5分钟把歌曲的人声和伴奏分开免费开源人声分离工具 Ultimate Vocal Remover 零基础上手【免费下载链接】ultimatevocalremoverguiGUI for a Vocal Remover that uses Deep Neural Networks.项目地址: https://gitcode.com/GitHub_Trending/ul/ultimatevocalremovergui想给喜欢的歌做卡拉OK伴奏或者从采样里单独抠出清唱人声Ultimate Vocal Remover下文简称 UVR就是干这个的它用深度学习模型把一首歌拆成人声、伴奏等几个独立音轨全程免费开源。UVR 是什么适合谁UVR 是一个带图形界面的音频分离工具核心是 MDX-Net、Demucs 这两套音频源分离模型——你可以把它们理解成两种不同配方的 AI各自擅长不同的音乐类型。你不需要会写代码也不需要懂信号处理选个文件、点个按钮就行。它适合三类人想在家练唱、需要干声伴奏的 K 歌爱好者做混音、采样时需要单音轨的音乐制作人以及想批量清理本地曲库的普通用户。一次处理下来你会得到和原歌时长一致的独立 WAV 文件想再导成 MP3 也可以自己转。快速上手环境准备3 行命令装好依赖UVR 基于 Python 运行依赖由 requirements.txt 统一管理。拿到代码后在仓库目录下执行pip install -r requirements.txtLinux 用户也可以直接跑项目自带的 安装脚本它会自动逐个安装依赖。装完的判断标准很简单下一条命令能启动就说明环境没问题。跑通第一次分离启动界面python UVR.py弹出深色主界面即算成功。接着点 Select Input 选中一首歌点 Select Output 选好存放结果的文件夹模型下拉框保持默认的 MDX-Net 不动点 Start Processing。几分钟后打开输出目录看到 vocals.wav人声和 instrumental.wav伴奏两个文件第一次分离就跑通了。关键参数说明Process Method处理模型MDX-Net 是通用选手速度快、质量稳Demucs 对编曲复杂的歌分离更干净但更吃硬件。拿不准就先选 MDX-Net。Segment Size分片大小把长音频切成多小段来算默认 256。数值越小越省内存但分段接缝可能更明显。Overlap重叠率相邻分片重叠的比例默认 8越大接缝过渡越平滑速度略慢。GPU Conversion有 NVIDIA 显卡就勾上处理速度能快好几倍AMD/Intel 核显用户可以忽略。典型场景实战做卡拉OK伴奏用 Vocal Remover 做练习伴奏是最常见的用法勾选 Instrumental Only只要伴奏选一首歌处理。输出的 instrumental.wav 就是去掉人声的干伴奏可以直接连进练唱软件。如果伴奏里还残留少量人声换一个 MDX-Net 型号重跑一遍对比一下不同模型残响程度不同。提取清唱人声做采样或修音时只要人声勾选 Vocals Only。处理完拿到的 vocals.wav 是相对干净的干声适合送去修音软件里调音高、加混响。编曲特别复杂的歌可以试试 Demucs 模型它对多声部混音的拆解更利索。批量处理整批文件曲库里十几首歌都要做伴奏勾上 Sample Mode (30s) 可以先只切每首歌的 30 秒片段试跑确认效果没问题再取消勾选、完整处理避免白等。输入框支持直接选文件夹一次丢进去一批文件UVR 会逐个处理完再停下。避坑指南与进阶现象处理慢得能泡杯茶→ 先确认勾了 GPU Conversion 且显卡驱动正常没有独显就调小 Segment Size 换速度。现象报内存分配错误→ 把 Segment Size 从 256 降到 128再不行降 Overlap这是官方推荐的解法。现象选 MP3 当输入直接报错→ 说明系统没装 FFmpeg装上后 UVR 才能读取非 WAV 格式。现象分离效果不佳、有嗡嗡底噪→ 换模型或调 Overlap重要项目建议全程用 WAV 输出MP3/FLAC 的压缩会在二次分离时放大瑕疵。模型怎么选MDX-Net 型号多、速度快适合日常Demucs 更稳但更慢。同一首歌各跑一次对比试听是最靠谱的选择方式。结语回到开头那个场景现在你已经能从一首歌里拿到干净的伴奏和清唱练唱、采样、修音各取所需。剩下的就是打开曲库挑下一首歌了。【免费下载链接】ultimatevocalremoverguiGUI for a Vocal Remover that uses Deep Neural Networks.项目地址: https://gitcode.com/GitHub_Trending/ul/ultimatevocalremovergui创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考