想做个小工具：丢一段音频进去，吐出人声和伴奏两条轨。查了一圈落到spleeter上，自己捣鼓了下，自带的预训练权重直接调用就能出活，分两轨、四轨都有现成的。
卡住我的是另一件事——要不要训练自己的模型。一般的项目真有这个必要吗？我不是这方面科班，不敢把话说满，怕误导别人。
数据和算力我这边都有限，直觉是老老实实用现成的更实际。哪位真自己训过，想听听什么场景才值得折腾、大概得准备些啥，先谢过~
一般项目直接用现成权重就够了，训练成本不低
+1，除非你有很特殊的音源需求才考虑自训
自训吃数据也吃卡，业余玩不太划算
四轨那个我拿来做过小工具，够用了
1 个赞
求楼主要是真训了回来分享下踩坑 