RVC WebUI UVR5 人声提取新手教程：一条时间线走通免费人声伴奏分离，伴奏直接拿去翻唱-二趣网

RVC WebUI UVR5 人声提取新手教程：一条时间线走通免费人声伴奏分离，伴奏直接拿去翻唱

【免费下载链接】Retrieval-based-Voice-Conversion-WebUIEasily train a good VC model with voice data <= 10 mins!项目地址: https://gitcode.com/GitHub_Trending/re/Retrieval-based-Voice-Conversion-WebUI

RVC WebUI（Retrieval-based-Voice-Conversion-WebUI）内置的 UVR5 人声提取功能，专门做一件事：把你手里的立体声音频做人声伴奏分离。跑完之后，你会在输出目录里拿到两个文件夹——主人声和非主人声：主人声是抠出来的人声轨，非主人声就是你要的干净伴奏。直接拿去做翻唱、给视频配音、清理录音里的房间回声，都不需要再经过任何中间工具。

📦 能力与边界：先把预期摆正

能：对整个文件夹批量分离，导出 flac / wav / mp3 / m4a 四种格式
能：去混响、去延迟。MDX-Net 模型（onnx_dereverb_By_FoxJoy）处理双通道混响，DeEcho 系列处理回声和单声道混响
不能：实时分离，每个文件必须等整段处理完
不能：把单通道混响彻底除干净，MDX-Net 只支持双通道
心理预期：分离是"抠"出来的，伴奏里残留一丝人声、人声里漏进一点伴奏，是这类算法的正常水平，不是环境没装对

⏱️ 从装好到出结果：一条时间线走完

按顺序做，全程大约就是"装代码 → 装依赖 → 拉权重 → 起界面 → 填参数 → 点转换 → 验收"一条线，中途不用切换文档。

① 拿代码

git clone https://gitcode.com/GitHub_Trending/re/Retrieval-based-Voice-Conversion-WebUI

② 按显卡装依赖

依赖文件按你的显卡选，装错显卡是最常见的翻车点：

显卡	安装命令
NVIDIA	`pip install -r requirements.txt`
AMD	`pip install -r requirements-amd.txt`
Intel	`pip install -r requirements-ipex.txt`

③ 拉 UVR5 权重

运行tools/dlmodels.bat（Windows）或tools/dlmodels.sh（Linux/Mac），脚本会把全部 UVR5 权重下载进assets/uvr5_weights/目录。这一步是后面"模型"下拉框里能选到东西的前提，如果失败或列表为空，见文末「权重缺失怎么补」。

④ 启动界面

Windows 双击项目根目录的go-webui.bat，Linux/Mac 执行python webui.py，浏览器会自动打开主界面（首次启动耐心等几十秒）。

⑤ 切到分离页签

点顶部的「伴奏人声分离&去混响&去回声」标签，所有字段都在这一屏。

⑥ 填参数

模型：按你的目标选（选型表见下节），翻唱抽伴奏选 HP3 最稳
输入待处理音频文件夹路径：填音频所在目录，整个文件夹会批量处理；也可以改用旁边的多选文件框，但填了文件夹时文件夹优先
人声提取激进程度（聚合度）：默认 10 先用着，残多残少再微调（0-20，越大抠得越狠）
导出文件格式：默认 flac 无损。后期还要加工就选 flac 或 wav，只是存档分享选 mp3 更省空间
指定输出主人声 / 非主人声文件夹：保持默认opt即可，结果会分别落进两个子目录，名字可以改但别改成不存在的深层路径

采样率不用你操心：源码逻辑会先用 ffprobe 检测，只要源文件不是 44100Hz 双声道，程序自动用 ffmpeg 重编码成 44100Hz 双声道再处理。唯一要你自己把关的是——别拿过度压缩的低码率 MP3 当源文件，模型只能分开已有的信息，补不了没有的信息。

⑦ 点「转换」

右侧「输出信息」会逐行打出文件名 → 成功，全部打完整批完成。

⑧ 验收

到主人声文件夹听：人声是否完整、有没有伴奏漏进来
到非主人声文件夹听：歌词是否已经基本听不出来

两边都过关，这次分离才算合格；伴奏直接就能进剪辑软件铺底。

🎚️ 参数速查：模型怎么选、字段怎么填

UVR5 模型选型表

模型	适用场景
HP2	没有和声的歌曲，保留主人声，整体最均衡
HP3	同 HP2，主人声保留更完整，可能轻微漏一点伴奏
HP5	带和声的歌曲，只留主旋律人声，主人声可能被略削弱
onnx_dereverb_By_FoxJoy	去双通道混响（MDX-Net）
DeEcho-Normal	去延迟、去混响，标准档
DeEcho-Aggressive	同 Normal 但更彻底
DeEcho-DeReverb	额外去混响，耗时接近前两者的 2 倍

字段填写表

字段	填法	为什么这么填
输入待处理音频文件夹路径	待处理音频目录（或改用多选文件框）	文件夹优先级更高，适合批量
模型	先翻唱选 HP3，去混响选 onnx_dereverb_By_FoxJoy	模型选错，后面参数全白填
人声提取激进程度	默认 10，残多往 12-15 调，人声变薄往 8 调	越大抠得越狠，但伴奏里被带走的频率也越多
导出文件格式	flac（默认）	无损，后续加工不二次损失
输出主人声 / 非主人声文件夹	默认`opt`	结果分两个子目录落盘，互不覆盖

🩺 结果不对劲，按顺序查这 4 件事

别乱试，按「模型 → 参数 → 源文件 → 依赖」走，大部分问题前三步就能定位：

模型选错了吗？有和声的歌用了 HP2/HP3，和声会被当主人声留下；去混响却选了 HP5，等于白跑。对照选型表换一个重跑。
聚合度偏了吗？伴奏里人声残留多，从 10 往 12-15 调；人声变薄、伴奏味太重，往 8 降。每次只动 2 档，听完再动。
源文件质量够吗？单声道、低码率、本身有严重削波的文件，分离上限就在那里。换一份无损源文件再试。
依赖环境全吗？看「输出信息」里有没有报错堆栈：torch 版本和显卡不匹配常见于 AMD 用户装错了依赖文件。更多报错含义可翻 docs/ 下对应语言的 faq。

权重缺失（.pth 不在 assets/uvr5_weights/）怎么补

「模型」下拉框是空的，或者处理时报找不到模型，先确认assets/uvr5_weights/里有没有以.pth结尾的权重文件（Roformer 类模型是.ckpt+.yaml）。没有的话重新运行一次tools/dlmodels.bat或tools/dlmodels.sh（脚本入口在 tools/ 下）；仍不行的话，从项目文档里找到对应下载链接，手动把权重文件放进assets/uvr5_weights/，重启界面后下拉框就能选到了。

🧭 延伸玩法：分离只是第一步

做翻唱：先用 HP3 抽出干净伴奏，录上自己的声音，在剪辑软件里把两轨叠到同一时间轴上对齐进拍点。
清理播客：先过一遍 onnx_dereverb_By_FoxJoy 去掉房间回声，再用 DeEcho-Aggressive 收一遍残留，双通道录音按这个顺序最干净。
视频重新配音：把视频音轨导出成音频文件，用 UVR5 把背景音乐和原声分开，留伴奏轨垫底，人声轨替换成你的配音，音量按段落拉平。

✍️ 收尾：接下来直接做这 4 件事

挑一首干净的立体声歌曲，用 HP3 完整跑一遍，两个输出文件夹各听一遍
记下残留人声和漏伴奏最严重的时间点，用聚合度 12 和 8 各跑一次做对比
去混响场景，按 onnx_dereverb_By_FoxJoy → DeEcho-Aggressive 的顺序试一遍双通道录音
分离稳定后，把提出来的人声直接接到 RVC 主界面，走后续变声流程

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