企业官网建设流程全解析

UVR5 人声分离完整指南：免费开源，3 个算法快速提取纯净伴奏

【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

翻唱缺伴奏、剪视频被 BGM 里的人声干扰？UVR5（Ultimate Vocal Remover）是一款免费开源的 AI 人声分离工具，带图形界面，能把一首歌拆成"人声"和"伴奏"两个干净文件，全程点鼠标就能完成。

先看结果：你会得到什么

处理完成后，输出目录里会出现两个文件：歌曲名_(Vocals).wav（干声）和歌曲名_(Instrumental).wav（伴奏）。选 Demucs 时还能一次分出人声 / 鼓 / 贝斯 / 其他 4 轨。核心思路很简单——它是按"声音来源"拆，而不是靠滤镜切频段，所以结果比老式"消人声"干净得多。

跑起来：两种安装方式

方式 A（省心）：下官方打包版（Windows 装 .exe、macOS 装 .dmg），Python、PyTorch、FFmpeg 全内置，装完即开。

方式 B（源码）：克隆仓库后装依赖。

git clone https://gitcode.com/GitHub_Trending/ul/ultimatevocalremovergui

依赖都在 requirements.txt 里锁定（torch、librosa、onnxruntime、pydub 等），一条命令装完：

pip install -r requirements.txt

Linux 用户先装 FFmpeg 和图形界面库，再跑主程序：

sudo apt install ffmpeg python3-tk python3-pip pip3 install -r requirements.txt python3 UVR.py

有 NVIDIA 显卡的话，把 PyTorch 换成 CUDA 版，速度通常能提升 3-10 倍：pip install torch --upgrade --extra-index-url https://download.pytorch.org/whl/cu117

第一次运行的最短路径

打开后照着这个顺序点，几分钟出结果：

• 放入素材：点 Select Input 选歌，再点 Select Output 定保存目录，格式选 WAV / FLAC / MP3
• 选核心选项：CHOOSE PROCESS METHOD 选 MDX-Net，模型挑 MDX23C-InstVoc HQ
• 设关键参数：Segment Size 填 256、Overlap 填 8，有显卡就勾上 GPU Conversion
• 开始处理：点 Start Processing，等进度条走完

想先试听再跑全长？勾上Sample Mode (30s)，只处理前 30 秒，参数满意了再正式开跑。

效果不理想时的调优顺序

先换模型 / 算法，再调参数，最后才动设备设置：

• 流行 / 摇滚：MDX-Net 最均衡；古典 / 编曲复杂：换 Demucs v4 更稳；只想删某件乐器：用 VR 系列专项模型
• 先降噪再分离：用 models/VR_Models/ 里的 UVR-DeNoise-Lite.pth 先过一遍原始音频

参数推荐范围：

听到"咔哒"声或段落感？先把 Overlap 加一档。内存吃紧？把 Segment Size 降到 128。

常见报错速查表

完整报错对照逻辑在 gui_data/error_handling.py，弹窗会直接给出对应建议。

加速与扩展

• GPU 加速：设备调度写在 separate.py，自动检测 CUDA 与 macOS 的 MPS，可用就优先走 GPU。官方建议 NVIDIA 显存 8GB 起步（最低 RTX 1060 6GB）。
• 批量处理：UVR 支持把多个文件一次性拖进队列排队处理；网络不好时，模型也可手动放进 models/ 的三个对应目录，省掉首次下载。

从一首你最熟的歌开始：丢进去，选 MDX-Net，点 Start Processing。等你第一次听到"干净得像原版伴奏"的结果，这套流程就彻底上手了。

【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