请你帮忙给出spleeter的Pytorch的预训练分离模型

在 Spleeter 的 PyTorch 版本中，可以使用预训练的分离模型来进行音频分离。以下是几个常用的预训练模型：

1. `spleeter:2stems`：这是 Spleeter 默认的预训练模型，用于将混合音频分离为两个音频轨道（伴奏和人声）。

2. `spleeter:4stems`：这是 Spleeter 提供的预训练模型之一，用于将混合音频分离为四个音频轨道（伴奏、人声、鼓和其他）。

3. `spleeter:5stems`：这是 Spleeter 提供的预训练模型之一，用于将混合音频分离为五个音频轨道（伴奏、人声、鼓、贝斯和其他）。

这些预训练模型可以在 Spleeter 的 GitHub 仓库中找到，并且可以通过以下方式加载：

import torch
import torchaudio
from spleeter.separator import Separator

# 加载预训练模型
model_path = 'spleeter:2stems'
separator = Separator(model_path)

# 加载音频数据
waveform, sample_rate = torchaudio.load('path/to/audio.wav')

# 进行音频分离
prediction = separator.separate(waveform)

# 获取分离后的音频轨道
accompaniment = prediction['accompaniment']
vocals = prediction['vocals']

你可以根据自己的需求选择合适的预训练模型，并使用上述代码进行音频分离。注意，加载预训练模型可能需要一定的时间，特别是首次运行时会自动下载模型参数。