Jeremytromp/htdemucs-ft-vocals-onnx — зеркало модели для выделения вокала из музыкального микса. Это неизменённая копия ONNX-файла htdemucs_ft_vocals.onnx из репозитория StemSplitio/htdemucs-ft-vocals-onnx, созданного на основе вокальной версии HT-Demucs FT от Meta. Модель принимает стереомикс в формате float32 с частотой 44,1 кГц и длиной около 7,8 секунды, выдаёт четыре аудиодорожки, из которых предназначена для использования только дорожка вокала.

Модель рассчитана на отделение голоса от музыки, в том числе как этап подготовки аудио для выравнивания субтитров. ONNX-граф включает STFT, запуск предполагается через ONNX Runtime. Веса распространяются по лицензии MIT. Ограничение входной формы фиксировано: [1, 2, 343980]; остальные выходные дорожки не следует считать значимыми.