Ultimate Vocal Remover v5.6 指南：如何用 AI 人声移除从歌曲中提取人声与伴奏

Ultimate Vocal Remover v5.6 指南：如何用 AI 人声移除从歌曲中提取人声与伴奏

【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/ultimatevocalremovergui

Ultimate Vocal Remover（简称 UVR）是一款带图形界面的开源 AI 音频分离工具，它调用 MDX-Net、VR Architecture、Demucs 三类深度学习模型，把一首歌拆成人声、伴奏、鼓、贝斯等独立轨道，不需要写代码，适合想提取伴奏做人声消除、或做多轨拆分但不会用专业音频软件的用户。

典型使用场景

从翻唱录音里提取干净伴奏。选 MDX-Net 架构的人声模型，可以得到相对干净的人声轨和伴奏轨，能用于练声、伴奏跟唱。边界在于：混音复杂、人声混响重的曲目，伴奏里仍会有少量人声残留。

给播客或录音清掉背景噪声。选 VR Architecture 架构的降噪模型，专门处理底噪、环境音这类问题，效果比通用分离模型更定向。它解决不了失真或削波问题。

把歌曲拆成多轨。用 Demucs 模型一次拆出 Vocals、Drums、Bass、Other 四轨（部分模型支持 Guitar、Piano 六轨），适合做采样、翻编。鼓和贝斯的分离质量整体最好，人声轨通常不如专用人声模型纯净。

安装与环境准备

硬件方面：软件只支持 64 位系统；用 NVIDIA 显卡跑 GPU 加速最低要求 RTX 1060 6GB，推荐 8GB 以上显存，没有独显时 CPU 也能跑，只是更慢。

Windows 安装

从项目 Release 页下载 v5.6 Windows 安装程序（UVR_v5.6.0_setup.exe），按向导安装即可，包内已带 Python 和 PyTorch，无需额外装依赖。注意：必须装到 C 盘主目录，装到其他盘会导致不稳定；AMD 显卡或 Intel Arc 用户选 OpenCL 版本安装包。

macOS 安装

从 Release 页下载对应芯片的 dmg：M 系列芯片选 arm64 版本，Intel 芯片选 x86_64 版本。要求 macOS Big Sur 及以上；M1 芯片的 MPS 加速已支持 Demucs v4 和所有 MDX-Net 模型。首次启动初始化可能需要 5–10 分钟。

Linux 安装

Debian/Ubuntu 系最短路径（install_packages.sh 脚本会顺带装好系统依赖）：

sudo apt update && sudo apt upgrade sudo apt install ffmpeg python3-pip python3-tk chmod +x install_packages.sh ./install_packages.sh python3 UVR.py

Arch 系则用sudo pacman -S python-pip tk ffmpeg装好依赖后执行pip3 install -r requirements.txt && python3 UVR.py。注意处理非 WAV 文件依赖系统里的 FFmpeg。

提取伴奏的完整操作流程

第一步：导入音频并指定输出目录

在 "Select Input" 区域点按钮选择音频文件，或直接拖文件进窗口；在输入列表上右键可以整文件夹批量导入。然后用 "Select Output" 指定导出目录，批量处理时输出会按文件名自动归档。上方的 WAV / FLAC / MP3 单选框决定导出格式，默认 WAV（16-bit PCM），除非要压缩体积，否则保持 WAV。

第二步：选择 AI 模型架构

"Choose Process Method" 下拉框有五个选项，按需求选：

• MDX-Net：人声/伴奏分离的首选，模型列表里的 MDX23C 系列是当前分离精度最高的一档。只要人声和伴奏两轨，选它。
• VR Architecture：主打降噪、去混响，适合处理有噪声的素材；人声分离纯度不如 MDX-Net。
• Demucs：多轨拆分，一次分出 Vocals、Drums、Bass、Other。要拆鼓或贝斯选它。
• Ensemble Mode：把 2 个及以上模型结果合并，精度更高但耗时更长，新手第一轮不用开。
• Audio Tools：对齐、混音等后处理工具，不是分离模型。

首次使用时模型列表为空：点左下角扳手图标进设置，在 Download Center 下载所需模型，文件会存到 models/ 目录（MDX 模型进 models/MDX_Net_Models/，VR 进 models/VR_Models/）。

第三步：设置处理参数

参数区随架构变化，常见的是：

• Segment Size（MDX-Net）：喂给模型的音频块长度，默认 256。显存紧张就调小，追求质量且显存足够就调大。
• Overlap（MDX23C）：重叠量，默认 8，管边界平滑度，一般不动。
• Window Size（VR Architecture）：默认 512。320 质量略好但更慢，1024 更快但质量下降。
• Aggression（VR Architecture）：提取强度，默认 5，人声/伴奏都建议保持 5。
• GPU Conversion：有 NVIDIA 显卡务必勾选，速度差距明显；AMD 用 OpenCL 版本对应开关。
• Sample Mode (30s)：只处理前 30 秒，用来快速试听效果，正式跑之前先勾它测一次。

第四步：运行分离

确认输入、输出、模型、参数无误后点 "Start Processing"。底部进度条和状态文本会实时显示当前文件和处理进度，批量任务按队列顺序自动跑完，中途可点停止按钮（会弹确认框）。软件关闭时会自动记住本次设置，下次打开不用重设。

第五步：查看输出结果

结果在输出目录里，文件名格式为"原文件名_模型名_轨道名.wav"，例如test_MDX23C-InstVoc_HQ_vocals.wav是人声轨，..._instrumentals.wav是伴奏轨。用系统播放器对比原曲听一遍：伴奏轨重点听主歌/副歌段落有没有明显人声残留，人声轨听有没有破音或空洞感。不满意就换模型或调参数重跑。

关键参数速查

表内参数都从默认值起步即可，一次只改一个参数对比结果，更容易判断是哪个起了作用。

常见问题处理

现象：处理 MP3/FLAC 等文件时报错。原因：系统缺少 FFmpeg，UVR 依赖它转换非 WAV 格式。 处理：Linux 执行sudo apt install ffmpeg；Windows 把 ffmpeg.exe 放到 UVR 安装目录。

现象：内存分配错误，进程崩溃。原因：Segment 或 Window 尺寸太大，显存/内存装不下。 处理：把 Segment Size 减半重跑，显存 6GB 以下建议不超过 256。

现象：处理速度明显偏慢。原因：没走 GPU，或块尺寸过大。 处理：勾选 GPU Conversion 并确认 NVIDIA 驱动正常；仍慢则降低 Segment Size，并关掉占显卡的后台程序。

现象：伴奏里人声残留较多。原因：模型与音频风格不匹配，或分离强度不够。 处理：换 MDX23C 系列里另一个模型对比；或用 Ensemble Mode 合并两个模型结果；Demucs 的 Vocals 轨也可以做交叉验证。

现象：macOS 上点击无反应或打不开应用。原因：系统安全策略拦截未公证应用（Sonoma 的左键问题已在 v5.6 修复）。 处理：终端执行sudo xattr -rd com.apple.quarantine /Applications/Ultimate\ Vocal\ Remover.app后重试。

延伸资源

• README.md：完整安装说明、硬件要求与故障排查
• install_packages.sh 与 requirements.txt：Linux 一键安装脚本和 Python 依赖清单
• models/：三类模型（VR、MDX-Net、Demucs）的本地存放目录
• separate.py：分离推理的核心实现，想看模型如何被调用可以读这里

结语

先用默认参数勾上 Sample Mode (30s)，对一首目标曲目跑 30 秒试听，确认伴奏残留是否在可接受范围，再取消采样模式跑完整版。找到一组可用设置后，在 "Select Saved Settings" 里存成预设，后续同类文件直接套用即可。

【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