企业官网建设流程全解析

UVR5 人声分离教程：免费开源，一首歌拆出人声与伴奏两轨

【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

做短视频配乐时，想用的歌带着人声没法当 BGM；录清音翻唱时，源文件里还混着原唱的声轨——你要的其实只是一条干净的轨道。UVR（Ultimate Vocal Remover）是一款免费开源的人声分离 GUI：丢进一首 MP3，输出人声与伴奏两个 WAV 文件。Windows 与 macOS 有一键安装包，Linux 直接跑源码，MDX-Net、Demucs、VR 三套 AI 算法家族都在一个窗口里，模型权重放在 models 目录随时可换。跟着做完，你能独立完成一次人声分离，并判断最常见的几类报错。

拿到第一首伴奏：3 个阶段

1. 获取 UVR：两条路

安装包路线（最省事）：到项目 Releases 页下载官方一体化安装包——Windows 是 exe，macOS 是 dmg（M1 与 Intel 分开）。Python、PyTorch、FFmpeg 全部内置，不需要任何前置环境，双击安装即可。官方提醒 Windows 必须装在 C 盘，装到副盘会导致不稳定。

源码路线（Linux 或想自己加模型）：

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

Linux 先装好 ffmpeg 和 python3-tk（Debian 系：sudo apt install ffmpeg python3-tk；Arch 系：sudo pacman -S ffmpeg tk），README 还建议用 venv 虚拟环境隔离依赖。

验收标准：依赖安装全程无报错，运行后终端不再抛异常。

2. 确认界面跑起来了

双击程序（或python UVR.py）。首次启动稍慢，进入主界面后看三处：上方 Select Input / Select Output 两个按钮，中间 WAV / FLAC / MP3 格式单选，底部 Start Processing 长条按钮。界面最下方显示 Ultimate Vocal Remover v5.6.0 的版本号即属正常。

3. 跑第一次人声分离：4 个阶段

阶段一：把音频放进去。目标：程序识别到源文件。操作：点 Select Input 选中歌曲，MP3、WAV、FLAC 都支持，也可以把文件直接拖进输入框。验收：输入框里出现文件路径。

阶段二：指定结果去哪。目标：结果不混进源素材。操作：点 Select Output 选一个专门的结果文件夹；格式默认 WAV，可改 FLAC / MP3（转非 WAV 格式依赖 ffmpeg，安装包已内置）。验收：输出框显示文件夹路径。

阶段三：选算法和模型。目标：模型就绪，速度与质量均衡。操作：CHOOSE PROCESS METHOD 选 MDX-Net，CHOOSE MDX-NET MODEL 选 MDX23C-InstVoc HQ——两轨人声模型，适合流行与摇滚；SEGMENT SIZE 保持默认 256，OVERLAP 保持默认 8，首次运行不用动；有 NVIDIA 显卡就勾 GPU Conversion；想先验证效果，勾 Sample Mode (30s)，只处理前 30 秒。验收：各下拉框都有值，界面就绪。

阶段四：开始处理。目标：拿到两个结果文件。操作：点 Start Processing。首次运行某个模型时会自动下载权重文件，进度条先下载再推理，别以为卡死。验收：输出文件夹出现歌曲名_(Vocals).wav（干声）与歌曲名_(Instrumental).wav（伴奏）两个文件。

搞懂它：AI 分离为什么不会闷掉乐器

老办法的"消人声"是减法：人声与乐器在频段上大量重叠，切掉固定频段必然连吉他泛音、键盘和声一起带走，所以伴奏听着发闷发空。

UVR 的思路更像"会议记录"。假设五线并发的会议电话要靠听写整理，老练的记录员不会按"音高高低"区分说话人，他听得出谁在哪个时间点接话，然后把每路对话抄进各自的记录本。Demucs、MDX-Net 这类模型就是被海量音乐训练出来的"记录员"：他们记住了人声、鼓、贝斯通常占据的时间-频率位置，推理时按来源把混音抄进分开的文件。频率重叠不再是问题，因为判定依据不是频率。

选型按需求走：

三套推理实现分别在 lib_v5/mdxnet.py、demucs/ 与 lib_v5/vr_network/，程序跑在 CPU 还是 GPU 由 separate.py 里的设备检测决定（NVIDIA 走 CUDA，Mac 走 MPS）。选模型前可以打开 models/ 对应目录里的 JSON，每条记录有 primary_stem、mdx_n_fft_scale_set 等字段，分别对应模型输出哪条轨道和它的频宽分辨率。

出问题时：5 个问答

问：点了 Start Processing，进度条半天不动，是不是卡死了？答：大概率是首次运行在自动下载模型权重，等几分钟，看网络速度。长时间无反应时，点 Start Processing 左侧的 Settings 按钮（扳手图标），再点 Error Log 查看详细报错。

问：转 MP3 / FLAC 时报错？答：ffmpeg 缺失。源码路线不自带 ffmpeg，装好后放进应用目录（Debian 系：sudo apt install ffmpeg）；官方安装包已内置，遇到此错一般是路径没被识别。

问：提示 CUDA out of memory，或处理中途崩了？答：显存不够。把 SEGMENT SIZE 从 256 往 128 降（32 的步长），或取消勾选 GPU Conversion 退回 CPU。官方给出的参考线：GPU 转换最低 GTX 1060 6GB，建议 8GB 显存。

问：伴奏里段落衔接处有接缝感、"咔哒"声？答：OVERLAP 太小。把默认 8 加到 16 或 24，相邻分段重叠更多，接缝会变平滑，代价是耗时按比例增加。

问：macOS 双击打不开，提示"来自身份不明开发者"？答：macOS 默认拦截未公证应用。按 README 操作：终端执行sudo spctl --master-disable放开来源限制，再执行sudo xattr -rd com.apple.quarantine /Applications/Ultimate\ Vocal\ Remover.app移除隔离属性，然后重新打开；用完建议把 spctl 恢复。

表外的问题，拿报错关键词去项目 Issues 页搜，同类问题基本都有现成答案。

可选进阶（不影响基本使用）

• 提速：GPU Conversion 是主要杠杆，CUDA / MPS 可用时程序自动优先 GPU，一首几分钟的歌通常从十几分钟压到 1-2 分钟。
• 批量：Select Input 支持一次选中多个文件，也可多个文件一起拖入，程序按顺序处理并输出到同一文件夹。
• 设置复用：程序关闭后自动记住上次的算法、模型与参数；主界面 Select Saved Settings 还能把当前这套配置存为预设，下次一键调出。

挑一首你最熟的歌，先勾 Sample Mode (30s) 确认效果，再跑全长；更多安装细节与硬件说明见项目顶层 README。

【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