🎙️ NoMusic Podcast Cleaner

🌐 العربية · English

أداة تشيل أو تقلّل الموسيقى الخلفية من البودكاست، المقابلات، المحاضرات، والفيديوهات الكلامية — مع المحافظة على وضوح الكلام قدر الإمكان.

كل شي يشتغل محلياً على جهازك. بدون تسجيل دخول، بدون حساب، بدون رفع للإنترنت. ملفاتك ما تطلع من جهازك أبداً.

أسهل تشغيل (ويندوز): دبل-كليك على Run NoMusic.bat — يجهّز كل شي أول مرة ويفتح في المتصفح تلقائياً.

⬇️ التحميل المباشر (بدون تنصيب)

فك الضغط ← دبل-كليك على Run NoMusic.bat. ما يحتاج Python.

---

وش يسوي

1. تحط ملف فيديو أو صوت (أو أكثر من ملف دفعة وحدة).
2. يكتشف نوعه تلقائياً.
3. يفصل الكلام عن الموسيقى باستخدام نموذج ذكاء اصطناعي.
4. يضبط مستوى الصوت بشكل خفيف عشان يكون مريح للسمع.
5. يصدّر لك:
   • ملف كلام نظيف بصيغة MP3 و WAV.
   • لو الإدخال فيديو، فيديو MP4 جديد بنفس الصورة الأصلية مع الصوت المنظّف.

النتائج تنحفظ في مجلد outputs/.

وش ما يقدر يضمنه

• مو إزالة موسيقى مثالية. الذكاء الاصطناعي يقلّل الموسيقى وغالباً يشيلها زين، بس ممكن تبقى بقايا خفيفة — خصوصاً لما الموسيقى والكلام متداخلين بقوة.
• الغناء، المؤثرات الصوتية العالية، أو الكلام تحت موسيقى صاخبة = أصعب الحالات.
• هذي النسخة تفضّل وضوح الكلام على إزالة الموسيقى المتطرفة، وما تستخدم تقليل ضوضاء عدواني (لأنه يخلي الصوت آلي).

---

المتطلبات

• Python 3.11 أو أحدث
• FFmpeg (لاستخراج وإعادة بناء الصوت/الفيديو).

  المجلد المضغوط الجاهز للمشاركة يضمّن FFmpeg، فما تحتاج تنصّبه. لو تستنسخ من GitHub، نصّبه:

  • ويندوز: winget install Gyan.FFmpeg
  • ماك: brew install ffmpeg
  • لينكس: sudo apt install ffmpeg

---

التنصيب (من GitHub)

git clone https://github.com/aragonaragon/nomusic-podcast-cleaner.git
cd nomusic-podcast-cleaner

python -m venv .venv
# ويندوز:
.venv\Scripts\activate
# ماك/لينكس:
source .venv/bin/activate

pip install -r requirements.txt

لمستخدمي كرت الشاشة (GPU): نصّب نسخة الـ GPU لسرعة أكبر: pip install "audio-separator[gpu]"

---

التشغيل

بدون أي تنصيب: النسخة المحمولة (ويندوز) — الأسهل للجميع

لو تبي تشاركه لشخص ما عنده خبرة تقنية، استخدم النسخة المحمولة. تضم نسخة Python و FFmpeg جواها، فالمستلم ما يحتاج ينصّب أي شي.

1. ابنِ الحزمة (مرة وحدة عندك):

   powershell -ExecutionPolicy Bypass -File build_portable.ps1

   تطلع في dist\NoMusic Podcast Cleaner Portable\ (وملف مضغوط ~187 ميجا).
2. أرسل المجلد (أو المضغوط) للشخص.
3. هو يفك الضغط ويسوي دبل-كليك على Run NoMusic.bat.
   • أول تشغيل ينزّل المكوّنات تلقائياً (إنترنت + كم دقيقة، مرة وحدة).
   • بعدها يشتغل بثواني ويفتح المتصفح.

ضغطة وحدة (لو Python منصّب)

دبل-كليك على Run NoMusic.bat.

• أول مرة يجهّز البيئة وينصّب كل شي تلقائياً (يأخذ كم دقيقة — مرة وحدة).
• بعدها يشتغل بثواني ويفتح المتصفح تلقائياً.

يدوي (أي نظام)

python app.py

يطلع رابط محلي (عادةً http://127.0.0.1:7860) ويفتح في المتصفح.

خطوات الاستخدام

1. حط ملف أو أكثر.
2. اختر القوة (Strength).
3. (اختياري) فعّل Quick test لمعالجة أول 30 ثانية بس — ممتاز لتجربة ملف طويل.
4. (اختياري) خلّ Even out the volume شغّال لمستوى صوت مريح.
5. (اختياري) فعّل Reduce background noise لتنظيف خفيف للضوضاء.
6. اضغط Start cleaning. زر Stop يوقف الشغل عند أقرب نقطة آمنة.
7. حمّل النتائج من Cleaned files — وكمان محفوظة في outputs/.

القوة (Strength)

القوة	النموذج	السرعة	الأفضل لـ
Fast	Kim_Vocal_2 (MDX)	الأسرع	فحص سريع / معاينة
Balanced	UVR-MDX-NET-Voc_FT	متوسطة	الاستخدام اليومي (موصى به)
Strong	Demucs (htdemucs_ft)	الأبطأ	الموسيقى الصعبة، أفضل جودة

أول مرة تستخدم قوة معيّنة، النموذج ينزّل تلقائياً (مئات الميجا). بعدها يستخدم النسخة المحفوظة.

---

الصيغ المدعومة

• فيديو: .mp4 .mov .mkv .avi .webm .m4v .flv
• صوت: .mp3 .wav .m4a .aac .flac .ogg .opus .wma

المخرجات: صوت نظيف MP3 + WAV، وفيديو نظيف MP4.

---

المساحة ومتطلبات الجهاز

المساحة على القرص:

المرحلة	الحجم
التحميل (المضغوط)	~187 ميجا
بعد التثبيت (أول تشغيل)	~1.9 جيجا
+ نموذج الصوت (أول استخدام لكل قوة)	+0.3 إلى ~1 جيجا

احجز ~2.5–3 جيجا مساحة فاضية لتكون مرتاح.

قوة الجهاز:

المستوى	المواصفات	التجربة
الحد الأدنى	ويندوز 64-بت · رام 4 جيجا · معالج نواتين	يشتغل بس بطيء — استخدم Fast + Quick test
موصى به	رام 8 جيجا · معالج 4 أنوية	جيد مع Balanced
الأفضل	رام 16 جيجا، أو كرت NVIDIA	سريع مع Strong

• كرت الشاشة مو شرط — يشتغل على المعالج. كرت NVIDIA يسرّعه بمرات (نسخة GPU).
• السرعة على المعالج: تقريباً 0.5×–3× مدة الصوت (Fast الأسرع، Strong الأبطأ).

---

الملفات الطويلة والأجهزة المتوسطة

البرنامج مصمّم يشتغل على لابتوبات عادية (بدون كرت شاشة، رام ~8 جيجا)، حتى للتسجيلات الطويلة:

• معالجة مونو — يحوّل الصوت لقناة واحدة قبل الفصل. الكلام ما يحتاج ستيريو، وهذا يقلّل الذاكرة والوقت للنص تقريباً.
• تقطيع تلقائي — الملفات الأطول من ~12 دقيقة تنقسم لمقاطع ~10 دقائق، تتنظّف وحدة وحدة، بعدين تتلصّق. الذاكرة تبقى محدودة مهما طال الملف (ملف ساعتين يشتغل زي ملف 5 دقائق).
• استئناف بعد التعطّل — المقاطع المنتهية تُحفظ أثناء التشغيل. لو تعطّل الشغل وأعدته، يتخطى المقاطع اللي خلصت بدل ما يبدأ من الصفر.
• قص عند السكوت — حدود المقاطع تنحط عند لحظات الهدوء، فالوصلات ما تنسمع والمدة الكلية تبقى نفسها (الصوت والفيديو يضلون متزامنين).

---

ملاحظات الأداء (GPU/CPU)

• على المعالج (CPU)، الفصل هو الجزء البطيء — توقّع تقريباً 0.5×–3× مدة الصوت حسب القوة والجهاز (Fast الأسرع، Strong الأبطأ). ملف ساعتين يأخذ وقت — شغّله واتركه.
• على كرت شاشة NVIDIA مدعوم (نصّب audio-separator[gpu])، الفصل أسرع بكثير.
• خطوات FFmpeg سريعة؛ إعادة بناء الفيديو تنسخ الصورة الأصلية بدون إعادة ترميز، فما فيه أي فقدان للجودة.

---

بنية المشروع

nomusic-podcast-cleaner/
  app.py                 # واجهة Gradio + تنظيم العملية
  requirements.txt
  README.md / README.en.md
  Run NoMusic.bat        # تشغيل بضغطة (ويندوز)
  build_package.ps1      # بناء نسخة جاهزة للمشاركة
  src/
    config.py            # الإعدادات والثوابت
    media_utils.py       # كشف نوع الملف + كل أوامر FFmpeg
    pipeline.py          # التنظيم: مونو، تقطيع، استئناف، لصق
    separator.py         # فصل الكلام (audio-separator / Demucs)
    audio_postprocess.py # ضبط الصوت + تصدير MP3/WAV + فحص الموسيقى
  outputs/               # النتائج هنا
  temp/                  # ملفات مؤقتة (آمن حذفها)

---

حل المشاكل

• "FFmpeg was not found" — نصّب FFmpeg وأعد فتح الطرفية.
• "No source-separation backend is installed" — شغّل pip install "audio-separator[cpu]".
• أول تشغيل بطيء / يبدو واقف — هذا تنزيل النموذج. التشغيلات الجاية أسرع بكثير.
• نفدت الذاكرة — جرّب قوة Fast، أو سكّر التطبيقات الثانية.