UVR 5.6 免费人声分离教程：选对引擎，把一首歌拆成伴奏和人声
【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
给喜欢的歌做一首没有原唱的伴奏，或者从访谈录音里把背景音乐抽掉——这件事 Ultimate Vocal Remover（UVR）5.6 可以帮你直接做掉。它是一个免费、开源的 AI 人声分离工具，能把一首歌拆成人声、伴奏（以及鼓、贝斯等）独立音轨，不需要会编曲，也不需要专业的音频编辑软件。下面按「装好 → 选引擎 → 跑一遍 → 调参数」的顺序走一遍，用 30 秒试听模式，三分钟以内就能出第一版结果。
三种系统，三条安装路径
UVR 只支持 64 位系统。Windows 和 macOS 用户在项目 Release 页面下载对应安装包即可，包里已经带了 Python、PyTorch 等全部依赖，无需配置环境；AMD 显卡或 Intel 核显的 Windows 用户注意选 OpenCL 版本，macOS 则分 arm64（M1/M2）和 x86_64 两种 dmg。
Linux 用户（Debian/Arch 系）建议走源码加安装脚本的方式：
git clone https://gitcode.com/GitHub_Trending/ul/ultimatevocalremovergui cd ultimatevocalremovergui chmod +x install_packages.sh && ./install_packages.sh && python3 UVR.py脚本会装好依赖后启动主程序；如果非 WAV 文件转换报错，说明还缺 FFmpeg，用sudo apt install ffmpeg补上即可。
引擎怎么选：一张表看完
主界面的 "CHOOSE PROCESS METHOD" 下拉框里有五类方法，前三个是分离引擎，差别在于"拆得细"还是"拆得净"：
| 引擎 | 定位 | 适用场景 | 选型建议 |
|---|---|---|---|
| VR Architecture | 人声提取专精，人声最干净 | 卡拉OK伴奏、播客降噪 | 只要人声或伴奏，优先试它 |
| MDX-Net | 高精度分离，处理复杂编曲更稳 | 电子乐、多轨remix | 通用默认项，新手首选 |
| Demucs | 一次拆出 4 条音轨（人声/鼓/贝斯/其他） | 整轨拆分、采样素材收集 | 需要多轨素材时用它 |
后面两个选项：Ensemble Mode 是同时跑多个模型再融合，质量更高但更耗时间；Audio Tools 不是分离功能，而是音量、变速、变调这类音频工具（依赖 Rubber Band 库）。拿不准就先从 MDX-Net 跑起，默认模型 MDX23C-InstVoc HQ 对大多数流行歌都够用，效果不理想再换 VR 或 Demucs 对比。
3 步完成首次分离
- 点Select Input选入一首歌。源文件质量直接决定上限，尽量用 WAV；MP3 转码依赖 FFmpeg。
- 点Select Output设好输出目录和格式。想保最大音质就选 WAV，想直接分享再选 MP3。
- 选引擎后点Start Processing。建议第一次先勾选Sample Mode (30s)只跑前 30 秒，听完确认效果再跑全长。
界面上的 Vocals Only / Instrumental Only 两个复选框控制只保存人声轨还是只保存伴奏轨，按需勾选即可；程序关闭后会自动记住你这次的设置。
三个最常调的参数
- Segment Size：默认 256。数字越大分离越细，但吃内存；报内存分配错误时降到 256 甚至 128。高配机器想冲质量可以试 512 或 1024。
- Overlap：默认 8。控制分段之间的重叠量，调到 16 能明显减少分段边界处的痕迹，代价是更慢。
- GPU Conversion：有 NVIDIA 卡（最低 RTX 1060 6GB，8GB 显存更稳）就勾上，速度能快数倍；M 系列 Mac 会自动走 MPS 加速；纯 CPU 跑只适合短片段测试。
踩坑速查：问题 → 原因 → 解法
伴奏里人声残留明显原因：当前引擎/模型对这类编曲不够强。 解法：换另一个引擎重跑；或把 Overlap 提到 16；或先用 Vocals Only 单独提取人声，再从原曲中减掉人声轨。
内存分配错误、中途崩溃原因：Segment Size 或窗口参数超过硬件承受范围。 解法：把 Segment Size 降到 128/256，重跑即可。
处理速度过慢原因：在纯 CPU 上跑大模型。 解法：确认勾选了 GPU Conversion 且显卡驱动正常；关掉占内存的后台程序。
非 WAV 文件直接报错原因：系统缺 FFmpeg，无法做格式转换。 解法：安装 FFmpeg 后重试（Linux 下sudo apt install ffmpeg）。
延伸入口：模型配置和源码
想换模型或看算法实现，仓库里这几个目录是主要入口：
- 官方说明：README.md
- VR 模型参数定义：lib_v5/vr_network/modelparams/
- MDX-Net 模型配置：models/MDX_Net_Models/model_data/mdx_c_configs/
- Demucs 模型数据：models/Demucs_Models/model_data/
- VR 模型清单（含卡拉OK、No Piano 等变体）：models/VR_Models/model_data/model_data.json
- Demucs 算法源码：demucs/
- 分离主逻辑：separate.py
回到开头那件事：装好后挑一首歌，勾上 Sample Mode (30s)，用 MDX-Net 默认模型跑一遍，半分钟后就能听到第一版没原唱的伴奏。不满意就换引擎再跑一次——这基本就是使用 UVR 的全部节奏。
【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
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
