用 UVR 快速分离人声和伴奏

用 UVR 快速分离人声和伴奏【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/ultimatevocalremoverguiUltimate Vocal RemoverUVR是一款开源的 AI 音频分离工具给一首歌它把人声和伴奏拆成两条音轨。本文面向想做 K 歌伴奏、remix 素材或录音降噪的音乐爱好者和内容创作者讲清安装、选型和参数用法。一分钟看懂音频分离是什么、UVR 能做到什么音频分离就是把一条混合音轨拆成多条独立音轨。UVR 的核心是神经网络模型可以把它理解成听过上万首歌、学会分辨哪段是人声、哪段是乐器的老师。运行时 UVR 把歌曲切成小段模型逐段判断每一段里哪些属于人声、哪些属于伴奏再拼回完整时长最后得到两条输出人声轨和伴奏轨。它内置三套模型架构各有所长MDX-Net模型数量多人声分离是它的强项适合大多数场景Demucs能把同一首歌拆出人声、鼓、贝斯、其他四轨适合复杂多轨需求VR Architecture对现场录音适应性更好还带专门的降噪模型。安装前自检硬件和依赖要准备什么这类模型比较吃算力硬件直接决定处理快慢。最低配置现代多核 CPU、8GB 内存。没有显卡也能跑但处理一首歌可能要等一段时间。推荐配置i7 / Ryzen 7 级别 CPU、16GB 内存、NVIDIA RTX 1060 6GB 或更高显卡官方给出的 GPU 加速最低要求。最佳配置高端多核 CPU、32GB 内存、NVIDIA 显卡显存 8GB 及以上官方推荐标准。Windows 和 macOS 用户下载安装包即可安装包内自带 Python 和全部依赖装完就能用。Linux 用户从源码安装git clone https://gitcode.com/GitHub_Trending/ul/ultimatevocalremovergui cd ultimatevocalremovergui ./install_packages.sh python3 UVR.py开始前记得先装好 FFmpeg包管理器一条命令即可后面处理非 WAV 文件时会用到。第一次分离如何从音频文件走到两条输出打开 UVR 后主界面从上往下依次是文件区、格式选择、处理方法和参数区按这个顺序走一遍就好。先点 Select Input 选要处理的音频。软件支持 WAV、MP3、FLAC 等常见格式非 WAV 格式靠 FFmpeg 解码。接着点 Select Output 指定输出目录并勾选保存格式——WAV、FLAC、MP3 三选一后续还要做二次处理的话选 WAV 最稳妥。然后在下拉里选处理架构第一次保持默认的 MDX-Net 即可和具体模型比如 MDX23C-InstVoc HQ 是一款常用的人声分离模型。有 NVIDIA 显卡就勾选 GPU Conversion。想先试试效果可以勾 Sample Mode (30s)它只用前 30 秒快速预览确认后取消勾选点 Start Processing 正式跑。完成后输出目录里会出现两个文件类似歌曲名_(Vocals).wav和歌曲名_(Instrumental).wav一条人声、一条伴奏。模型和参数怎么选按场景对号入座模型选择大致分三类需求。只要干净的人声或伴奏选 MDX-Net 系列的模型想把整首歌拆成几条轨道用 Demucs四轨拆出人声、鼓、贝斯、其他录的是现场声或者想压掉环境噪音试 VR Architecture 系列里面有降噪和 K 歌专用模型。参数不必每次都动默认值多数时候够用常用的几个参数默认值怎么调Segment Size256调大512、1024更快但更吃内存Overlap8加大可减轻分段接缝感代价是更慢GPU Conversion关有 NVIDIA 显卡就勾选Vocals Only / Instrumental Only关两条都存勾选后只输出对应一条Sample Mode (30s)关用前 30 秒快速试听效果场景菜单哪类需求配哪套模型K 歌伴奏家庭 KTV 和练唱的人用 Karaoke 类模型如 UVR-MDX-NET Karaoke处理原曲分离后得到一条去人声的伴奏轨。remix 素材制作人用 MDX-Net 提取人声干声重新编曲做新版本伴奏轨也能直接当底鼓和贝斯的素材。播客降噪访谈和播客录音混入环境噪音时用 VR Architecture 的降噪模型先分离噪音剩下的语音轨明显更干净。音乐教学老师用 Demucs 的四轨模式拆出鼓轨给学生做节奏练习或单独取出贝斯轨当教学素材。卡住了怎么办常见问题和批量处理内存分配报错最常见的原因一次就解决把 Segment Size 调小比如从 512 降到 256。处理 MP3、FLAC 这类非 WAV 文件失败多半是没装 FFmpeg装上再试。效果不满意时别硬调参数先换一套模型或者两个模型接力用第一个模型粗分第二个模型再精修往往比单模型堆参数更管用。遇到报错可以点 Start Processing 左侧的 Settings 按钮打开 Error Log反馈问题时把日志附上定位会快很多。文件多的时候不必一张张点命令行可以批量跑示例python separate.py -i input_folder/ -o output_folder/ -m mdx_extra_q项目资源许可证、核心文件和求助渠道UVR 采用 MIT 许可证代码可以免费使用、修改和再分发。核心代码集中在两个文件UVR.py 是图形界面separate.py 是分离算法主体预训练模型都放在 models/ 目录下的 MDX_Net_Models、VR_Models、Demucs_Models 三个子目录缺模型时也可以从应用内的下载菜单补齐。遇到问题先去项目页面提 issue 并附上 Error Log熟悉代码的话直接发 pull request开发者会做评审。最后给个建议不用急着研究全部参数先挑一首熟歌用默认设置完整跑一遍听听那两条输出轨的实际效果再决定下一步该往哪里调。【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