量化版 Demucs 选型指南：mdx_q 与 mdx_extra_q，先弄清这三件事再跑分离

【免费下载链接】demucsCode for the paper Hybrid Spectrogram and Waveform Source Separation项目地址: https://gitcode.com/gh_mirrors/de/demucs

老笔记本做伴奏提取总是又慢又卡？开源项目 Demucs 用"混合频谱图 + 波形"两路分离技术（Hybrid Spectrogram and Waveform Source Separation），把一首歌拆成人声、鼓、贝斯和"其他"四个独立音轨；而它的两套量化模型 mdx_q 与 mdx_extra_q，正是把这份能力塞进低配置机器、又不牺牲太多音质的省心钥匙。

这篇文章不铺代码，只把"选谁"这个最纠结的问题讲透——看完你就能直接上手跑分离。

跨域 Transformer 同时吃时域与频域特征，量化压缩的是权重，不是这套架构本身。

两个都叫 "q"，凭什么让人纠结？

"q" 代表 quantized（量化）。Demucs 把 DiffQ 量化直接写进了训练流程（见 demucs/grids/mdx.py 里的quant.diffq参数），训练时同步压缩权重，让模型体积和算力需求双双瘦身，加载时再靠__quantized标记自动还原（demucs/states.py）。

真正让人纠结的是，同一个量化家族里还分两个梯队：

• mdx_q：对应通用梯队 mdx，包里装 4 个子模型，并配了一张4×4 的权重矩阵，见 demucs/remote/mdx_q.yaml；
• mdx_extra_q：对应增强梯队 mdx_extra，同样 4 个子模型，但配置里没有 weights 字段，加载时自动退化为全 1 等权叠加，见 demucs/remote/mdx_extra_q.yaml。

同样的子模型数量、同样的 44 秒处理段长，一个"动态加权"，一个"人人平等"——这两种设计哲学，恰好对应两种完全不同的使用场景。

先跑通最省事的：一条命令让 mdx_q 干活

假设你只想快速把人声从混音里抽出来，比如给会议录音降噪、给直播伴奏清人声。这类任务的特点是"越快越好"，对极限音质没那么苛刻：

python -m demucs.separate -n mdx_q 你的歌曲.mp3

首次运行会自动下载权重包，之后可离线使用。跑完后，同目录会出现separated/mdx_q/文件夹，里面是 4 个独立 wav 音轨。

为什么 mdx_q 适合这种场合？因为那张权重矩阵不是摆设：碰到人声为主的片段，它优先放大擅长人声的子模型意见；遇到乐器密集的段落，再切换到另一组权重（demucs/remote/mdx_q.yaml 里四行权重就是这么设计的）。这种"看菜下饭"的调度，让单次推理就能拿到不错的折中效果，无需二次处理，延迟自然低。

要更稳的分离效果？换 mdx_extra_q 上场

如果你的目标是正经的音乐后期——比如拿分离出的鼓组做 remix、把清唱轨交给混音师——那你求的就是"稳"。

mdx_extra_q 的等权策略看似朴素，实则稳扎稳打：4 个增强子模型各抒己见、结果取平均，等于把单个模型的偶然失误互相抵消。还有个容易忽略的细节——在 Demucs 把默认模型换成 htdemucs 之前，mdx_extra_q 就是当年的默认模型（demucs/pretrained.py 的加载提示里专门写了这句话），意味着它经历过大量真实用户检验。

进阶用法是配合多轮投票：

python -m demucs.separate -n mdx_extra_q --shifts 3 你的歌曲.wav

--shifts让模型对同一段音频做几次不同时间偏移再取平均，精度还能再上一档，代价是耗时明显增加。慢，但值得。

对号入座：一张表帮你锁定该用谁

一句话总结：求快选 mdx_q，求稳选 mdx_extra_q。

数据不说话：快与稳的账到底怎么算

下面这组量级参考，是按 MusDB-HQ 评测口径、用官方脚本 tools/test_pretrained.py 可以复现的方向（不同机器数值会浮动，量级不变）：

三组结论，逐条解释"为什么"：

1. 量化损失普遍压在 0.5dB 以内。DiffQ 是"边练边压"，模型在低精度下学会了兜底，而不是事后硬砍，所以代价小。
2. mdx_extra_q 在鼓、贝斯这类瞬态强的声源上领先更明显。等权平均对突发性误差抗性更好——单个模型可能漏掉某个鼓点，四个模型同时漏的概率极低。
3. 速度差距主要来自调度方式。mdx_q 只让权重矩阵命中的子模型参与计算，等权的 mdx_extra_q 则四份全算，这就是它慢约三成的根源。

两个小坑也提一句：量化权重加载依赖 DiffQ 库，环境缺失会直接报错（demucs/states.py 里有检测逻辑）；另外，量化省的是体积与算力，不会替你把效果从"能用"变成"惊艳"——对成品质量要求极高时，还是回归未量化原版更稳妥。

写在最后：你的第一次分离，现在就能开始

选模型从来不是"谁更强"的问题，而是"你更缺时间还是更缺精度"的问题。想快速上手，克隆项目装好依赖，用-n mdx_q先跑通流程；要出精品，用-n mdx_extra_q --shifts 3多等几分钟。两套方案之间只差一条命令行参数，多试几次，你的耳朵会给出最终答案：

git clone https://gitcode.com/gh_mirrors/de/demucs

【免费下载链接】demucsCode for the paper Hybrid Spectrogram and Waveform Source Separation项目地址: https://gitcode.com/gh_mirrors/de/demucs