本工具基于 Mel-Band Roformer 模型开发，旨在提供极简的音、视频人声分离解决方案，用户无需复杂的学习成本，即可实现“开箱即用”。
✨ 核心功能
全格式支持：支持 mp3, wav, flac, m4a, ogg 等主流音频格式。
视频分离：新增视频处理功能，自动提取视频音轨进行分离，并重新合成为“纯人声视频”与“背景音视频”。
硬件加速：自动检测 NVIDIA GPU。支持 CUDA 加速（使用 h264_nvenc 编码），同时支持 CPU 兼容模式运行。
Gradio UI：提供直观的浏览器交互界面，支持实时处理进度显示与结果预览。
极简操作：一键式 .bat 脚本启动，无需命令行操作
。
🖥️ 系统需求
操作系统：Windows 10 / 11 (64位)。
显卡 (推荐)：NVIDIA GPU (建议 4GB 或以上显存) 以获得最佳处理速度。
处理器 (最低)：支持主流 Intel 或 AMD 处理器（CPU 模式处理速度较慢）。
存储：建议放置在 SSD 固态硬盘分区以提高文件读取速度。
🚀 使用方法
启动：双击根目录下的 一键启动工具.bat。
访问：程序启动后会自动在浏览器中打开控制页面（默认地址 http://127.0.0.1:5002）。
模式选择：
音频分离：上传音频文件，点击“开始转换”，完成后可直接在页面下载或播放。
视频分离：上传视频文件，程序会自动生成两个新视频，分别保留人声和背景音乐。
参数调节：Overlap 值范围为 1-8，数值越高分离质量越细腻，但处理时间会相应增长（推荐值为 4）。
⚠️ 注意事项
路径权限：请确保项目路径中不包含特殊字符或超长路径，以免引起 FFmpeg 合成失败。
性能占用：处理过程中 GPU 或 CPU 可能会达到满载状态，属于正常现象。
输出查看：如果界面预览未显示，请直接前往根目录 outputs 文件夹查看生成的文件。
🤝 致谢与开源说明
本项目离不开开源社区的无私奉献，特此致谢：
GitHub项目地址：https://github.com/KimberleyJensen/Mel-Band-Roformer-Vocal-Model
模型训练与提供：Kimberley Jensen (Mel-Band-Roformer-Vocal-Model)
算法原型：lucidrains (BS-RoFormer 架构实现)
训练框架：ZFTurbo (Music-Source-Separation-Training)
论文作者：Ju-Chiang Wang, Wei-Tsung Lu, Minz Won (ByteDance AI Labs)
技术支持：FFmpeg, Gradio, PyTorch, Librosa 开发者社区。
本项目仅供技术交流与学习使用，请勿用于侵犯版权的行为。
