免费开源的音频分离工具 UVR:歌曲拆分人声与伴奏的完整流程

发布时间:2026/11/3 10:21:07
免费开源的音频分离工具 UVR:歌曲拆分人声与伴奏的完整流程 免费开源的音频分离工具 UVR歌曲拆分人声与伴奏的完整流程【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想从一首歌里单独留下人声或者只留伴奏手动剪音频根本做不到。Ultimate Vocal Remover下称 UVR就是干这个的音频分离工具免费、开源图形界面点选操作零编程基础也能完成人声提取与伴奏分离。UVR 是什么一个不用写代码的音频分离界面UVR 的定位很直接把训练好的深度学习模型装进一个点选式界面里输入一首歌输出拆开后的音频。它支持人声、乐器、鼓点等元素的提取karaoke 伴奏制作、翻唱录音、音频修复都能用到。整个程序的入口是根目录的 UVR.py各种分离算法的网络结构则定义在 lib_v5/vr_network/ 目录下界面打开后布局一目了然顶部是输入/输出文件选择区中间是分离引擎、模型与输出格式的设置底部是处理按钮和实时进度显示三种分离需求三条路线选引擎不用纠结算法原理按你的需求走就行要效果最好走 MDX-Net 路线对分离质量有要求比如要拿人声重新混音就选MDX-Net引擎。它内置的模型存放在 models/MDX_Net_Models/模型配置文件里带频段参数多频段处理简单说就是把不同音区分别拆开再拼回去。新手推荐MDX23C-InstVoc HQ名字里 InstVoc 就是 Instrumental伴奏与 Vocals人声的缩写另外界面还提供 Denoise 降噪开关可以压掉分离后产生的底噪。要批量快速处理走 Demucs 路线一次丢进几十首歌排队处理选Demucs引擎。它默认输出人声、鼓、贝斯、其他四轨速度快适合批量工作流模型文件放在 models/Demucs_Models/ 目录。电脑配置低走 VR 轻量路线VR Architecture引擎体积最小、资源占用最低是低配置设备的日常选择模型在 models/VR_Models/。它基于幅度谱图做分离把声音转成频谱图再拆开省算力听感上够用。从克隆仓库到界面弹出一条命令流走完打开终端依次执行下面几步即可全程只有三条命令git clone https://gitcode.com/GitHub_Trending/ul/ultimatevocalremovergui cd ultimatevocalremovergui装依赖两种方式任选依赖清单见 requirements.txtLinux 用户可以直接跑一键脚本bash install_packages.sh其他系统执行pip install -r requirements.txt。依赖装好后启动python UVR.py主界面弹出就可以开始处理了。实操把一首歌拆成人声 伴奏点Select Input(s)按钮导入歌曲MP3、WAV、FLAC 等常见格式都能读。引擎选MDX-Net模型列表里挑MDX23C-InstVoc HQ输出格式按需要选 WAV / FLAC / MP3。有 NVIDIA 显卡的话勾选GPU Conversion把计算交给显卡速度会明显提升。点Start Processing盯着进度条走完。输出目录里会生成两个文件人声vocals和伴奏instrumental命名沿用原文件名加后缀各存一份即可。效果不满意按症状排查症状一伴奏里还残留人声。先换模型试换一个更狠的 MDX-Net 模型或者打开界面里的 Denoise 降噪选项再跑一遍。想扩充模型库可以按 gui_data/model_manual_download.json 里的说明手动下载对应模型放进模型目录。症状二处理失败或中途报错。别硬猜查看程序提示的错误日志日志相关逻辑在 gui_data/error_handling.py 中记录确认是文件路径、格式还是内存的问题再对症处理。症状三速度太慢或想手动调参。两个参数值得认识Segment Size段大小控制单次喂给模型的音频段长度数值越大跑得越快但内存吃得越多Overlap重叠率控制相邻处理窗口的重叠程度在 816 之间微调是平衡接缝质量与速度的旋钮。写在最后UVR 把开源音频分离这件事压缩成导入文件 → 选引擎 → 点开始三步人声提取对新手来说不再是技术活。项目还在持续更新新模型和修复会陆续加入建议定期到发布页查看新版。现在就可以 clone 仓库跑起来拆你的第一首歌。【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

关于本文作者

来自尧图内容编辑团队

尧图内容编辑团队 内容团队

尧图内容编辑团队

本文由尧图网络内容编辑团队执笔。团队由资深项目经理、前端工程师与设计师组成,所有内容均来自亲手交付的真实项目,先讲清问题、再给出可落地的解法。尧图深耕北京网站建设十年,服务过京华建材集团、智造科技等各行业客户,把一线经验沉淀为可复用的行业观察。

  • 十年建站经验,覆盖建材、制造、服务、文创等
  • 项目经理把关选题与事实准确性
  • 工程师与设计师联合撰写专业细节
  • 统一编辑规范,保证文风与排版一致
  • 每月复盘转化数据,迭代选题方向

延伸阅读

相关资讯与近期热门内容

深度阅读推荐

建站决策前值得细读的三篇

网站改版的5个关键决策
2024-08-12

网站改版的5个关键决策

什么时候该改版、改到什么程度、如何避免流量掉光,京华建材集团改版复盘给出答案。

获取专属建站方案

看完文章,把您的行业与预算告诉我们,免费获取一份量身定制的官网建设方案与报价。

立即免费咨询