1.7 Preview.1

测试版不提供安装程序，需自行拉源码部署。

仍在开发中的内容

• 1.7版本MSST正在开发，目前已无明显代码错误，但仍然存在部分BUG，暂未对外发布。需要体验新版的可以前往项目仓库，切换代码至develop分支，手动克隆源码体验
• develop分支目前仍然还未完善的有：云端使用的webui.py的重写，少量bug的测试和修复。如果使用过程中遇到bug，是正常现象，还在测试和修复中。
• 正在开发的内容：由@阿狸不吃隼舞 制作的ComfyMSS正在开发中。ComfyMSS项目代码：https://github.com/KitsuneX07/ComfyMSS（同样的，目前已无明显代码错误，但仍然存在部分BUG，暂未对外发布）可以手动克隆源码体验

目前已完成的更新

• 拆分webUI.py至webUI文件夹，细分函数和UI代码
• 增加全局logger，实时保存日志文件（保存的级别为DEBUG）至log文件夹（以“日期.log”格式存储，默认上限为50个日志文件，超过会自动删除）
• models文件夹已重命名为modules，并重新整理项目文件夹（新增inference和，train，utils等文件夹）
• 将WebUI入口文件封装成.pyd以防止某些非法修改
• 将MSST推理和VR推理使用面向对象的方法改写，并且现在推理支持自定义选择需要导出什么音轨（可多选）
• 所有导出的MP3格式音频文件的采样率默认修改为最高（320kbps）
• 开始分离按钮从两个修改为一个，会跟随你选择是“输入音频”还是“输入文件夹”自动变化，如下图
• 去除vr推理的normalization选项，并且修改输出的wav格式质量为44.1khz，32bit
• 预设流程大更改：
  • 预设将单独保存至data/presets文件夹下，一个预设一个json。备份的预设保存至data/presets_backup
  • 制作预设流程变化至如下：支持选择那个音轨作为下一模型的输入，以及哪些音轨直接保存至输出目录
  • 如果看不懂上面的预设流程，我这有一个较为容易理解的示意图
  • 新增“撤销上一步选项”
  • 管理预设中删除手动触发备份的选项，但每次删除预设时，都会自动进行备份删除的预设
  • 修复了批量音频输入处理时，会出现尝试删除TEMP_PATH的BUG（其实不影响使用）
  • 修复安装完成软件后，直接使用预设流程（从未使用过msst分离而直接使用预设流程）时，无法正确使用gpu_id的bug
• 小工具"音频格式转换"新增更多输出格式选项
• Ensenble模式中，修复了音频文件名称带有空格导致输出时报错的BUG
• MSST训练页面新增"选择输出的评估指标"（多选）和"选择调度器使用的评估指标"（单选）可选参数如下
• 验证页面也新增了“选择输出的评估指标”（多选），选项和上面相同
• 重新排版训练页面的UI和验证页面的UI
• 去除vr推理界面的“debug模式”，在设置中新增全局调试模式: 向开发者反馈问题时请开启。(该选项支持热切换)
• 设置页面新增“选择webUI主题”，目前有三种主题（蓝色，粉色，蓝色且带有Miku图片）。主题文件存放在tools/themes文件夹内，可以自制json格式的主题进行加载哦！
• 启动器新增取消快速编辑的模式以防止不必要的影响。由此带来的影响是每次启动都会强制管理员运行（弹一个管理员运行确认窗口）。如果不想管理员启动，或者说启动exe被杀毒软件删了，1.7版本起，我们在软件根目录提供了一个go-webui.bat，其实现的功能和启动exe一模一样，可以直接用这个bat启动
• 由于WebUI入口文件已封装成.pyd，故去除了启动exe程序的VMProtect保护，现在启动速度更快了
• API相关：详情可见https://github.com/SUC-DriverOld/MSST-WebUI/blob/develop/docs/inference.md。重写msst_cli和vr_cli，如果需要使用，可以在inference文件夹内找到，具体的使用介绍和方法请阅读docs\inference.md文档。输出目录可以是str或dict。输入可以是音频或Numpy数组。
• 修改webui_config.json中的部分保存值。现在整个webui中的输入/输出文件夹将共用同一个值。意思是，当你在某处选择好输出文件夹后，第二次启动时，所有的输出文件夹都会默认更改为你上一次的输出文件夹
• 修改webui_config.json中的部分保存值的类型
• 优化项目Github页面的README说明
• 修改MSST WebUI的icon
• 修复了仅读取.ckpt, .pt文件来判断模型，会导致如果错误的将模型放置到类别文件夹中（例如single_stem_models放到了vocal_models文件夹里）会导致虽然可以读取，但是无法加载使用模型的bug
• 其他一些更新
  

Release 1.6.2

更新

• 新增对apollo和bs_mamba2模型的支持
• 新增mp3音质修复模型Apollo_LQ_MP3_restoration.ckpt
• 新增两个气声分离模型aspiration_mel_band_roformer_(less_aggr)_sdr_18.1201.ckpt
• MSST分离新增“仅输出次级音轨”功能
• 非加速训练train.py现在也能使用“训练前验证”功能

优化

• 优化次级输出选项，当模型配置文件中的target_instrument为null时，默认输出所有音轨，此时“同时输出次级音轨”将更改为“此模型默认输出所有音轨”且无法进行修改。
• 优化预设流程中MSST模型输出音轨显示。从原先的“primary_only”更改为此模型对应的target_instrument。若此模型的target_instrument为null，则显示“All stems”即输出所有音轨，此时保留次级输出选项无效。
• 优化WebUI中GPU选择方式。从原先的手动填入GPU ID更改为复选框选择GPU。
• 优化WebUI中音频输出格式选择。从原先的下拉选择更改为单选框。
• 将处理输出信息更改为“处理完成，耗时x.xx”。注意：处理完成不一定代表处理成功，有可能中途报错。
• 第一次使用swin_upernet, segm_models类型的模型时，需要从huggingface上下载pretrain模型，下载链接会根据所处地区进行修改。且下载的模型文件存放在pretrain/hub而非C盘。

修复

• 修复了当预设流程的预设只使用了一个模型时，无法准确将结果输出到输出文件夹的问题。
• 修复了预设流程上传音频运行时，错误的将临时目录保存为输入文件夹路径的问题。
• 修复将gradio cache设置到程序根目录后会导致ensemble模式无法使用的问题。
• 修复使用swin_upernet模型时出现的报错，详见 (#24)。

下载整合包

• 123盘：https://www.123pan.cn/s/1bmETd-AefWh.html 提取码：1145
• 百度网盘：https://pan.baidu.com/s/1uzYHSpMJ1nZVjRpIXIFF_Q 提取码：1145

Release 1.6.1

更新

• 支持多条音频同时上传进行分离，而非以文件夹形式上传。
• Gradio缓存路径从原本的%TEMP%修改至程序目录cache文件夹内。
• 设置页面增加自动清理缓存: 开启后, 每次启动WebUI时会自动清理缓存。

修复

• 修复“设置-重置设置/路径记录”无法正确执行的问题 (#20)

Release 1.6.0

更新

• 新增emoji语言
• 新增多轨分离模型model_scnet_sdr_9.3244.ckpt，去混响模型dereverb_mdx23c_sdr_6.9096.ckpt
• 新增和声&混响分离模型dereverb_mel_band_roformer_anvuew_sdr_19.1729.ckpt和dereverb_mel_band_roformer_less_aggressive_anvuew_sdr_18.8050.ckpt
• 新增VR去混响模型UVR-DeReverb-aufr33-jarredou_4band_v4_ms_fullband.pth
• 新增云端专属webUI（目前仅适用于Linux），此webUI默认所有模型可用，推理时缺什么模型，会先自动下载，然后推理。模型默认下载地址是huggingface.co（需要学术加速）。
• webUI设置增加“对本地局域网开放”的选项。局域网中的设备可通过“本机ip:端口”来访问webUI。
• 支持添加非官方MSST模型和UVR模型，且非官方模型可以参与预设流程
• msst分离和预设流程支持选择音频输出格式
• 支持用户自定义模型名称
• 更新至原仓库8月28日的commits

优化

• 细分MSST模型类型和预设流程模型类型，方便在模型数量较多时，筛选出想要使用的模型
• 优化webui_config.json的备份和恢复逻辑。
• 简化vr_inference代码，仅保留关键代码，去除复杂的判断过程 (#17, #18)
• 优化增量更新判断逻辑
• 删除无用依赖项
• 整理了配置文件文件夹和第三方配置文件文件夹
• 大大加快了SDR的计算时间

修复

• 模型model_vocals_mel_band_roformer_kj_sdr_10.98.ckpt重命名为Kim_MelBandRoformer.ckpt (#19)
• 修复云端修改模型下载链接后不生效的错误

下载整合包

• 123盘：https://www.123pan.cn/s/1bmETd-AefWh.html? 提取码：1145
• 百度网盘：https://pan.baidu.com/s/1uzYHSpMJ1nZVjRpIXIFF_Q 提取码：1145

Release 1.5

更新

• 支持自定义Grdaio启动端口，自定义选择是否开放对外链接 (#13)
• MacOS支持，MSST推理支持选择MPS为加速设备。需手动拉源码部署 (#14)
• 增加“强制停止”按钮，支持在推理/训练过程中，强制停止进程
• i18n支持，目前支持简体中文，繁体中文，英语，日语 (#15)
• 支持选择huggingface或huggingface镜像站作为模型下载地址
• 新增train_accelerate.py代码，对于多显卡用户，能加快训练速度
• vocal_model新增两个模型：model_mel_band_roformer_karaoke_aufr33_viperx_sdr_10.1956.ckpt和model_vocals_mel_band_roformer_kj_sdr_10.98.ckpt，前一个是去和声模型
• 小工具中添加“歌声转MIDI”功能，使用项目SOME，需自行下载权重文件后才可使用（1.4.3版本）
• 设置页面添加系统信息显示，可显示GPU及序号，以及系统版本（1.4.3版本）
• 预设流程中增加单个音频输入（1.4.3版本）
• 添加最新去混响模型deverb_bs_roformer_8_384dim_10depth.ckpt（1.4.2版本）
• MSST分离中，添加子进度条，现在单个音频文件分离也有进度条了（1.4.2版本）
• 设置页面新增检查更新（1.4.2版本）
• 添加最新降噪模型denoise_mel_band_roformer_aufr33_sdr_27.9959.ckpt和denoise_mel_band_roformer_aufr33_aggr_sdr_27.9768.ckpt（1.4.1版本）
• 新增bandit_v2模型支持（1.4.1版本）
• 新增Valid的WebUI页面，在训练MSST的子页面（1.4.1版本）

优化

• 若检测不到ffmpeg及python，将使用系统环境变量中的值 (#12)
• 备份和恢复预设的功能迁移至预设流程子页面
• 优化WebUI布局
• 更新至原仓库8月15日的commits，优化bs_roformer代码，优化推理代码
• 将3个去混响模型和2个降噪模型移动至single_stem_model
• 优化覆盖安装，现在覆盖安装或增量更新后不会重置配置文件了（1.4.3版本）
• 完善setup_webui函数以适合覆盖安装（1.4.2版本）
• 小幅度优化了下载模型速度慢的问题（但实际上可能还是很慢）（1.4.2版本）
• 修改部分模型配置文件参数（1.4.1版本）
• 优化控制台日志输出（1.4.1版本）

修复

• 修复requirements.txt部分依赖版本
• 修复了FLAC格式的音频会导致输出文件名字不正确的bug (#11)（1.4.3版本）
• 修复了预设流程中重复模型不会推理的bug（1.4.3版本）

下载整合包

• 123盘：https://www.123pan.cn/s/1bmETd-AefWh.html? 提取码：1145
• 百度网盘：https://pan.baidu.com/s/1uzYHSpMJ1nZVjRpIXIFF_Q 提取码：1145

若安装完整包后出现无法使用CPU进行推理的情况，请再安装一遍增量包获得更新

Release 1.4.3

更新

• 小工具中添加“歌声转MIDI”功能，使用项目SOME，需自行下载权重文件后才可使用
• 添加查看预设的功能。此外，我们将删除预设移动到了查看预设页面
• 设置页面增加备份和恢复预设的功能
• 设置页面添加系统信息显示，可显示GPU及序号，以及系统版本
• dataset中添加verbose选择，配置文件中的use_amp选项现在会影响到推理了
• 预设流程中增加单个音频输入

优化

• 优化进度条，现在只有推理会有二级进度条，训练和验证保持仅总进度条
• 优化覆盖安装，现在覆盖安装或增量更新后不会重置配置文件了

修复

• 修复了FLAC格式的音频会导致输出文件名字不正确的bug #11
• 修复了预设流程中重复模型不会推理的bug

下载整合包

• 123盘：https://www.123pan.cn/s/1bmETd-AefWh.html? 提取码：1145
• 或百度网盘：https://pan.baidu.com/s/1uzYHSpMJ1nZVjRpIXIFF_Q 提取码：1145

Release 1.4.2

更新

• 添加最新去混响模型deverb_bs_roformer_8_384dim_10depth.ckpt
• MSST分离中，添加子进度条，现在单个音频文件分离也有进度条了
• 设置页面新增检查更新

优化

• 完善setup_webui函数以适合覆盖安装
• 小幅度优化了下载模型速度慢的问题（但实际上可能还是很慢）

Release 1.4.1

更新

• 添加最新降噪模型denoise_mel_band_roformer_aufr33_sdr_27.9959.ckpt和denoise_mel_band_roformer_aufr33_aggr_sdr_27.9768.ckpt
• 项目源码更新至7月31日原作者ZFTurbo的commits
• 新增bandit_v2模型支持
• 新增Valid的WebUI页面，在训练MSST的子页面

优化

• 修改部分模型配置文件参数
• 优化WebUI布局
• 优化控制台日志输出

此版本更新了环境，不支持增量更新，需要下载完整包

Release 1.4

更新

• 预设流程支持用户选择是否输出次要音轨（保留的次要音轨将会被直接输出到输出文件夹，不输入下一个模型）
• 支持几乎全部MSST模型输出次要音轨
• uvr推理和msst推理（命令行）支持选择额外输出路径（为了适配预设流程）

优化

• 优化log输出及log格式，减少不必要的log输出
• WebUI更改部分标签说明
• 整合包删除workenv中的__pycache__缓存

此版本更新后，项目将进入暂时性停止更新阶段

Release 1.3.2

修复以下bug

• MSST分离及UVR分离单个音频上传时，非wav格式音频会处理两次
• UVR分离采样率不等于44100时，会出现变调现象
• MSST分离仅会在全部处理完成以后才显示进度条
• MSST多个音频分离时，音频总数超过30会出现卡住的情况
• 其他代码问题

优化

• 优化部分参数标签说明
• 更改UVR分离模块中batch_size的默认值为2，以适应显存<=6G的用户
• 更改UVR分离模块中Normalization的默认值为1
• 预设流程处理时，控制台突出显示每一步使用的模型名字
• 所有处理命令使用蓝色字体输出至控制台，便于debug
• 代码：宏定义PHTHON合FFMPEG常量
• 代码：降低gradio版本至4.8.0以解决依赖冲突