Ultimate Vocal Remover 人声分离完整指南：4 步拿到干声与伴奏
【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
翻唱缺一版伴奏，剪辑需要把干声从 BGM 里抠出来——这两件事都能交给 UVR（Ultimate Vocal Remover）做。它是免费开源的 AI 人声分离工具，基于 PyTorch，一个图形界面窗口就能把歌曲拆成人声和伴奏两轨，适合任何想处理音乐但不想碰代码的普通用户。
一次运行得到什么
跑完一次完整分离，输出目录里会多出这些文件：
歌曲名_(Vocals).wav：人声干声歌曲名_(Instrumental).wav：伴奏- 如果选 Demucs v4，则按四轨（vocals / drums / bass / other）分开输出
怎么算跑成了：把 Instrumental 和原曲来回对比，人声位置干净、乐器没有明显空洞，就可以正式跑全长。
两种安装方式，各走各的
| 方式 | 前置条件 | 适合人群 |
|---|---|---|
| 官方一体化安装包（Windows 安装程序 / macOS dmg） | 无，Python、PyTorch、FFmpeg 全部内置 | 普通用户，装完直接点开 |
| 源码 + 依赖安装 | Python 3.9 及以上、pip、git | 开发者、Linux 用户、想改代码的人 |
git clone https://gitcode.com/GitHub_Trending/ul/ultimatevocalremovergui cd ultimatevocalremovergui pip install -r requirements.txt提示：Windows 版必须安装到 C:\ 主盘，装到别的盘会不稳定，且要求 Windows 10 及以上；程序只支持 64 位系统，处理非 WAV 文件依赖 FFmpeg（安装包已内置，源码版需自行放到程序目录）。
最小闭环：4 步拿到第一次结果
- 启动程序：源码版在项目目录运行
python UVR.py；安装包直接双击启动。 - 选择：点 Select Input 载入歌曲，选好输出目录与导出格式。
- 填入：CHOOSE PROCESS METHOD 选 MDX-Net，模型下拉框任选一个两轨人声模型。
- 勾选 Sample Mode 试跑，设置面板里把试听时长从 5 秒拖到 120 秒。
- 点击 Start Processing，进度条走完后到输出目录检查两个文件。
参数怎么调：听到什么声就改什么
| 症状 / 场景 | 参数 | 推荐范围 | 原因 |
|---|---|---|---|
| 内存或显存不够、转换报错 | Segment Size | 默认 256，可降到 32–128 | 分段越小单次占用内存越低 |
| 段落衔接处有咔哒声 | Overlap | MDX-Net 取 0.25–0.99；MDX23C 取 2–50（默认 8）；Demucs 取 0.25/0.50/0.75/0.99 | 重叠越高，段与段之间被重复处理的部分越多，拼接越自然 |
| 想先听效果再跑全长 | Sample Mode | 5–120 秒 | 只处理开头几秒，省掉整首的等待 |
| 处理慢、文件多 | GPU 开关 | NVIDIA 建议 GTX 1060 6GB 起步，8GB 显存更稳 | 程序自动检测 CUDA 与 Mac M1 的 MPS，可用就优先走 GPU |
判断句，照做即可：
- 如果成品里听到咔哒声，就把 Overlap 从当前值加到 0.5（MDX23C 则从 8 加到 16–24）重跑。
- 如果程序卡住或报内存分配错误，就把 Segment Size 从 256 降到 128 再试。
- 如果干声里残留回声或底噪，先用 models/VR_Models/ 里的 UVR-DeNoise-Lite.pth 降噪一遍再分离。
选模型不用研究参数表，看用途：
- 当你要人声 + 伴奏两轨，选 MDX-Net，速度与质量均衡，实现见 lib_v5/mdxnet.py
- 当你是古典、爵士这类编曲复杂的歌，选 Demucs v4，四轨拆分更稳，代码在 demucs/
- 当你只想去掉某件乐器，选 VR Architecture，4band_44100 下有 "No Piano" 这类专项模型，代码在 lib_v5/vr_network/
每个模型的取向写在 models/MDX_Net_Models/model_data/model_data.json 里，primary_stem 说明它主拆哪轨，是否 karaoke 模式也有标注。
提示：转换耗时取决于硬件，GPU 与 CPU 差距明显；Mac M1 上 Demucs v4 和全部 MDX-Net 模型都能走 MPS 加速。
它是怎么做到的：一个比喻讲清原理
传统"消人声"像用筛网过滤：把歌声所在的频段整段滤掉。但吉他泛音、钢琴和声跟歌声挤在同一频段，滤掉的是乐器一起，伴奏自然又闷又空。UVR 的模型从大量标注样本里学过人声和乐器在时间、频率上的组合规律，按"声源"切分而不是按"频率"切分。好比一位老调音师听一段混音，直接分出鼓、贝斯和主唱——他靠的是声音的行为特征，不是频率刻度。所以你拿到的伴奏是"完整的"，而不是"挖空的"。
跑挂了：常见错误与对策
| 症状 | 常见原因 | 对策 |
|---|---|---|
| 转换 MP3 / FLAC 时报错 | 缺少 FFmpeg | 源码版把 FFmpeg 放到程序目录；安装包已内置 |
| 内存分配错误 | Segment / Window 开太大 | 调小 Segment Size 或 Window 尺寸 |
| macOS Sonoma 上左键点不动 | Tkinter 已知问题 | 更新到 v5.6 最新版，该问题已修复 |
| 模型下载失败或极慢 | 网络原因 | 手动下载模型，放入 models/ 对应目录 |
| Windows 装完运行不稳定 | 装到了 C:\ 以外的盘 | 重装到 C:\ 主盘 |
报错细节可以在界面里 Start Processing 左侧的 Settings 按钮中点 Error Log 查看，提 issue 时一并贴上。
挑一首你最熟的歌，先用 Sample Mode 试跑 30 秒，确认伴奏干净后取消勾选跑全长。干声和伴奏会落在输出目录里，翻唱、剪辑、混音，随取随用。
【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
