声とBGMの分け屋

切り抜きのBGMを消したいときや、歌ってみたのオケを作りたいときに。ファイルを放り込んで押すだけで、2つに分けて返します。

どのくらい分かれるのか

声と音楽を別々に作ってから混ぜた音で、分けた結果が元にどれだけ近いかを測りました。

分けた「声」と、元の声	+0.982（ほぼ一致）
分けた「声」に残った音楽	+0.006（ほぼ消えている）
分けた「BGM」と、元の音楽	+0.989（ほぼ一致）
分けた「BGM」に残った声	+0.036（ほぼ消えている）

1.0 が完全一致、0 が無関係。ただし実際の配信音声はもっと複雑なので、この数字ほどきれいに分かれるとは限りません。

かかる時間

店主の環境（RTX 4070）で実時間の約11倍速でした。この店の他の道具より重いので、目安を持っておいてください。

素材の長さ	かかる時間の目安
1分の切り抜き	6秒ほど
10分	1分ほど
1時間	6分ほど

「ていねい」を選ぶと、さらに4倍ほどかかります。

画面

声とBGMの2つに分けるほか、4つ（声・ドラム・ベース・その他）にも分けられます。出力は WAV か MP3。

動くPCの条件

OS	Windows 10 / 11（Mac・スマホは非対応です）
Python	3.10以降が必要です（無料）。プログラムを動かすための土台で、多くのPCには入っていません。 入っているか分からない人は、そのまま setup.bat を実行してください。入っていなければ「Python not found」と出るので、そこから python.org で入れれば大丈夫です。 インストール画面の下にある 「Add python.exe to PATH」のチェックだけ忘れずに。
グラフィックボード	NVIDIA製があると速くなります。 AMD（Radeon）や Intel の GPU は使われません。「遅い」のではなく、中で使っている部品が NVIDIA にしか対応していないためです。その場合は CPU で動きます。 → 下の「GPUが無いとき・Radeonのとき」を見てください
空き容量	5GBほど（この店で一番大きい道具です）

他の道具より重いのは、音源分離が PyTorch という別の仕組みを使うためです。字幕系の道具とは共用できません。

GPUが無いとき・Radeonのとき

Radeon でも Intel の内蔵GPUでも、ちゃんと動きます。ただしその場合、GPUは使われずCPUで計算します。中で使っている部品が NVIDIA 専用のつくりになっているためで、性能の問題ではありません。

「CPUだと使いものにならないのでは」と思われがちですが、実際に測ってみるとそうでもありませんでした。

	速さ	1時間の素材にかかる時間
GPUあり（RTX 4070）	10.8倍速	6分
GPUなし（CPU）	5.9倍速	10分

差は2倍もありません。この道具にかぎっては、GPUの有無はあまり効きませんでした。準備に5GB必要なのは変わりませんが、Radeonの人もふつうに使えます。

測ったPCのCPUは32スレッドあります。コアが少ないPCではこれより遅くなります（8スレッドなら3〜4倍かかる見当）。目安として読んでください。

使い方

1. ZIPを右クリック →「プロパティ」→ 下の「許可する」にチェック
   してから展開してください。これをやらないとWindowsに止められます。
2. setup.bat をダブルクリック
   2.5GBほどダウンロードするので、10分ほどかかります。
3. start.bat をダブルクリック
   ［ファイルを追加...］で選んで、［分ける］を押します。
4. できあがり
   元のファイルの隣に 〜_分けたもの フォルダができて、その中に入ります。

やめるとき

インストーラを使っていないので、アンインストールという操作はありません。消したいときは次の2つを削除するだけです。

• 展開した koe-bgm-wakeya フォルダごと
• %USERPROFILE%\.cache\torch（分離用のデータ置き場）

中身のはなし

分離には Demucs（Meta が公開している音源分離）を使っています。あなたのPCのGPUで動かしているので、音は外に出ません。

このプログラムはMITライセンスです。Demucs 本体もMITですが、学習済みモデルの扱いは別に定められている場合があります。商用で使う前に Demucs のリポジトリで条件を確認してください。

「こんな機能が欲しい」「ここが動かない」は X(@tool_dagashiya) までどうぞ。