Ultimate Vocal Remover 新手完整指南：免费人声分离与伴奏提取，一次装好直接出轨

Ultimate Vocal Remover 新手完整指南：免费人声分离与伴奏提取，一次装好直接出轨

【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

DJ 准备混音素材，缺的是一首没有原唱的伴奏；做视频的人，想把 BGM 里的歌声去掉只留音乐；翻唱者则想抠出清唱底，对着原声练自己的版本。UVR（Ultimate Vocal Remover）就是为这些场景做的免费开源人声分离工具：它用深度神经网络把一首歌拆成人声、伴奏两条轨，拆得好时还能分出鼓、贝斯等独立分轨。当前版本 v5.6.0 全程图形化操作，点选即可，不用写一行代码，模型权重也全部内置在安装包里，装完就能用。

功能版图：两轨、四轨、六轨，它都能分

先想清楚你要拿到几条轨，再决定用哪套模型：

• 人声 + 伴奏两轨：最常用，输出 Vocals（人声）和 Instrumental（伴奏）一对文件。
• 鼓、贝斯、其他四轨：选 Demucs v4 里的htdemucs模型，能把鼓和贝斯单独拆出来。
• 六轨：换htdemucs_6s模型，拆得最细。

输入侧，WAV、MP3、FLAC、OGG 都能直接丢进去；注意非 WAV 文件要靠 FFmpeg 解码，Linux 手动安装时会一并装好。输出侧提供 WAV、FLAC、MP3 三种格式，想要无损就选 WAV。

模型分四大类，各有侧重：

模型族	适合场景
MDX-Net	速度与质量的均衡档，新手默认选项
VR Architecture	人声/伴奏双轨，快速出活
MDX23	新一代 MDX 结构，质量更强
Demucs v3 / v4	多轨分离主力，四轨、六轨都靠它

其中 Demucs v3/v4 的四轨模型来自 Demucs 官方项目，其余模型由 UVR 核心开发者训练。

附加能力值得留意：Ensemble 模式可以让多个模型一起"投票"提升质量；内置 Download Center 直接下载模型，不用自己找权重；UVR-DeNoise-Lite模型用来给含底噪的源文件降噪；时间拉伸与变调功能依赖 Rubber Band 库，Windows/macOS 安装包已内置，Linux 手动安装用不到可以不管。

能不能跑起来：硬件底线与三大平台选包

装之前先花一分钟对一下自己的配置，能省掉很多弯路：

• 内存：8GB 起步，分离大文件时更从容。
• NVIDIA 显卡：RTX 1060 6GB 是开启 GPU 转换的底线，8GB 显存体验最佳；没有独显也能纯 CPU 跑，只是速度明显变慢。
• Apple M1/M2：支持 MPS 加速，覆盖 Demucs v4 和全部 MDX-Net 模型。
• AMD Radeon / Intel Arc（Windows）：需要专门的 OpenCL 版本安装包。
• 只兼容 64 位平台。

系统要求：Windows 10 64 位及以上（推荐 Windows 11）；macOS Big Sur 11.0 及以上；Linux 推荐 Debian/Arch 系，如 Ubuntu 22.04。

三个平台的下载物不同，选错芯片架构是最大的坑：

• Windows：UVR_v5.6.0_setup.exe（NVIDIA 显卡）；AMD/Intel 显卡换UVR_v5.6.0_setup_opencl.exe。
• macOS：arm64 版 DMG 约 2.1 GB，给 Apple Silicon 机型；x86_64 版约 2.0 GB，给 Intel 机型。
• Linux：没有现成安装包，走源码仓库加系统依赖，后文有完整命令。

Windows 和 macOS 安装包已打包好 Python、PyTorch 和全部依赖，下载后直接装，无需任何前置环境。

安装走一遍：Windows、macOS、Linux 三条线

Windows：一个安装包，装进 C 盘

1. 从项目 release 页下载UVR_v5.6.0_setup.exe（AMD/Intel 显卡改下 OpenCL 版），双击运行。
2. 安装路径保持 C:\ 根目录不要改——官方明确警告，装到其他盘会导致应用不稳定。
3. 等待 5-10 分钟，完成。

手动安装作为备选：先装 Python 3.9.8（安装时勾选 Add python.exe to PATH），克隆仓库后在仓库目录执行下面命令安装全部依赖：

git clone https://gitcode.com/GitHub_Trending/ul/ultimatevocalremovergui cd ultimatevocalremovergui python -m pip install -r requirements.txt

按顺序执行：第一条把 UVR 源码拉到本地，第二条进入目录，第三条按清单装齐 Python 依赖。有 NVIDIA 显卡的话，再装 cu117 的 CUDA 版 torch 开启 GPU 加速：

python -m pip install --upgrade torch --extra-index-url https://download.pytorch.org/whl/cu117

这条命令把 PyTorch 升级到匹配 CUDA 11.7 的版本，是 GPU 加速生效的前提。

macOS：拖进 Applications，等第一次初始化

1. 双击对应芯片的 DMG，把 UVR 拖进 Applications。
2. 首次启动需要 5-10 分钟初始化，属正常现象，不用动它。
3. 如果系统提示"无法打开"，打开终端放开应用来源限制，再移除应用的隔离标记：

sudo spctl --master-disable sudo xattr -rd com.apple.quarantine /Applications/Ultimate\ Vocal\ Remover.app

第一条让系统允许所有来源的应用运行，第二条去掉 UVR 身上的"隔离"标记。应用能正常打开后，建议执行sudo spctl --master-enable恢复安全设置。Sonoma 系统的左键无响应问题已在 v5.6 修复，遇到老毛病先升级到最新版。

Linux：三条命令装依赖，两条命令启动

Debian/Ubuntu 系，先克隆仓库：

git clone https://gitcode.com/GitHub_Trending/ul/ultimatevocalremovergui cd ultimatevocalremovergui

用 apt 装 FFmpeg、pip 和 Tk 界面库（FFmpeg 负责解码 MP3 等非 WAV 文件）：

sudo apt update && sudo apt install ffmpeg python3-pip python3-tk

装 Python 依赖，然后启动应用：

pip3 install -r requirements.txt python3 UVR.py

Arch/Manjaro 用户系统依赖改用sudo pacman -S python-pip tk ffmpeg，之后在仓库目录执行./install_packages.sh批量安装 Python 包即可。

第一份干净伴奏：从下载模型到验听结果

应用打开后，左侧 Choose Process Method 下拉框默认停在 MDX-Net——它是速度和质量平衡得较好的一档，新手直接用。按下面五步走：

1. 下模型：第一次使用本地还没有任何模型。点 Start Processing 左侧的 Settings 按钮，打开 Download Center 标签，选 MDX-Net，从列表里挑一个模型下载。模型只下这一次，之后就存在本地了。
2. 选输入：点 Select Input 选一首要处理的歌。
3. 指定输出：点 Select Output 选定输出文件夹，右上角把导出格式选成 WAV（无损，优先）。
4. 勾 GPU：有 NVIDIA 显卡的用户勾选 GPU Conversion，处理速度会快一个量级。
5. 开始处理：点 Start Processing，等进度条走完。输出文件夹里会多出一对文件——Vocals 是人声，Instrumental 是伴奏。把 Instrumental 放一遍，听到干净的伴奏，说明整条链路已完全跑通。

效果不理想：三个地方调分离质量

按优先级排查，影响结果的变量就集中在这些地方：

• 模型跟着目标走。只要人声和伴奏两条轨，用 MDX-Net 或 VR Architecture，快且够用；需要鼓、贝斯独立音轨就上 Demucs v4，四轨选htdemucs，六轨选htdemucs_6s。
• 内存吃紧就降分段。Segment Size 默认 256，文件大或内存小就调到 128，Overlap 保持 8 左右即可——这两个参数直接决定内存峰值。
• 源文件有底噪先降噪。先跑一遍UVR-DeNoise-Lite把噪底压下去，再做正式分离，二次处理比硬分离更稳。

排障对照表：常见报错与值得收藏的目录

现象	原因	处理
非 WAV 文件加载报错	FFmpeg 未安装	把 ffmpeg 二进制放进应用目录（Windows 放 ffmpeg.exe）
内存分配错误	Segment/Window 参数过大	调小 Segment Size 和 Window 再试
GPU 加速不生效	PyTorch 与 CUDA 版本不匹配	重装 cu117 版本 torch
macOS 左键点不动	Sonoma 的 Tkinter 已知问题	升级到 v5.6 最新版
应用启动即崩溃	Python 依赖缺失	重跑pip install -r requirements.txt

报错细节看不出来时，点 Settings 按钮里的 Error Log，里面有完整堆栈，定位问题更快。

想深入这个项目，几个位置值得先收藏：

• 模型文件集中在三个目录：models/VR_Models/、models/MDX_Net_Models/、models/Demucs_Models/，手动下载的模型放进对应目录即可离线使用。
• 完整模型清单在 gui_data/model_manual_download.json，和 Download Center 里的条目一一对应。
• 分离逻辑核心在 separate.py，界面入口在 UVR.py，VR 网络参数在 lib_v5/vr_network/modelparams/。
• 完整的安装说明、许可信息（MIT）和致谢见 README.md。

最后省心的一个设计：设置会在关闭应用时自动保存，换台机器跑同一首文件也不用重新配置。

【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