Ultimate Vocal Remover 入门：10 分钟把一首歌拆出纯人声与纯伴奏
【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（下文简称 UVR）是一款基于深度神经网络的开源人声分离工具，带完整的图形界面：给一首 MP3 或 FLAC，它能输出纯人声（Vocals）和纯伴奏（Instrumental）两条独立音轨，全程在本机完成，文件不会上传。本文以“从一首歌里做出一版伴奏”这个任务为线索，把安装、算法选择、参数调整完整走一遍，全部步骤在任何平台上都能复现。
从一首歌做出一版伴奏：完整操作顺序
第一次使用按下面的顺序点下去即可：
- 选择输入：点 "Select Input" 选中歌曲文件，也可以直接把文件拖进窗口，支持一次选择多个文件批量处理。
- 选择输出：指定保存结果的文件夹。建议输入、输出目录分开建立，方便管理。
- 选输出格式：WAV 无损但体积最大，FLAC 体积居中，MP3 最小。首跑建议选 WAV，避免叠加有损压缩的损失。
- 选算法：在 "Choose Process Method" 中选 MDX-Net，它在人声/伴奏分离上是目前最稳的通用选择。
- 选模型：MDX-Net 下拉里选 MDX23C-InstVoc HQ，该模型针对人声与伴奏的分离专门优化。
- 勾选 Instrumental Only：只输出伴奏轨。如果你要的是人声，改勾 "Vocals Only"；两个都不勾则两轨都导出。
- 开始处理：点 "Start Processing"，进度会实时显示，完成后去输出目录拿结果。
界面上 "Start Processing" 左侧的扳手按钮是设置入口：可以把当前的模型和参数组合保存下来，下次直接用 "Select Saved Settings" 加载，不用重复手选。
克隆仓库后，十分钟装好 UVR
UVR 是 Python 项目，源码安装只需三步：
git clone https://gitcode.com/GitHub_Trending/ul/ultimatevocalremovergui cd ultimatevocalremovergui ./install_packages.sh安装脚本 会按 依赖清单 逐个安装 PyTorch、librosa、soundfile 等包。如果脚本在你的系统上跑不通，退一步手动安装：
pip install -r requirements.txt然后启动：
python UVR.py三个注意点：
- FFmpeg 是必需的：非 WAV 格式（MP3、FLAC）依赖 FFmpeg 解码。首次导入 MP3 就报错，多半是缺它，Debian 系系统一条
sudo apt-get install ffmpeg即可。 - 首次启动偏慢：程序会做初始化检查和模型数据准备，模型文件按架构分别放在 预训练模型目录 的 MDX_Net_Models、VR_Models、Demucs_Models 子目录里。
- 不想配环境的用户：Windows 和 macOS 可以直接从官方仓库的 Release 页下载打包版，里面自带 Python 与 PyTorch，解压即用。
模型怎么选：VR、MDX-Net 与 Demucs 三条路线
UVR 内置三类分离算法，网络结构和适用场景各不相同：
| 算法 | 工作方式 | 典型模型 | 适合场景 |
|---|---|---|---|
| MDX-Net | 混合频谱网络 | MDX23C-InstVoc HQ | 人声/伴奏两轨分离，通用首选 |
| Demucs | 多轨道源分离 | Demucs v3 / v4 | 人声、鼓、贝斯、其他乐器的四轨拆分 |
| VR Architecture | 幅度谱网络 | VR-DeEcho、DeNoise 系列 | 去回声、降噪等专项任务 |
选择建议：做卡拉OK 伴奏或提取人声，先试 MDX-Net；做混音需要多轨素材，选 Demucs v4，它能拆出 vocal、drums、bass、other 四个文件；目标是清理回声、底噪这类特定问题，再去 VR Architecture 里找专用模型，比如仓库自带的 UVR-DeNoise-Lite。
模型背后的实现都在 核心算法库：MDX-Net 在 mdxnet.py，Demucs 在 demucs/，频谱相关的工具函数在 spec_utils.py。每个下拉选项对应哪层代码，对照这三个目录基本都能找到。
参数怎么调：Segment Size 与 Overlap 的取舍
MDX-Net 真正需要理解的参数只有两个：
- Segment Size：每次送入模型的处理窗长度，默认 256。值越大上下文越完整、衔接越平滑，但内存占用越高。
- Overlap：相邻处理窗之间的重叠比例，界面默认 0.25 附近。值越大过渡越连贯，处理越慢。
两条实战规则：
- 内存报错（CUDA out of memory）：优先把 Segment Size 调小，例如降到 128，而不是关 GPU。
- 显存不够：官方建议 NVIDIA 显卡至少 8GB 显存，GTX 1060 6GB 是能启用 GPU Conversion 的最低线。显存不足时取消勾选 GPU Conversion 回落到 CPU，速度慢但稳定。
另外，应用会在你关闭时自动记住全部设置，不必每次重新配置。
进阶：多轨分离、降噪与自定义模型
跑通基础流程后，值得试试这几件事：
- 四轨拆分：Demucs v4 输出人声、鼓、贝斯、其他乐器四个文件，配合界面里的 Primary / Secondary Stem 选项，可以只保留你要的那几轨。
- 降噪与去回声：勾选 Denoise 或 DeEcho 选项，调用对应的 VR 专项模型处理 MDX-Net 输出中的残留噪声，对现场录音尤其有用。
- 组合模型：把多个模型的输出做平均（Ensemble），难分离的段落会更干净，组合配置保存在
gui_data/saved_ensembles/。 - 添加自己的模型：把权重文件放进 models/ 下对应架构的子目录，重启后就会出现在下拉列表里。
常见问题：报错与效果不佳怎么办
- 导入 MP3 就报错：十有八九是 FFmpeg 没装或不在 PATH 里，装好再试。
- 处理中内存/显存报错：先降 Segment Size，再考虑暂时关 GPU Conversion 用 CPU 验证。
- 速度太慢：确认 GPU Conversion 已勾选且显卡被识别，纯 CPU 比 GPU 慢一个量级很正常。
- 人声残留明显：换另一个模型对比，或用组合模型取平均；不同歌曲在不同模型下的表现差异不小，多做 A/B 试听。
- 想反馈 Bug：点界面 "Settings" 再点 "Error Log"，把详细日志贴给项目社区即可，错误文案的组织逻辑在 gui_data/error_handling.py。
如何开始，遇到问题去哪找
第一次分离的路径是：克隆仓库 → 装依赖 →python UVR.py启动 → 选一首歌，MDX-Net 加 MDX23C-InstVoc HQ，参数保持默认，勾 Instrumental Only，点 Start Processing。拿到第一版输出后，再回头调 Segment Size 和 Overlap，或者换成 Demucs 试多轨拆分。中途卡住时，先检查 FFmpeg 和 Python 版本，再看仓库自带的 Error Log 与 README 的 Troubleshooting 小节，两者都放在仓库根目录，能覆盖绝大多数安装和处理阶段的报错。
【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
