RVC WebUI 内置 UVR5：5 分钟免费跑通一次人声伴奏分离
【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
丢进一首 5 分钟的混音，几分钟之后你能拿到两条干净轨道：一条只剩人声、一条只剩伴奏。这就是开源项目 Retrieval-based-Voice-Conversion-WebUI（RVC WebUI）里内置的UVR5——一个免费、纯本地运行、可批量的人声提取 / 人声伴奏分离工具。下面按"拿到界面→备好模型→喂入音频→跑分离→取回文件"的动线，带你独立跑通第一遍 AI 音频分离。
为什么值得折腾：本地开源音频分离的收益
RVC WebUI 主打变声，但 UVR5 是它顺手带进来的重头功能。把它和"上传到云端"的在线分离工具放在一起比，本地开源方案的收益一眼能看清：
| 维度 | RVC WebUI 内置 UVR5（本地开源） | 在线 / 闭源分离工具 |
|---|---|---|
| 费用 | 免费，MIT 协议 | 订阅制 / 按量计费 |
| 数据去向 | 全程本地，音频不上传 | 需上传到云端 |
| 模型数量 | 8+ 种：HP2/HP3/HP5、VR-DeEcho 系列、onnx 去混响 | 通常只有 1~2 个固定档 |
| 硬件支持 | N 卡 / A 卡 / I 卡 / 纯 CPU 兜底 | 取决于平台 |
| 批量处理 | 直接丢整个文件夹进去 | 常限单文件 / 限速 |
| 后续加工 | 输出可直接进 RVC 变声、做训练 | 一般导出即止 |
一句话：数据不出本地、白嫖全部模型、跑完还能接着喂给 RVC。
动手前检查清单：显卡、Python 与待处理音频
开跑之前，对照下面勾一遍，能省掉一半报错：
- 显卡：有 NVIDIA 卡最顺；A 卡 / I 卡走 DirectML 方案；没有独显也能跑，只是慢（纯 CPU）。
- Python：版本 > 3.8，建议 3.9 / 3.10。
- ffmpeg：必须装，UVR5 靠它读音频和转码，缺了直接报错。
- 待处理音频：准备一首44100Hz 立体声的 wav/flac 最省心；MP3 也能进（自动转码，多耗几秒）。
- 模型文件：
assets/uvr5_weights/里默认是空的，需要下载.pth模型，见下一步。
跟着一首歌走完全流程：从启动界面到取回两条轨道
它怎么分的？可以理解成一条多层分拣传送带：先把音频按频率拆成低、中、高几层，每层过一道对应的"筛子"（模型）判断哪些格子属于人声、哪些是伴奏，最后把筛出来的东西拼回两条轨道。下面跟着走。
第一步，拿到界面。克隆并装依赖：
git clone https://gitcode.com/GitHub_Trending/re/Retrieval-based-Voice-Conversion-WebUIpip install -r requirements.txtN 卡用户用上面这条；A 卡 / I 卡改装requirements-dml.txt，Linux 上的 A 卡 ROCm 用requirements-amd.txt。然后启动：
python infer-web.py（Windows 可直接双击go-web.bat，macOS 用sh ./run.sh。）
✅ 预期现象：浏览器自动打开http://localhost:7865，看到 RVC WebUI 主界面。 如果不对：端口被占就加--port 7866；装不上多半是没装 GPU 版 PyTorch，先pip install torch torchvision torchaudio。
第二步，备好模型。跑仓库自带的下载脚本，把 UVR5 的.pth落到 assets/uvr5_weights/：
python tools/download_models.py✅ 预期现象：assets/uvr5_weights/里出现HP2_*、HP3_all_vocals.pth、HP5_only_main_vocal.pth、VR-DeEcho*.pth等文件。 如果不对：下拉框是空的，多半是这一步没下全，重跑一次，或把.pth手动放进该目录。
第三步，喂入音频。打开顶部标签页伴奏人声分离&去混响&去回声，把歌放进一个文件夹，然后把路径贴进"输入待处理音频文件夹路径"；也可以直接在"也可批量输入音频文件"里拖几首进去（优先读文件夹）。
✅ 预期现象：文本框里回显你填的路径 / 文件名。 如果不对：路径手敲容易错，去文件管理器的地址栏直接整段复制。
第四步，跑分离。在"模型"下拉框选HP2或HP3（保留人声）；"指定输出主人声文件夹"和"指定输出非主人声文件夹"默认都是opt；"导出文件格式"选flac或wav；点转换。
✅ 预期现象："输出信息"里逐行打印文件名->Success。 如果不对：报模型找不到，回到第二步确认.pth已就位。
第五步，取回文件。打开opt/文件夹。
✅ 预期现象：看到vocal_文件名_10.flac（主人声）和instrument_文件名_10.flac（非主人声）两条轨道，后缀是你选的格式，10是聚合度。 如果不对：只出一个文件，检查两个输出文件夹是否都填了路径。
UVR5 参数速查表：模型、聚合度、格式怎么选
| 选项 | 推荐值 | 适用场景 |
|---|---|---|
| 模型（保留人声，不带和声） | HP2/HP3 | 普通翻唱、纯人声提取；HP3 对主人声保留稍好，可能轻微漏伴奏 |
| 模型（仅主人声，带和声） | HP5 | 伴唱/和声重的混音，只要主唱 |
| 模型（去延迟） | VR-DeEchoAggressive/VR-DeEchoNormal | 录音视频的回声尾巴；Aggressive 去得更彻底 |
| 模型（去混响+去延迟） | VR-DeEchoDeReverb | 房间混响重；耗时约为另外两个 DeEcho 的近 2 倍 |
| 模型（双通道混响，较慢） | onnx_dereverb_By_FoxJoy | 立体声混响最干净；单声道混响无效 |
| 聚合度（人声提取激进程度） | 默认10（范围 0–20） | 调高剥离更狠但易失真；出现机器味就调低到 8–10 |
| 导出文件格式 | flac（默认）/ wav / mp3 / m4a | 无损选 flac/wav；要小文件分享选 mp3 |
| 采样率 | 输入44100Hz 立体声最省心 | 非 44100 立体声会自动 ffmpeg 转码 |
分离出来之后能干嘛：播客降噪、视频取声、翻唱取样
- 播客降噪：先用VR-DeEchoAggressive去房间回声，再用HP2提纯人声，两条轨道分别压电平混回，底噪比手拉均衡干净得多。
- 视频取声：把教程 / 采访原声喂进去，
vocal_那条直接丢进 ASR 做字幕，去混响那条留给做 BGM 的底。 - 翻唱取样：用HP5抠主唱、
instrument_轨当伴奏垫底，再拿vocal_轨听原主唱的气口与咬字，练声照谱来。
卡住了看这里：4 个最常见的报错与排查
Q：输出里还能听到伴奏 / 和声？A：先确认选的是"保留人声"类（HP2/HP3）；和声重的歌改选HP5；仍不行就把聚合度从 10 往上调，或先跑一遍VR-DeEchoAggressive再去人声。
Q：一首歌跑很久 / 很慢？A：确认装的是 GPU 版 PyTorch——[configs/config.py](https://link.gitcode.com/i/9aea1629af74ce139fcca56b8d38cc15)启动时会打印当前设备，看到cpu就是没用上卡；再关掉占显存的程序，一次别塞太多文件。
Q：模型下拉框是空的，或下载卡住？A：看[assets/uvr5_weights/](https://link.gitcode.com/i/f36d198cead48463b14cfb28858215fe)里有没有.pth；没有就重跑[tools/download_models.py](https://link.gitcode.com/i/6c248f45028c110976ff54e665d849db)，或把.pth手动放进该目录。
Q：报错 ffprobe / ffmpeg 找不到？A：装 ffmpeg——Ubuntusudo apt install ffmpeg、macOSbrew install ffmpeg、Windows 把ffmpeg.exe/ffprobe.exe放根目录；它是读音频和转码的硬依赖。
UVR5 把"人声伴奏分离"从付费工具变成了本地白嫖的批处理命令，一次跑通之后，降噪、取声、取样都能顺手做。把压箱底的那段录音拿出来试一次，更多细节看 docs/cn/faq.md 或参与社区讨论。
【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
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
