Ultimate Vocal Remover 人声分离工具完整指南：从安装到批量处理
【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
Ultimate Vocal Remover（下文简称 UVR）是一个免费开源的人声分离工具，用图形界面把一首歌里的人声和伴奏拆开，也可以按鼓、贝斯、其他乐器做更细的拆分。它把几套不同的深度学习分离模型打包进同一个窗口，你只管选输入文件、挑一个模型、点开始处理，剩下的交给它。下面是安装、选模型、调参数、开 GPU 和排错的实操路线，全程只针对"能不能稳定出结果"这件事。
十分钟装好 UVR 并跑出第一首分离结果
官方提供了 Windows 和 macOS 的安装包，里面已经带好 Python、PyTorch 和全部依赖，不用手动配环境，解压安装后直接启动即可。Linux 没有安装包，只能从源码跑。
用源码安装（Debian/Ubuntu）只需一段命令：
sudo apt install ffmpeg python3-pip python3-tk pip3 install -r requirements.txt python3 UVR.py首次分离建议走最短路径：
- 点Select Input选一首 WAV 或 FLAC 文件（WAV 最省事）。
- 点Select Output指定输出目录。
- 处理方法保持默认的 MDX-Net，在模型列表里挑一个 MDX 模型。
- 输出格式选 WAV，点Start Processing。
- 处理完到输出目录试听人声轨和伴奏轨。
想先快速验证而不等整首跑完，可以勾Sample Mode，它默认只处理 30 秒，适合先确认模型和参数合不合适。
三种处理方法怎么选：VR、MDX-Net、Demucs
UVR 把分离模型分成三大类，选错大类，后面参数怎么调都白费。
| 处理方法 | 擅长 | 说明 |
|---|---|---|
| VR Architecture | 传统人声/伴奏二分 | 最经典的一档，速度稳 |
| MDX-Net | 人声、乐器、鼓、贝斯等细分 | 默认方法，模型种类最多 |
| Demucs | 复杂编曲的多轨拆分 | 支持 2 / 4 / 6 轨，可选 htdemucs 等 |
- 只要"人声 + 伴奏"两轨，VR 或 MDX-Net 都够，优先用 MDX-Net。
- 想拆出鼓、贝斯、其他，用 Demucs 的 4 轨或 6 轨，或在 MDX-Net 里挑对应乐器的模型。
- 模型不在本地时，去设置里的Download Center下载，文件会分别放进
models/VR_Models、models/MDX_Net_Models、models/Demucs_Models。 - 用Ensemble Mode把多个模型结果混合时，至少要先选 2 个模型，否则程序会直接报"Not Enough Models"。
效果不理想时先动 Segment 和 Overlap
大多数"分离不干净"或"内存爆掉"的问题，先别急着换模型，先看这两个旋钮。
- Segment（分段大小）：MDX-Net 默认 256。值越小越吃内存，值越大越吃显存/内存，但可能更完整。官方说明里明确写了：内存分配报错，通常把 Segment 或 Window 调小就能解决。
- Overlap（重叠比例）：控制相邻分段的重叠，越大衔接越顺但更慢，越小越快。MDX23 系列默认 8。
- VR 里对应的叫Window Size（320 / 512 / 1024），1024 快但偏糙，320 慢一点但更细。
我测下来，第一首跑完如果发现人声轨里有杂音，先把 Overlap 调大一档比反复换模型见效更快；如果直接崩内存，就回头把 Segment 往小调。
开 GPU 加速前，先确认显卡够不够
勾选界面上的GPU Conversion能明显提速，但前提是你的硬件达标，否则可能加载失败或更慢。
- 官方最低要求：NVIDIA RTX 1060 6GB；推荐显存 8GB 以上。
- AMD / Intel 核显：目前支持有限，Windows 上可以试 OpenCL 版本。
- Mac M 系列芯片：可用 MPS 加速，覆盖 Demucs v4 和全部 MDX-Net 模型。
- 程序会自动记住你上次的设置，关掉重开不用再配一遍。
显存不够时，与其硬开 GPU，不如关回 CPU 并把 Segment 调小，反而更稳。
批量处理和输出格式怎么设
- 一次选多个文件，或直接把文件拖进输入区，就会按顺序处理，界面里有Batch Mode选项控制批处理行为。
- 输出格式支持WAV、FLAC、MP3：要二次编辑选 WAV，要存档选 FLAC，要分享选 MP3（MP3 有 96k–320k 码率可选）。
- 想只要人声或只要伴奏，勾选对应的Vocals Only / Instrumental Only，别两边都留。
- 处理速度高度依赖硬件，这些模型本身计算量就不小，长曲加 GPU 时别期望和短视频剪辑一样快。
报错时去哪找答案
先按这几个高频原因排查，能省掉大半折腾：
- 转换非 WAV 文件报错：大概率是没装 FFmpeg。UVR 处理非 WAV 依赖 FFmpeg，先确认它装好。
- 内存分配错误：把 Segment 或 Window 调小。
- 音高/变速工具不可用：Time Stretch 和 Change Pitch 依赖 Rubber Band 库，需要单独安装。
- 看不到具体错因：点 Start Processing 左侧的设置按钮，打开Error Log看详细信息，再据此去提 issue。
- 提 issue 时把 Error Log 的内容和系统版本一起贴出来，定位会快很多。
下一步建议：先用 Sample Mode 跑一首你最熟的歌，重点盯Segment和Overlap这两个参数是否合适，GPU 是否真的加载成功；确认流程跑通后，再开 Batch Mode 批量处理，格式按用途在 WAV / FLAC / MP3 里选一个固定下来。
【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
