Ultimate Vocal Remover 教程：用 UVR 把一首歌的人声和伴奏分开（免费开源，10 分钟出结果）

Ultimate Vocal Remover 教程：用 UVR 把一首歌的人声和伴奏分开（免费开源，10 分钟出结果）

【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）是一款开源免费的人声提取工具：给它一首歌，它还给你「伴奏」和「人声」两个文件。假设你要做一段卡拉OK练习音源，或者想给视频找一段没有歌词的背景音乐，跟着下面的流程走，从下载到拿到分离结果大约需要 10 分钟。

能力速览：它能做什么、要什么条件

UVR 5.6 是基于 PyTorch 的桌面程序，内置 VR、MDX-Net、Demucs 三套分离引擎。Windows 和 macOS 用预编译包即可，包里已含 Python、PyTorch 和全部依赖，不用自己配环境；Linux 需要手动装依赖。界面会自动记住你上次关闭时的设置，下次直接复用参数。

项目	说明
输入	FFmpeg 能解码的音频：MP3、FLAC、WAV 等；非 WAV 文件依赖系统装有 FFmpeg
输出	分离文件（Instrumental、Vocals 等），建议以 WAV 保存
系统	Windows 10 及以上（须装在 C 盘）、macOS Big Sur 及以上、64 位 Linux
硬件	CPU 可跑但很慢；建议 NVIDIA 显卡（最低 RTX 1060 6GB，推荐 8GB 显存）；AMD Radeon / Intel Arc 可用 OpenCL 版本

首次分离走通流程

第一步：安装并启动

• Windows：运行安装程序，安装位置保持 C 盘不变。
• macOS：按芯片选 arm64（M1 及以上）或 x86_64（Intel）版本。
• Linux：克隆仓库后按 依赖清单 安装并运行：

git clone https://gitcode.com/GitHub_Trending/ul/ultimatevocalremovergui pip3 install -r requirements.txt

装好后执行python3 UVR.py（Debian/Arch 系统可先看 install_packages.sh 补齐 FFmpeg、Tk 等系统依赖）。首次启动需要加载模型列表，稍等片刻。

第二步：选择输入文件与输出目录

点击 "Select Input" 把要处理的歌曲加入列表（可一次加多首做批量处理），再指定 Output Folder。输出格式选 WAV 音质最好；处理前把源音频保持 44100Hz 或 48000Hz 采样率，避免二次重采样。

第三步：第一次选什么模型

模型下拉框里先挑 VR 引擎下输出为 Instrumental（伴奏）的人声移除模型。首次使用不用动任何参数，默认值就能跑通全流程。

第四步：参数微调（可选）

• Segment（分段大小，即一次处理多长的一段音频）：低配机器设 256，中等配置设 512，高性能机器可用 1024 及以上。
• Overlap（相邻两段的重叠量，用来抹平接缝痕迹）：默认 8；人声密集的歌曲提到 12–16 接缝更自然，代价是处理时间变长。
• 有 NVIDIA 显卡就勾选 GPU Conversion，速度通常快 3–5 倍。

第五步：开始处理并取结果

点击 "Start Processing" 等待完成，输出文件夹里就会出现 Instrumental 与 Vocals 文件。第一次结果不满意时，可以换引擎二刷：先用一个模型提人声，再用另一个模型从原曲取伴奏，对比两份结果取更干净的。

模型怎么选：VR / MDX-Net / Demucs

你的情况	推荐引擎	原因
只想去掉人声，流行/摇滚	VR	专攻人声移除，其余乐声保留最完整
编曲复杂、电子音乐，追求人声与乐器平衡	MDX-Net	多频带处理，各声部均衡
要把鼓、贝斯、人声、其他拆成 4 轨	Demucs	4-stem 分离（如 v4 的 htdemucs）

三套引擎的配置分散在 VR 模型参数、MDX-Net 模型数据 与 Demucs 模型数据 目录里，json 中的参数名与每个 .pth 权重一一对应，可据此确认模型身份。分离逻辑本身在 separate.py 中实现。

问题速查表

问题	原因	处理办法
输出里人声残留明显	源音质差或模型不匹配	换 MDX-Net 再试，overlap 提到 12–16；压缩感强的 MP3 先转成 WAV
内存分配报错	Segment/Window 开太大	把分段大小降到 256
处理特别慢	没走 GPU	勾选 GPU Conversion 并关闭后台程序；Mac M1 上确认引擎已用 MPS 加速
打开非 WAV 文件直接报错	缺少 FFmpeg	安装 FFmpeg 后重试，程序会自动调用它解码
Windows 装到副盘后崩溃	官方限制	重新安装并保持 C 盘路径

开始前的行动清单

1. 装好对应系统的版本：预编译包最省事，Linux 走上面两条命令。
2. 选一首 44.1kHz 的 WAV 放进 Select Input，指定输出目录。
3. 选 VR 引擎 + Instrumental 输出，参数保持默认，有 NVIDIA 卡就开 GPU Conversion，点 "Start Processing"。
4. 试听 Vocals 与 Instrumental 两份输出，不满意再按速查表调 segment、overlap 或换引擎，做第二次处理。

流程跑通后，一次导入多首歌做批量分离只是多等一首歌的时间。

【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