Demucs
Demucs是由Facebook Research（现Meta）开发的基于深度学习的音轨分离工具。它能够将混合音频文件分离成独立的音轨（如人声、低音、鼓点、其他），是音频可视化流程中实现多层波形独立显示的关键技术前提。
核心原理
Demucs使用监督学习模型，训练于大规模数据集，预测每个时间帧的源分离掩码。它能够将单轨WAV文件拆分为多个独立音轨，如vocal.wav、bass.wav、drums.wav、other.wav。
在音频可视化中的应用
在[[2026-03-25-audio-visualization-python-houdini.md]]中，Demucs被用于：
- 将混合音频分离成人声、合成器、低音、鼓点等独立音轨
- 为后续librosa特征提取提供干净的每层音频数据
- 实现视频中五层清晰独立的波形显示
替代方案
- [[Spleeter]]：Deezer开发的音轨分离工具，功能类似