/ Модель

Характеристики

Лицензия
MIT
Базовая модель
demucs
Библиотека
mlx
Опубликована
16 мар 2026

demucs-mlx-fp16

Обработка аудиоАудио → аудио

Набор моделей Demucs в формате MLX float16 для разделения музыки на вокал и инструментальные дорожки на устройствах Apple Silicon.

0скачиваний за 30 дней12лайковвеса обновлены16 мар 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Demucs-MLX-fp16 — набор весов моделей разделения музыкальных источников Demucs, подготовленный сообществом mlx-community для запуска через MLX на Apple Silicon. В репозитории представлены восемь предварительно обученных моделей, включая HTDemucs v4 и варианты на четыре или шесть источников; они разделяют стереоаудио на вокал, ударные, бас и прочие звуки, а шестиисточниковые варианты также выделяют гитару и фортепиано. Выходной звук имеет частоту 44,1 кГц.

Веса сохранены в формате safetensors с точностью float16; по README, этот вариант занимает примерно вдвое меньше места, чем float32, при практически идентичном качестве. Модели рассчитаны на музыкальную обработку, например подготовку отдельных дорожек для сведения, ремикса или анализа. Для отдельных конфигураций в README приведены разные компромиссы между скоростью и качеством.

Это преобразованный набор весов, основанный на adefossez/demucs и конвертированный из PyTorch через safetensors float32 в float16. Лицензия — MIT. В описании приведены замеры на M1 Pro; фактические скорость и расход памяти зависят от устройства и выбранной конфигурации.

Сценарии применения

  • выделение вокала из музыкального трека
  • разделение песни на вокал, ударные, бас и прочие звуки
  • выделение гитары и фортепиано в шестиисточниковой модели
  • подготовка отдельных дорожек для ремикса и сведения
  • получение инструментальных партий для музыкального анализа

Ограничения

Модели предназначены для разделения музыкального аудио и выдают стереозвук с частотой 44,1 кГц. Запуск через MLX рассчитан на Apple Silicon; скорость и потребление памяти зависят от выбранной модели и устройства.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Originally from: iky1e/demucs-mlx-fp16

Float32 variant: mlx-community/demucs-mlx

Demucs — MLX (float16)

Float16 MLX-compatible weights for all 8 pretrained Demucs models, converted to safetensors format for inference on Apple Silicon.

This is the float16 variant of iky1e/demucs-mlx — same models, half the file size, identical output quality. Recommended for Apple Silicon where memory is constrained (iOS, smaller Macs).

Demucs is a music source separation model that splits audio into stems: drums, bass, other, vocals (and guitar, piano for 6-source models).

Models

ModelWhat it isArchitectureSub-modelsSourcesWeights (fp16)Weights (fp32)
htdemucsDefault v4 model, best speed/quality balanceHTDemucs (v4)1480 MB160 MB
htdemucs_ftFine-tuned v4, best overall qualityHTDemucs (v4)4 (fine-tuned)4321 MB641 MB
htdemucs_6s6-source v4 (adds guitar + piano stems)HTDemucs (v4)1652 MB105 MB
hdemucs_mmiv3 hybrid, trained on more dataHDemucs (v3)14160 MB319 MB
mdxv3 bag-of-models ensembleDemucs + HDemucs4 (bag)4659 MB1.3 GB
mdx_extrav3 ensemble trained on extra dataHDemucs4 (bag)4638 MB1.2 GB
mdx_qQuantized v3 ensemble (same quality, smaller)Demucs + HDemucs4 (bag)4659 MB1.3 GB
mdx_extra_qQuantized v3 extra ensembleHDemucs4 (bag)4638 MB1.2 GB

All models output stereo audio at 44.1 kHz.

Float16 vs Float32

Output quality is identical — max sample difference is 3.1e-5 (one int16 LSB), correlation > 0.999999999. MLX on Apple Silicon upcasts float16 weights to float32 for computation, so the math is the same.

Metricfloat32 (iky1e/demucs-mlx)float16 (this repo)
htdemucs file size160 MB80 MB
htdemucs RSS (peak memory)1311 MB1210 MB
htdemucs speed (M1 Pro)7.1s7.9s
Output qualityreferenceidentical

Origin

Files

Each model consists of two files at the repo root:

  • {model_name}.safetensors — model weights (float16)
  • {model_name}_config.json — model class, architecture config, and bag-of-models metadata

Usage

Swift (demucs-mlx-swift)

Point the model directory or repo to this float16 variant:

# Use float16 models from local directory
demucs-mlx-swift -n htdemucs --model-dir /path/to/demucs-mlx-fp16 song.wav

# Or set the HF repo environment variable
export DEMUCS_MLX_SWIFT_MODEL_REPO=iky1e/demucs-mlx-fp16
demucs-mlx-swift -n htdemucs song.wav

Or use the Swift API directly:

import DemucsMLX

let separator = try DemucsSeparator(modelName: "htdemucs")
let result = try separator.separate(fileAt: URL(fileURLWithPath: "song.wav"))

Converting from PyTorch

To reproduce the export directly from PyTorch Demucs checkpoints:

pip install demucs safetensors numpy

# Export all 8 models as float16 (default)
python export_from_pytorch.py --out-dir ./output

# Export as float32
python export_from_pytorch.py --out-dir ./output --dtype float32

The conversion script (export_from_pytorch.py) is available in the demucs-mlx-swift repo under scripts/.

Citation

@inproceedings{rouard2022hybrid,
  title={Hybrid Transformers for Music Source Separation},
  author={Rouard, Simon and Massa, Francisco and Defossez, Alexandre},
  booktitle={ICASSP 23},
  year={2023}
}

@inproceedings{defossez2021hybrid,
  title={Hybrid Spectrogram and Waveform Source Separation},
  author={Defossez, Alexandre},
  booktitle={Proceedings of the ISMIR 2021 Workshop on Music Source Separation},
  year={2021}
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · mlx

Нельзя запустить

MLX-модели работают только на Apple Silicon.

Ревизия весов
908d2d0

0 моделей