UVR人声分离快速上手：从安装到第一遍伴奏-二趣网

UVR人声分离快速上手：从安装到第一遍伴奏

【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）是一款免费开源的 AI 人声分离工具，用深度学习模型把歌曲里的人声和伴奏拆开，也能细分出鼓、贝斯等元素。它适合需要制作卡拉OK伴奏、提取纯净人声、或做音频素材分离的新手，全程图形界面，不需要写代码。

🎙️ 工具速览

UVR 把 MDX-Net、Demucs、VR Arc 三套主流分离架构放进同一个图形界面，你只需要选文件、选模型、点按钮，不用碰命令行。它解决的问题很具体：把一首歌拆成人声和伴奏两条轨道，或者拆出更多独立元素。

开源免费：MIT 协议，个人和商业使用都不收费
三大架构齐全：MDX-Net/MDX23C、Demucs、VR Arc，并自带预训练模型，放在 models/ 目录下
图形界面：选文件、选模型、调参数，点 Start Processing 即可
非 WAV 格式（如 MP3、FLAC）依赖 FFmpeg 转换，安装说明见 README.md
支持 GPU 加速，NVIDIA 显卡可明显缩短处理时间

📦 安装与环境准备

Windows 一键安装

最省事的方式是到项目仓库的发布页下载安装包UVR_v5.6.0_setup.exe，按向导安装即可，安装包已内置 Python、PyTorch 等依赖。注意两点：

安装目录必须选 C 盘，装到其他盘会导致运行不稳定
如果你用的是 AMD Radeon 或 Intel Arc 显卡，可以改选 OpenCL 版本安装包

如果你更习惯从源码运行，则克隆仓库后装依赖：

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

有 NVIDIA 显卡的话，建议再按 README.md 里的说明安装带 CUDA 的 PyTorch。

Linux 源码安装

以 Debian/Ubuntu 系为例，在仓库目录下依次执行：

git clone https://gitcode.com/GitHub_Trending/ul/ultimatevocalremovergui && cd ultimatevocalremovergui sudo apt update && sudo apt upgrade && sudo apt install ffmpeg python3-pip python3-tk pip3 install -r requirements.txt python3 UVR.py

仓库里还提供一个 install_packages.sh 脚本，可以逐行读取 requirements.txt 自动安装依赖，适合想简化流程的场景。Arch 系系统的命令见 README.md。

macOS 安装

到发布页下载对应芯片的安装包：Apple 芯片选 arm64 版，Intel 芯片选 x86_64 版的.dmg。首次启动如果系统提示“无法打开”，在终端执行以下两条命令解除隔离限制，完成后再建议用sudo spctl --master-enable恢复默认设置：

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

🚀 第一次运行：从启动到出结果

启动后你会看到一个带控制台日志、模型选项和参数区的窗口，按下面五步走：

选输入（Select Input）：点 Select Input 按钮，或直接把音频拖进窗口，支持 WAV、MP3、FLAC 等格式
选架构和模型：在 MDX-Net、MDX23C、Demucs、VR Arc 四个架构页签里挑一个，第一次建议选 MDX-Net 或 MDX23C 里标着 Vocals 的模型，音质和速度比较均衡
调参数：保持默认即可，Overlap（重叠度）默认 0.25，Segment（分段）默认取模型推荐值，先跑通再调
设输出目录：给 Export Path 选一个可写的目录，注意留出足够空间
开始处理：点 Start Processing，完成后输出目录会出现歌曲名 (Vocals).wav和歌曲名 (Instrumental).wav两个文件，一个纯人声，一个纯伴奏

🧩 核心能力拆解

多轨分离：从两轨到六轨

它能做什么：Demucs 模型可以把音频拆成 2 轨（人声/伴奏）、4 轨（人声、鼓、贝斯、其他）甚至 6 轨（再加钢琴、吉他）；MDX-Net 还提供 Drums、Bass、Reverb 等单元素提取模型。怎么操作：在 Demucs 页签选 4-stem 或 6-stem 模型，输出时勾选需要的轨。什么时候用：你需要从混音里单独抠出某个乐器，比如只留鼓或只留贝斯。

人声拆分：主唱与和声

它能做什么：在人声和伴奏分离的基础上，进一步把人声轨拆成 Lead Vocal（主唱）和 Backing Vocal（和声），并额外导出分别包含各部分人声的伴奏版本。怎么操作：在 MDX-Net 页签选择带 vocal split 功能的模型并启用对应选项。什么时候用：你想只保留主唱人声，或者单独处理和声部分时。

集成模式与降噪

它能做什么：集成模式（Ensemble）一次跑两个模型并对结果加权，可以互补各自短板；仓库自带 UVR-DeNoise-Lite.pth 降噪模型，用于清理分离后残留的杂音。什么时候用：单模型分离后仍有明显残留或伪影时，开启集成加降噪能改善结果，代价是处理时间变长。

🎬 实战案例

案例一：制作卡拉OK伴奏

需求：把一首完整歌曲变成可跟唱的伴奏
操作要点：选 MDX-Net 或 VR Arc 里标注 karaoke 的模型，输出轨选 Instrumental，输出格式选 WAV
预期效果：得到xxx (Instrumental).wav，人声被去掉，伴奏编曲基本保持原样，可以直接用于跟唱

案例二：提取人声学歌

需求：学一首歌，需要干净的纯人声轨
操作要点：选 MDX23C 里 Vocals 方向的模型，参数保持默认；若觉得残留噪声明显，再叠加降噪
预期效果：得到独立的xxx (Vocals).wav人声轨，可以放慢速度听清咬字和转音细节

案例三：现场录音元素提取

需求：从一段现场录音里单独拿到鼓组
操作要点：选 Demucs 4-stem 模型并输出 Drums 轨，或选 MDX-Net 中 Drums 单元素模型
预期效果：得到一条独立鼓轨，可用于采样、编曲或节奏分析

⚠️ 排坑指南

现象：处理 MP3、FLAC 等非 WAV 文件时报错。可能原因：FFmpeg 没装或没放到正确位置。解决办法：安装 FFmpeg，并把ffmpeg.exe放到应用根目录（Windows）
现象：内存分配错误、程序卡死。可能原因：Segment 或 Window 设置超过可用内存。解决办法：把 Segment Size（分段大小）或 Window Size（窗口大小）调小
现象：macOS 提示无法打开应用。可能原因：系统安全策略拦截。解决办法：执行 macOS 小节的两条命令解除隔离
现象：Windows 下运行不稳定、偶发崩溃。可能原因：装在了 C 盘以外的盘。解决办法：卸载后重新安装到 C:\
现象：Time Stretch / Change Pitch 功能不可用。可能原因：缺少 Rubber Band 库。解决办法：按 README.md 说明把 rubberband 相关文件放入应用目录
现象：处理特别慢。可能原因：在纯 CPU 上跑。解决办法：确认显卡满足 GPU 要求（NVIDIA 6GB 显存起步）并启用 GPU 转换

⚙️ 进阶调优

硬件参考（依据 README.md 的官方说明）：

最低配置：64 位系统，纯 CPU 运行，对显卡无要求
推荐配置：NVIDIA 显卡，RTX 1060 6GB 是 GPU 转换的门槛，8GB 以上显存更从容

最值得调的三个参数：

Segment Size（分段大小，MDX）：越大处理越快但显存占用越高，内存紧张就往下调，追求速度就往上调
Overlap（重叠度）：默认 0.25，MDX23C 默认 8；重叠越多接缝处理越平滑，但耗时同步增加，多数歌曲用默认值就够了
Window Size（窗口大小，VR）：在质量与速度之间取舍，输出出现明显伪影时可以尝试更换档位
另外 Demucs 的 Segment 默认跟随模型自带配置（见 lib_v5/vr_network/modelparams/），第一次使用保持默认即可

下一步

打开仓库的 README.md，对照你的系统核对最新安装说明和支持范围
按上文对应系统的步骤装好依赖，并确认 FFmpeg 已就位
找一首三分钟以内的歌，完整走一遍“选输入、选模型、Start Processing”，检查输出目录里的两条音轨是否正常

【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

企业官网建设流程全解析