suno-split

把一个音频文件按随机的时间-频率块拆成多条 MP3 轨道的本地工具。当前脚本默认输出 20 轨，适合做声音设计、解谜素材或私有归档实验。

功能

• 先用 ffmpeg 把输入音频解码成 float WAV，再用 STFT 做时间-频率切分。
• 每个时间-频率块会随机分配到一条输出轨道，默认 20 轨。
• 人声常见频段附近使用更细的频带划分，让拆分后的声部更碎。
• 每条输出轨道独立编码为 MP3。
• 同时写出 manifest.csv、metadata.json、track_summary.csv，方便复现和检查分配结果。

环境依赖

需要本机已安装：

• Python 3.10+
• ffmpeg
• Python 包：librosa、numpy、soundfile

如果使用 uv，可以在仓库目录里直接临时安装依赖运行：

uv run --with librosa --with numpy --with soundfile python main.py /path/to/input.mp3

如果使用普通虚拟环境：

python -m venv .venv
source .venv/bin/activate
pip install librosa numpy soundfile
python main.py /path/to/input.mp3

使用方式

最简单的运行方式：

python main.py /path/to/input.mp3

指定输出目录、轨道数和随机种子：

python main.py /path/to/input.wav \
  --output ./output_split \
  --tracks 20 \
  --seed 20260521

常用参数：

参数	默认值	说明
input	必填	输入音频路径，支持 ffmpeg 可解码的格式
--output	自动生成	输出目录；不传时会在输入文件旁边创建带时间戳的目录
--tracks	20	输出轨道数量，范围 2 到 255
--seed	20260521	随机种子；同一输入和同一参数下可复现分配结果
--n-fft	4096	STFT 窗口大小
--hop-length	512	STFT hop 长度
--bitrate	320k	输出 MP3 码率

输出内容

输出目录中会包含：

• track_01.mp3 到 track_NN.mp3：拆分后的音频轨道。
• manifest.csv：每个时间-频率块被分配到哪条轨道，包括时间、频段和 STFT bin 信息。
• metadata.json：输入路径、采样率、声道数、轨道数、随机种子、STFT 参数等元数据。
• track_summary.csv：每条轨道的峰值、缩放系数、分配块数量和近似活跃时长。

注意事项

• 这是频域拆分工具，不是高保真分轨或人声/伴奏分离工具。
• 输出轨道单独听会是碎片化素材；它们更适合做实验素材或后续 DAW 编排。
• MP3 是有损编码，不能用输出 MP3 直接期待无损重建原音频。
• 如果输出轨道峰值过高，脚本会对单条轨道做保护性缩放，缩放值会记录在 track_summary.csv。
• 请只处理你有权使用的音频素材。