WEP WebUI 更新日志

v1.7.0 — 2026-06-04（Python 智能安装器）

🎉 新增功能

Python 智能安装器（替代 batch 安装脚本）

全新 install.py：Python 纯代码安装脚本，彻底解决 Windows Device Guard 安全策略限制
GPU 自动检测升级：Python winreg 直接读取注册表获取显卡型号（绕过 Device Guard 对 wmic/nvidia-smi 的阻止）
显卡支持扩展：NVIDIA + AMD + Intel Arc 全支持
智能版本映射：
- NVIDIA 驱动 → CUDA 版本（572→cu128、560→cu126、550→cu124、535→cu121 等）
- AMD 系列 → ROCm 版本（RX 9000→rocm7.2、RX 7000→rocm6.3、RX 6000→rocm6.1、RX 5000→rocm5.7）
- Intel Arc → XPU 版 PyTorch（Windows 实验性支持，自动降级 CPU）
调试模式：python install.py --dryrun，检查环境不安装

安装器流程（6 层 GPU 检测兜底）

Python winreg 注册表（最可靠，不依赖外部程序）
reg query cmd 内建
PowerShell
wmic
Python wmic 子进程
手动输入（兜底）

全中文界面

install.py 全部输出中文（环境检查、网络镜像、显卡检测、安装进度）

🔧 移除

移除 install.bat（因 Device Guard 限制，batch 无法可靠运行 findstr/wmic/external 工具）

v1.6.1 — 2026-06-03（Gradio 临时文件自动清理）

🔧 问题修复

每次制作完 Gradio 临时文件不释放（C盘被吃光）

根因：Gradio 上传的文件存在 %TEMP%\gradio\ 里，从不清理
修复：
- 制作完成后：on_run 结束时自动删除本次上传的 Gradio 临时文件
- 程序退出时：atexit.register 注册清理钩子，关闭 WebUI 时彻底清空 %TEMP%\gradio\

v1.6.0 — 2026-06-03（实时进度 + ETA 修复 + 文件锁修复）

🔧 问题修复

日志无百分比进度 + 无 ETA

根因：progress() 调用被 show_progress="hidden" 隐藏，日志框完全看不到进度；log() 只带时间戳不带阶段信息
修复：
- PipelineState 新增 current_progress / stage_desc / total_est_seconds 属性
- 新增 state.progress(fraction, desc) 方法，每次调用自动推送 [XX.X%] 阶段描述 + ETA 到日志
- 所有 progress() 调用配对添加 state.progress()，日志实时显示百分比

ETA 预估完全不准（线性外推 vs 实测）

根因：elapsed / fraction 线性外推完全不适合非线性的 pipeline（AI 推理占 80% 时间）
实测数据：

音频时长实际耗时系数

72.8 分钟 4分50秒 0.066

66.2 分钟 4分15秒 0.064

98.3 分钟 6分22秒 0.065
修复：total_est = duration * 0.066（实测系数），ETA = total_est - elapsed

音频时长	实际耗时	系数
72.8 分钟	4分50秒	0.066
66.2 分钟	4分15秒	0.064
98.3 分钟	6分22秒	0.065

编码阶段 4 分钟无反馈（看起来像卡死）

根因：state.progress() 只在阶段切换时调用，85%→100% 编码阶段无任何中间更新
修复：
- PipelineState 新增 get_eta_line() 方法，返回当前 ETA 行（不追加到日志历史）
- run_pipeline 接收 _state_ref 参数，主线程通过共享引用读取 state
- 轮询循环每 10 秒刷一次倒计时更新，用户能看到秒数递减

拷贝文件随机 UUID 丢失原文件名

修复：_copied_input = TMP_DIR / f"{safe_name}{ext}"，保留原文件名

Gradio 文件锁（PermissionError: [Errno 13]）

根因：Gradio ASGI 持有上传文件锁，allowed_paths 未包含 %TEMP%\gradio\
修复：
- allowed_paths 加入 tempfile.gettempdir()（C:\Users\tsj18\AppData\Local\Temp）
- run_pipeline 自动把上传文件拷贝到 _wep_tmp/ 本地目录，绕过文件锁
- PermissionError 时延迟 2 秒重试
- finally 块清理拷贝的临时文件

`name 'time' is not defined`

修复：顶部 import time

📊 日志输出效果（v1.6.0 改进后）

[21:30:42] 📁 输入：XXXX.mp3
[21:30:42] 🤖 模型：htdemucs | 🎚️ 预设：🎵 音乐模式 | ⚡ FP16 加速
[21:30:42] 📊 输出：WAV/PCM @ 48000Hz/24bit | 🔊 声道：5.1
[21:30:42] [  5.0%] 🔍 检测输入采样率…
[21:30:42] [  5.0%] 🔍 检测输入采样率… →   输入采样率：44100 Hz
[21:30:42] [ 10.0%] 🎚️ AI 分离中…
[21:30:43] [ 10.0%] 🎚️ AI 分离中… →   音频时长：98.3 分钟，预计：6分29秒
[21:30:43] [ 10.0%] 🎚️ AI 分离中… →   Demucs: FP16 加速 | segment=7 overlap=0.25 j=4
[21:30:43] [ 12.0%] 🎚️ 加载模型…  预计 6分27秒后完成
[21:30:44] [ 15.0%] 🎚️ 加载音频…  预计 6分27秒后完成
[21:30:48] [ 18.0%] 🎚️ AI 推理中…  预计 6分22秒后完成
[21:32:55] [ 45.0%] 🎚️ 保存分轨…  预计 4分16秒后完成
[21:33:07] [ 45.0%] 🎚️ 保存分轨… →   ✓ AI 分离完成（FP16 加速）
[21:33:07] [ 50.0%] 🔊 环绕声上混…  预计 4分4秒后完成
[21:33:09] [ 50.0%] 🔊 环绕声上混… →   ✓ 通道 FC 完成（1/6）
[21:33:09] [ 55.8%] 🔊 上混 1/6 通道…  预计 4分2秒后完成
[21:33:09] [ 55.8%] 🔊 上混 1/6 通道… →   ✓ 通道 Rs 完成（2/6）
[21:33:09] [ 61.7%] 🔊 上混 2/6 通道…  预计 4分1秒后完成
[21:33:09] [ 61.7%] 🔊 上混 2/6 通道… →   ✓ 通道 Ls 完成（3/6）
[21:33:09] [ 67.5%] 🔊 上混 3/6 通道…  预计 4分1秒后完成
[21:33:10] [ 67.5%] 🔊 上混 3/6 通道… →   ✓ 通道 FR 完成（4/6）
[21:33:10] [ 73.3%] 🔊 上混 4/6 通道…  预计 4分1秒后完成
[21:33:10] [ 73.3%] 🔊 上混 4/6 通道… →   ✓ 通道 FL 完成（5/6）
[21:33:10] [ 79.2%] 🔊 上混 5/6 通道…  预计 4分1秒后完成
[21:33:11] [ 79.2%] 🔊 上混 5/6 通道… →   ✓ 通道 LFE 完成（6/6）
[21:33:11] [ 85.0%] 🔊 上混 6/6 通道…  预计 4分0秒后完成  ← 每10秒倒计时刷新
[21:33:11] [ 85.0%] 🔊 上混 6/6 通道… →   ✓ 上混完成（6 通道并行）
[21:33:11] [ 85.0%] 📀 编码输出…  预计 4分0秒后完成
[21:33:21] [ 85.0%] 📀 编码输出…  预计 3分50秒后完成  ← 倒计时在走
[21:33:31] [ 85.0%] 📀 编码输出…  预计 3分40秒后完成
...
[21:37:04] [100.0%] ✅ 全部完成！  预计 6秒后完成
[21:37:04] [100.0%] ✅ 全部完成！ → ✅ 完成！4842.6 MB + M3U + 播放列表(596B)

📁 代码改动

PipelineState（第118-185行）

新增 _format_seconds() 函数
PipelineState 新增 total_est_seconds、_calc_eta()、get_eta_line()、progress()
log() 自动附加 [进度%] 阶段 → 消息 前缀

run_pipeline（第190-448行）

新增 _state_ref 参数
已有分轨路径提前设置 safe_name
上传文件自动拷贝到 _wep_tmp/{safe_name}.{ext}，绕过 Gradio 文件锁
ETA 基于 duration * 0.066 实测系数
上混逐通道推送完成日志（N/6 通道…）
finally 块清理拷贝的临时文件

on_run（第562-635行）

pipeline_state_ref 共享引用，主线程读取 ETA
每 10 秒刷一次倒计时更新

launch（第628-631行）

allowed_paths 加入 tempfile.gettempdir()

v1.5.0 — 2026-06-03

🎉 新增功能

📂 分轨管理面板（独立功能，不依赖 AI 分离）

新增「📂 分轨管理」折叠面板（默认收起）
扫描 separated/ 目录：自动列出所有模型下的分轨项目，显示文件名 + 模型名 + 占用空间
加载已有分轨：选中后点击「📥 加载选中分轨」，自动跳过 AI 分离，直接进入上混阶段
删除分轨：选中后点击「🗑️ 删除选中分轨」，立即释放磁盘空间（带空间显示）
刷新按钮：处理新文件后点击刷新，立即看到新增分轨

分轨管理使用场景

二次上混：第一次用 Music 预设，想试 Movie 预设 → 加载分轨，直接上混，省去 20 分钟 AI 分离
参数调优：LFE 分频点 / 响度目标改了 → 加载分轨，无需重新分离
磁盘清理：separated/ 目录越来越大 → 逐个删除不需要的分轨

流水线逻辑优化

检测到 existing_stems_dir 时，Stage1（AI 分离）完全跳过
进度条从 5% 直接跳到 45%（进入 Stage2 上混）
日志显示：📂 使用已有分轨：htdemucs_ft/曲名

UI 提示优化

音频上传框提示改为：🎵 拖放音频文件（加载已有分轨时可不填）
就绪提示改为：💡 就绪 — 上传音频或加载已有分轨后点击开始
分轨管理面板内提示：💡 选择已有分轨后点击「加载」，将跳过 AI 分离直接上混

🔧 实时日志流修复（v1.5.0 补丁）

问题根因

run_pipeline() 是普通函数：所有日志在函数结束时一次性 return，中间 progress() 只更新 Gradio 内置进度条（已隐藏），不会推送到日志框
按钮不变态：on_run generator 只 yield 3 次（开始、结束、错误），UI 没收到中间状态更新

修复方案

PipelineState 加 on_log 回调：每次 log() 调用时同步触发回调，推送最新日志
run_pipeline 接收 on_log 参数：run_pipeline(..., on_log=log_callback)
on_run 改为线程+轮询模式：
- 后台 Thread 运行 run_pipeline
- 主线程每 300ms 轮询 latest_logs，有新内容就 yield 到 UI
- 按钮状态同步：interactive=False + 文字变 ⏳ 处理中…

# PipelineState 新增回调
class PipelineState:
    def __init__(self, on_log=None):
        self.on_log = on_log
    def log(self, msg):
        ...
        if self.on_log:
            self.on_log(full)

# on_run 线程轮询
latest_logs = [""]
def log_callback(text): latest_logs[0] = text

def worker():
    path, logs = run_pipeline(..., on_log=log_callback)

# 主线程 generator 每 300ms yield
while t.is_alive():
    if latest_logs[0] != last_yielded:
        yield ..., latest_logs[0], ..., ..., gr.update(interactive=False)
    time.sleep(0.3)

🔧 技术细节

分轨扫描逻辑

def scan_stems():
    # 扫描 separated/{model}/{track}/*.wav|*.flac
    # 返回 [{label, model, name, path, size_mb}]
    # label 格式：[model] track_name (size_MB)

删除安全逻辑

def delete_stems(model_name, track_name):
    shutil.rmtree(target)
    # 自动清理空的模型目录
    if not model_dir.iterdir():
        model_dir.rmdir()

流水线适配

if existing_stems_dir:
    stems_dir = Path(existing_stems_dir)
    progress(0.45)  # 跳过 Stage1
else:
    # 完整 AI 分离流程
    progress(0.05 → 0.45)

v1.4.0 — 2026-06-03

🎉 新增功能

FP16 混合精度（性能大幅提升）

Demucs 从 CLI 调用改为 Python API 调用（demucs.pretrained.get_model + apply_model + save_audio）
FP16 模式：model.half() + torch.autocast('cuda', dtype=torch.float16)，RDNA3 FP16 吞吐约 2× FP32
FP32 模式：保留为安全回退（若 FP16 出现 NaN/爆音）
UI 默认 FP16，可在「⚙️ 高级选项」中切换
⚠️ Demucs CLI 不支持 --float16 参数，必须使用 Python API

libfdk_aac 自动检测

启动时自动检测 ffmpeg 是否内置 libfdk_aac 编码器
有 → AAC 输出自动使用 libfdk_aac（音质明显优于默认 AAC，尤其低码率）
无 → 回退到 ffmpeg 内置 AAC
顶部 badge 显示当前 AAC 编码器状态

loudnorm 响度目标可选

新增 -18 LUFS（广播标准）选项（高级选项 → 响度目标）
-14 LUFS：流媒体标准（Spotify / YouTube，默认）
-18 LUFS：广播标准（EBU R128 广播推荐，更利于动态范围）

LFE 低通分频点可选

新增 80Hz / 120Hz 切换（高级选项 → LFE 分频点）
80Hz：车载音响推荐（默认）
120Hz：家用影院标准（THX 推荐）

配置持久化（记忆上次设置）

每次成功处理后自动保存所有设置到 wep_config.json
下次启动自动恢复：模型、预设、采样率、位深、格式、声道、AAC 码率、精度、LFE 分频点、响度目标
无需每次手动重新选择

📊 界面改进

高级选项面板

新增「⚙️ 高级选项」折叠面板（默认收起，不干扰常用操作）
包含：GPU 精度 / LFE 分频点 / 响度目标
简洁布局：三个 Radio 组件一行排列

启动页面增强

顶部 badge 新增 AAC 编码器状态显示（libfdk_aac ✅ 或 ffmpeg aac）

🔧 技术细节

Demucs Python API + FP16

# 从 CLI 调用改为 Python API（Demucs 4.0 没有 --float16 CLI 参数）
from demucs.pretrained import get_model
from demucs.apply import apply_model
from demucs.audio import save_audio

model = get_model(name=model_name)
model.eval()
if precision == "fp16":
    model = model.half()
    with torch.autocast('cuda', dtype=torch.float16):
        sources = apply_model(model, wav[None], device='cuda', ...)[0]
else:
    sources = apply_model(model, wav[None], device='cuda', ...)[0]

libfdk_aac 检测逻辑

FDK_AAC = False
r = subprocess.run(["ffmpeg", "-encoders"], ...)
FDK_AAC = "libfdk_aac" in r.stdout

# AAC 编码选择
if FDK_AAC:
    codec = ["-c:a", "libfdk_aac", "-b:a", aac_bitrate]
else:
    codec = ["-c:a", "aac", "-b:a", aac_bitrate]

动态 loudnorm

lnorm = f"loudnorm=I={loudnorm}:TP=-1:LRA=11"
# loudnorm 参数: -14 (流媒体) 或 -18 (广播)

动态 LFE 分频

f"[0:a]lowpass=f={lfe_hz},volume=1.5,..."
# lfe_hz: 80 (车载) 或 120 (家庭影院)

配置持久化

CONFIG_FILE = SCRIPT_DIR / "wep_config.json"

# 成功后自动保存
save_config({"model": model, "preset": preset, ...})

# 启动时自动加载
cfg = load_config()
model_select = gr.Radio(..., value=cfg.get("model", "htdemucs_ft"))

v1.3.0 — 2026-06-03

🎉 新增功能

预重采样优化（核心性能提升）

输入采样率预检：Stage1 前用 ffprobe 检测输入文件采样率
自动重采样：若输入采样率 ≠ 目标采样率，先用 ffmpeg 重采样到目标采样率（CPU 快速操作，pcm_f32le 保留精度），再交给 Demucs
避免 GPU 浪费：输入 192kHz 时不再让 Demucs 以 192kHz 全采样率运行（浪费 ~4x 算力）
效果：56 分钟 DJ Set 处理时间从 ~90 分钟降至 ~40 分钟
目录名对齐：重采样后 Demucs 输出目录名基于临时文件名，自动 shutil.move 对齐到 safe_name
临时文件清理：重采样临时文件在 finally 块中清理，无论成功失败都不遗留

MIB2+ 车机兼容（M3U 自动生成）

WAV 5.1/7.1 输出时自动生成同名 .m3u 文件（与 WAV 同目录）
MIB2+ 车机：有 M3U 才认 5.1 PCM，否则强制 6→2 下混
总播放列表自动追加：output/5.1_playlist.m3u，去重，每首新曲自动追加
日志提示：U 盘需同目录放置，MIB2+ 解锁 5.1 输出

AAC 码率可选

AAC/m4a 输出时显示码率选择器（Radio 组件，仅 AAC 时可见）
选项：128k / 256k / 320k / 512k 推荐 / 768k / 1024k
output_format 切换时自动显示/隐藏 AAC 码率行（gr.update(visible=...)）

🔧 修复

输出采样率对齐（Critical）

最终合并命令补回 -ar 参数，修复输出采样率跟随输入（如 192kHz）的 bug
所有 ffmpeg 命令均显式传入 -ar str(sr)，确保分轨上混阶段和最终输出阶段采样率一致

ffmpeg filter_complex 分隔符修复

FL/FR 创建时 filter_complex 多链分隔符从 + 改为 ;（正确语法）
修复 ffmpeg exit status 4294967274 (-22 EINVAL) 错误

中文文件名支持增强

safe_name 过滤规则新增全角括号 （）、【、】
修复中文曲目名被截断导致找不到分轨的问题

Demucs 并行处理恢复

补回 -j 4 参数（4 个 stem 并行处理）
修复"只有一条进度条"的问题，现在 4 个 stem 同时分离

📊 界面改进

预设参数更新（实际代码值）

预设	centre_db	decorr_l	decorr_r	centre_gain 实际值
Music	+1	15ms	17ms	1.3×
Movie	+2	10ms	12ms	1.4×
Anime	+3	12ms	14ms	1.5×
PLIIx	+1	20ms	23ms	1.3×

centre_gain = 1.2 + centre_db × 0.1（代码实际公式）

v1.2.0 — 2026-06-03

🎉 新增功能

7.1 环绕声支持

新增 7.1 声道布局选项 (8 声道)
- FL FR FC LFE (前场 4 声道)
- Ls Rs (后环绕)
- SL SR (侧环绕 90°) ← 新增
7.1 模式使用 8 声道合并 + EBU R128 响度归一化
输出文件命名：曲名.7.1.wav / 曲名.7.1.flac

WAV/PCM 编码增强

默认输出格式改为 WAV/PCM (用户需求)
支持多种比特深度：
- 16-bit PCM (CD 标准)
- 24-bit PCM (高解析推荐，默认)
- 32-bit float (母带制作)
车载 DJ 设备完美兼容

🚀 性能优化

Demucs 加速参数

--segment 7 — 整数且 ≤ 模型训练上限 7.8s（8 会超限报错，已修复）
--overlap 0.25 — 重叠比从 0.5 降至 0.25
提速约 15-20% (1.5 小时音频从 22 分钟→18 分钟)

音频时长预估

自动检测输入音频时长
显示预计分离耗时 (实时×0.25)
用户可提前规划等待时间

📊 界面改进

输出格式选择

格式	编码	说明
📀 FLAC 无损	FLAC compression=8	体积小，无损压缩
💿 WAV/PCM 无损	PCM 16/24/32-bit	默认，车载/DJ 兼容
🎵 AAC/m4a 有损	AAC 512k	小体积，便携设备

声道布局选择

选项	声道数	适用场景
7.1 环绕声	8 声道	高端家庭影院、专业监听
5.1 环绕声	6 声道	标准环绕声系统
立体声	2 声道	车载音响、耳机

🔧 技术细节

7.1 声道路由

输入：4 stems (vocals, drums, bass, other)
↓
FL/FR: 全轨混合 (左/右声道)
FC: 人声 + 少量其他 (中置增强)
LFE: bass+drums 低通<80Hz
Ls/Rs: drums+other 延迟去相关 (15/17ms)
SL/SR: other 全通滤波 (侧向扩展)
↓
8 声道合并 → EBU R128 (-14 LUFS) → 输出

编码参数

# WAV/PCM 编码
if output_format == "wav":
    if bd == 16: codec = ["-c:a", "pcm_s16le"]
    elif bd == 32: codec = ["-c:a", "pcm_s32le"]
    else: codec = ["-c:a", "pcm_s24le"]  # 默认 24-bit

# 7.1 合并
filter_c = "[0:a][1:a][2:a][3:a][4:a][5:a][6:a][7:a]amerge=inputs=8,loudnorm=I=-14:TP=-1:LRA=11[aout]"

📝 已知限制

AMD ROCm 性能

RX 9070 XT FP32 实测 ~1.5 TFLOPS (理论 22 TFLOPS)
PyTorch 2.9+ROCm 7.2 在 gfx1201 上优化不足
功能正常，但跑不满显卡性能
等待后续 ROCm 版本改进

模型分段限制

htdemucs_ft 最大分段 = 7.8 秒 (训练限制)
--segment 必须是整数，最大有效值为 7（8 会报 FATAL）
长音频处理时间 = 时长 × 0.25 (GPU)

v1.1.0 — 2026-06-02

新增功能

多格式输出 (FLAC/WAV/AAC)
采样率选择 (44.1k/48k/96k/192k)
比特深度选择 (16/24/32-bit)
立体声/5.1 双模式

中文界面

全中文 UI
预设中文名 (音乐/电影/动漫/杜比)
实时日志输出

UTF-8 支持

中文文件名兼容
Windows GBK 终端防护
PYTHONUTF8=1 环境变量

v1.0.0 — 2026-06-01

初始版本

WebUI 界面 (Gradio)
Demucs AI 分离
5.1 环绕声上混
EBU R128 响度归一化
一键启动 BAT

文件结构

D:\UVR5-of-MSST-WebUI+SurroundUpmix\
├── wep_webui.py          # WebUI 主程序 (v1.2.0)
├── 一键环绕声.bat         # 启动脚本
├── oneclick_WEP.py       # 命令行版本
├── simple_upmix_51.py    # 上混脚本
├── SurroundUpmix.ps1     # PowerShell 版上混
├── output/               # 输出目录
│   ├── 曲名.5.1.wav
│   ├── 曲名.7.1.wav
│   └── 曲名.5.1.flac
├── separated/            # Demucs 分离结果
│   └── htdemucs_ft/
│       └── 曲名/
│           ├── vocals.wav
│           ├── drums.wav
│           ├── bass.wav
│           └── other.wav
└── _wep_tmp/             # 临时工作目录

使用方法

WebUI 模式

# 双击启动
一键环绕声.bat

# 浏览器打开 http://127.0.0.1:7860
# 1. 上传音频 (MP3/WAV/FLAC)
# 2. 选择 7.1/5.1/立体声
# 3. 选择 WAV/FLAC/AAC 格式
# 4. 点击开始

命令行模式

# 7.1 WAV 输出
python oneclick_WEP.py "歌曲.mp3" --preset Music --layout 7.1 --output-format wav

# 5.1 FLAC 输出
python oneclick_WEP.py "歌曲.flac" --preset Movie --layout 5.1

硬件要求

组件	最低	推荐
GPU	NVIDIA 4GB / AMD 8GB	RTX 3060 / RX 9070 XT
内存	8GB	16GB+
存储	10GB 可用空间	SSD

处理速度参考 (RX 9070 XT)

音频时长	分离耗时	上混耗时	总计
3 分钟	45 秒	10 秒	~1 分钟
5 分钟	1.2 分钟	15 秒	~1.5 分钟
30 分钟	7 分钟	45 秒	~8 分钟
90 分钟	18 分钟	2 分钟	~20 分钟

FilesExpand file tree

CHANGELOG.md

Latest commit

History

CHANGELOG.md

File metadata and controls

WEP WebUI 更新日志

v1.7.0 — 2026-06-04（Python 智能安装器）

🎉 新增功能

Python 智能安装器（替代 batch 安装脚本）

安装器流程（6 层 GPU 检测兜底）

全中文界面

🔧 移除

v1.6.1 — 2026-06-03（Gradio 临时文件自动清理）

🔧 问题修复

每次制作完 Gradio 临时文件不释放（C盘被吃光）

v1.6.0 — 2026-06-03（实时进度 + ETA 修复 + 文件锁修复）

🔧 问题修复

日志无百分比进度 + 无 ETA

ETA 预估完全不准（线性外推 vs 实测）

编码阶段 4 分钟无反馈（看起来像卡死）

拷贝文件随机 UUID 丢失原文件名

Gradio 文件锁（PermissionError: [Errno 13]）

name 'time' is not defined

📊 日志输出效果（v1.6.0 改进后）

📁 代码改动

PipelineState（第118-185行）

run_pipeline（第190-448行）

on_run（第562-635行）

launch（第628-631行）

v1.5.0 — 2026-06-03

🎉 新增功能

📂 分轨管理面板（独立功能，不依赖 AI 分离）

分轨管理使用场景

流水线逻辑优化

UI 提示优化

🔧 实时日志流修复（v1.5.0 补丁）

问题根因

修复方案

🔧 技术细节

分轨扫描逻辑

删除安全逻辑

流水线适配

v1.4.0 — 2026-06-03

🎉 新增功能

FP16 混合精度（性能大幅提升）

libfdk_aac 自动检测

loudnorm 响度目标可选

LFE 低通分频点可选

配置持久化（记忆上次设置）

📊 界面改进

高级选项面板

启动页面增强

🔧 技术细节

Demucs Python API + FP16

libfdk_aac 检测逻辑

动态 loudnorm

动态 LFE 分频

配置持久化

v1.3.0 — 2026-06-03

🎉 新增功能

预重采样优化（核心性能提升）

MIB2+ 车机兼容（M3U 自动生成）

AAC 码率可选

🔧 修复

输出采样率对齐（Critical）

ffmpeg filter_complex 分隔符修复

中文文件名支持增强

Demucs 并行处理恢复

📊 界面改进

预设参数更新（实际代码值）

v1.2.0 — 2026-06-03

🎉 新增功能

7.1 环绕声支持

WAV/PCM 编码增强

🚀 性能优化

Demucs 加速参数

音频时长预估

📊 界面改进

输出格式选择

`name 'time' is not defined`