UVR 人声分离指南：三步从歌曲里拿到无原唱伴奏
【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
想把一首歌的人声去掉、只留伴奏，或者反过来只抽出人声去做二次创作，UVR（Ultimate Vocal Remover）是免费开源的选择——它用深度学习模型把音频拆成人声与伴奏两条轨道，全程图形界面，不用碰命令行。
🚀 跑起来：UVR 安装步骤
三个系统都只支持 64 位。官方打包的安装程序自带 Python、PyTorch 等全部依赖，装完就能用；手动安装则按下面走。
Windows
推荐直接装官方安装程序（要求 Windows 10 及以上，装到 C 盘，装到其他盘会不稳定）。AMD 显卡或 Intel Arc 的用户可以选 OpenCL 版本。想手动装的话：
git clone https://gitcode.com/GitHub_Trending/ul/ultimatevocalremovergui cd ultimatevocalremovergui pip install -r requirements.txt python UVR.pymacOS
按芯片下载对应的 DMG：Apple 芯片选 arm64，Intel 芯片选 x86_64，拖进"应用程序"即可。首次启动要初始化 5 到 10 分钟，属正常现象；若系统提示"无法打开"，在终端执行sudo xattr -rd com.apple.quarantine /Applications/Ultimate\ Vocal\ Remover.app绕过验证。
Linux
Debian/Ubuntu 系（Arch 系把 apt 换成 pacman 对应包即可）：
sudo apt install ffmpeg python3-pip python3-tk pip3 install -r requirements.txt python3 UVR.py三个平台共同依赖 FFmpeg 来转码非 WAV 文件（官方安装包已内置，手动安装需自己装好）。
🎧 完成第一次完整任务：输入 → 设置 → 输出
第一次使用走这条主线就够了，界面上其他按钮以后用到再认。
输入。点 Select Input 选择音频文件，直接把文件拖进输入框也行。按住 Ctrl 可多选，选中文件夹则整个目录都会被处理，所以批量处理不需要单独入口。输入支持 WAV、FLAC、MP3、OGG 等常见格式，源文件用无损格式效果最好。
设置。四步：
- Select Output 指定输出目录，结果会按"文件名_轨道名"保存
- 输出格式选 WAV（无损，推荐）；FLAC 是压缩无损；MP3 体积最小但有损
- 处理方法选 MDX-Net，模型选默认的 MDX23C-InstVoc HQ；编曲复杂的歌可以换 Demucs 再对比
- 不急着跑整首的话，勾上 Sample Mode (30s)，先用 30 秒样本试听效果
输出。点 Start Processing。默认会同时产出人声和伴奏两条轨道；只想留一条时，勾选 Vocals Only 或 Instrumental Only 即可，处理时间减半。软件会自动记住你的设置，下次打开不用再配一遍。
🎛️ 参数怎么调：让效果更好的几个参数
| 参数 | 默认值 | 推荐取值 | 取舍逻辑 |
|---|---|---|---|
| Segment Size（MDX-Net） | 256 | 简单歌曲 256–512，复杂编曲降到 128–192 | 段越大接缝越少、效果越连贯，但越吃内存；出现内存分配错误就先把它调小 |
| Overlap | 8 | 默认 8 起步，边缘有杂音时升到 12–16 | 重叠让分段交界处更平滑，代价是处理更慢 |
| Demucs Segment | 默认自动 | 默认先用，不满意再手动调到 10–20 | 数值越大越精细、越慢 |
| Sample Mode (30s) | 关 | 换模型时先开着试 | 30 秒试听和跑完整首的差距能省大量时间 |
硬件方面一句话：有 NVIDIA 显卡（RTX 1060 6GB 起步、8GB 显存更佳）就勾上 GPU Conversion，速度能快数倍；纯 CPU 也能跑，只是要等得更久。
🧩 值得了解的进阶能力
- Ensemble Mode：在处理方法里选它，可以把两个或多个模型的输出混合成一条结果，比单模型更稳定，适合对成品要求高的场景。
- Audio Tools：内置 Time Stretch（变速不变调）和 Change Pitch（变调不变速），配合分离出的干声做采样时很顺手；这两项依赖 Rubber Band 库，官方安装包已内置。
模型和参数文件都在 models/ 目录下，想换社区训练的模型时从这里入手。
🏁 下一步
现在下载你系统的对应版本装好，挑一首常听的歌跑一遍默认设置，对比输出的人声和伴奏。效果不满意时，按上表降一档 Segment Size 或加 Overlap，还不行就换 Demucs 模型再来一遍。
【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
