要把一個 mp3 做人聲與音樂分離。
同時，因為最近，claude 有點風聲鶴唳，令人擔心，所以試驗一下，用 claude 與 opencode 做個測試。
跟 claude 討論，他建議用 Demucs，安裝相關程式，然後給我 bat 檔，把要改的 mp3 拉到 bat 上，就開始執行。
其間當然有些小錯誤，程式庫補齊，修正 … 初次轉檔，任務有達成。
模型用 Opus 4.7，符合預期。
opencode : 連接我自己的 Qwen 3.6-35B-A3B-Q4-K-M , 用 llama.cpp ，5060 16g x 2。
開一個新專案，把 mp3 拉到工作目錄裡。
提示詞：
use Demucs（htdemucs_ft） to remove mp3 : 人聲,
use python.
i got rxt 3060-12g gpu, so need to use cuda.
然後他開使跑，跑著跑著…… 然後告訴我,
成功！人声已分离到 htdemucs_ft/02-Eng-LTLYL-Meditation/vocals.wav。
完成。输出文件：
htdemucs_ft/02-Eng-LTLYL-Meditation/vocals.wav — 提取的人声
等等 …. 我還沒叫你做啊 ?!
檢查看看：
挖靠，使用四細分，低音，鼓聲，其他，人聲，分好了!
趕緊聽一下：
可以，跟 claude 的版本差不多。任務有達成
再試一個：叫 opencode 加兩個參數：
-n htdemucs_ftfine-tuned 版，更慢但更準
–shifts 5多次推論平均，品質更高但慢 5 倍
開跑 ….
查一下：確實有用到 GPU：
完工!
叫他弄個視窗介面：
很快：
參數看不懂，截圖問他：
可以正確辨識：並且回答：
改成兩個平行工作：
Loading 還是很重：
算是完成了，叫他建立一個 readme , 操作手冊及參數說明：
build a README.md, 操作手冊，參數使用說明
把檔案放上來看看：品質不錯。
README.md
# MP3 人聲移除工具
基於 Demucs (htdemucs_ft) 的 Windows GUI 工具，使用 RTX 3060 12GB GPU 加速分離人聲。
—
## 安裝與啟動
### 環境設定（首次使用）
“`powershell
# 建立 Python 3.12 虛擬環境
py -3.12 -m venv .venv
# 安裝 CUDA 版 PyTorch
.venv\Scripts\pip.exe install torch torchaudio –index-url https://download.pytorch.org/whl/cu124
# 安裝 Demucs
.venv\Scripts\pip.exe install demucs soundfile
# 安裝 MP3 解碼支援
.venv\Scripts\pip.exe install lameenc
“`
### 啟動方式
**方式一：雙擊 GUI**
“`
gui.bat
“`
**方式二：命令列**
“`powershell
.venv\Scripts\python.exe gui.py
“`
—
## 操作說明
### 基本流程
- **選擇 MP3 檔案**
– 按「瀏覽」按鈕選取
– 或直接拖曳 MP3 檔案到視窗
- **選擇輸出資料夾**
– 預設會自動設為與 MP3 相同的資料夾
– 可按「瀏覽」更改
- **調整參數**（可選）
– 預設值適合大部分情況
– 參數說明見下方
- **執行**
– 按下「開始執行」
– 即時日誌會顯示處理進度
- **取得結果**
– 人聲檔案：`<輸出資料夾>/<模型名稱>/<原始檔名>/vocals.wav`
– 伴奏檔案：`<輸出資料夾>/<模型名稱>/<原始檔名>/other.wav`（或其他 stem 名稱）
### 執行日誌
執行時下方會顯示即時日誌：
– 進度條會顯示處理中
– 狀態列顯示目前狀態
– 可隨時按下「停止」中止
– 按下「清除日誌」清空記錄
—
## 參數說明
### 模型 (Model)
Demucs 的預訓練模型，品質與速度不同：
| 模型 | 說明 | VRAM 需求 |
|——|——|———–|
| **htdemucs_ft** (預設) | 最高品質，推薦使用 | ~6-8 GB |
| htdemucs | 標準 htdemucs | ~6 GB |
| demucs_extra | 較大版 demucs | ~8 GB |
| demucs_large | 大型 demucs | ~10 GB |
| demucs_transcribed | 含歌詞版本 | ~6 GB |
**建議**：RTX 3060 12GB 可使用 `htdemucs_ft`（預設）。
### Shifts
執行時的隨機偏移次數，影響分離品質與速度：
| 值 | 品質 | 速度 |
|—-|——|——|
| 1 | 基礎 | 最快 |
| 3 | 良好 | 快 |
| **5** (預設) | 優質 | 中等 |
| 10 | 最佳 | 最慢 |
**建議**：保持預設值 5。越高品質越好，但處理時間越長。
### Segment (分段大小)
控制每次處理的音訊長度（秒）：
| 值 | 說明 |
|—-|——|
| **-1** (預設) | 不分段，一次處理整首歌 |
| **-2** | 自動偵測最佳分段大小 |
| 10-30 | 自訂分段秒數 |
**用途**：當出現「記憶體不足」錯誤時，可設為 `10` 或 `15` 減少 VRAM 使用。
**建議**：
– VRAM 足夠 → 設為 `-1`（品質最佳）
– VRAM 不足 → 設為 `10`
### Overlap (重疊)
相鄰分段之間的重疊比例（0 ~ 1）：
| 值 | 說明 |
|—-|——|
| 0 | 無重疊（可能產生分段瑕疵） |
| **0.25** (預設) | 25% 重疊，品質與速度平衡 |
| 0.5 | 50% 重疊，更平滑但更慢 |
**建議**：保持預設值 0.25。
### 裝置 (Device)
計算裝置：
| 值 | 說明 |
|—-|——|
| **cuda** (預設) | 使用 NVIDIA GPU |
| cpu | 使用 CPU |
**建議**：有 GPU 時使用 cuda。無 GPU 時選 cpu（會慢很多）。
### 分離模式 (Two Stems)
只分離兩種音軌：
| 值 | 輸出 |
|—-|——|
| *(空)* (預設) | 全部分離：人聲、鼓、貝斯、其他 |
| **vocals** | 人聲 + 伴奏 |
| **instrumental** | 伴奏 + 人聲 |
**用途**：如果只需要人聲或伴奏，選此選項可減少輸出檔案。
### 輸出格式
音訊輸出格式：
| 值 | 說明 |
|—-|——|
| **wav** (預設) | 無損格式，檔案較大 |
| flac | 無損壓縮，檔案較小 |
| mp3 | 有損壓縮，檔案最小 |
### MP3 Bitrate
MP3 輸出品質（僅 MP3 格式）：
| 值 | 品質 |
|—-|——|
| 128 | 一般 |
| 192 | 良好 |
| **256** | 優良 |
| **320** (預設) | 最高 |
### Jobs
平行處理數目（僅影響載入速度，不影響分離速度）：
| 值 | 說明 |
|—-|——|
| 1 (預設) | 單一處理 |
| 2-4 | 加速載入 |
| 8+ | 需較多 CPU 核心與記憶體 |
**建議**：保持預設值 1。
—
## 輸出檔案位置
執行完成後，輸出檔案位於：
“`
<輸出資料夾>/
htdemucs_ft/
<原始檔名>/
vocals.wav ← 人聲
drums.wav ← 鼓（全部分離時）
bass.wav ← 貝斯（全部分離時）
other.wav ← 其他樂器（全部分離時）
“`
如果選擇「分離模式」為 vocals，則只會有：
“`
vocals.wav ← 人聲
instrumental.wav ← 伴奏
“`
—
## 指令列用法
也可使用命令列執行（適合批次處理）：
“`powershell
.venv\Scripts\python.exe remove_vocal.py 檔案.mp3
# 指定輸出目錄
.venv\Scripts\python.exe remove_vocal.py 檔案.mp3 -o D:\輸出
# 使用 run.bat（支援拖曳多個檔案）
.venv\Scripts\python.exe remove_vocal.py 檔案1.mp3 檔案2.mp3
“`
—
## 常見問題
**Q: 出現「記憶體不足」錯誤？**
A: 在 GUI 中將 Segment 改為 `10` 或 `15`。
**Q: 處理速度很慢？**
A: 降低 Shifts 值（例如改為 3），或選擇較小的模型。
**Q: 輸出檔案有雜訊或瑕疵？**
A: 增加 Shifts 值（例如改為 8 或 10）。
**Q: 可以批量處理多個檔案？**
A: 使用 `run.bat`，拖曳多個 MP3 到批次檔上即可。
**Q: 需要使用 Python 哪個版本？**
A: Python 3.12 或 3.13。Python 3.14 不支援 torchaudio。
—
## 系統需求
– **作業系統**：Windows 10/11
– **Python**：3.12 或 3.13
– **GPU**：NVIDIA RTX 3060 (12GB VRAM) 或更高
– **CPU**：多核心 CPU（建議 4 核以上）
– **磁碟空間**：至少 10 GB（模型約 2 GB）
– **RAM**：建議 16 GB 以上
—
## 技術細節
– **引擎**：Demucs 4.0.1
– **模型**：htdemucs_ft (Huawei Transformers Demucs, Fine-Tuned)
– **加速器**：CUDA (PyTorch 2.6 + cuDNN 12.4)
– **音訊後端**：soundfile (libsndfile)
在這個工作上，
claude 跟 opencode + qwen 3.6 ，都可以順利完成任務。
opencode + qwen 3.6 算是第一次叫他出任務，還沒摸清楚他的規則，但初次體驗，算是非常驚艷了!
最起碼，任務完成。
看來可以用 opencode 試試看了。