаружи.
Лицензия MIT; веса ZFTurbo, обучение, вероятно, включало MUSDB18-HQ с исследовательскими условиями — проверяйте под свой сценарий.
Компиляция под Neural Engine заняла больше получаса и не использовалась.
Обсудить Telegram 0 12

Запустится ли?

Считаем требования к памяти

Бот ещё собирает размеры весов этой модели — оценка появится здесь через несколько минут. Пока можно арендовать видеокарту с запасом.

Massed ComputeОткрыть Massed Compute

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # gaschka/bs-roformer-4stem-coreml
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download gaschka/bs-roformer-4stem-coreml --local-dir ~/models/bs-roformer-4stem-coreml
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к bs-roformer-4stem-coreml
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Новые посты про версии bs-roformer-4stem-coreml — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

gaschka/bs-roformer-4stem-coreml
Автор
gaschka
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

120

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии