Ultimate Vocal Remover本地免费跑 AI 人声分离5 分钟出第一首伴奏【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想从一首歌里把主唱抽走只留下干净的伴奏Ultimate Vocal Remover下称 UVR就是干这件事的它把 MDX-Net、Demucs 等开源深度学习模型打包进一个图形界面里你在界面上选文件、选模型点击 Start Processing得到的就是分好的人声轨和伴奏轨。项目完全免费、采用 MIT 开源协议Windows、macOS、Linux 三个平台都支持。首次上手三步装好并验证界面系统要求64 位系统Windows 10 及以上或 macOS Big Sur 及以上或 Debian/Arch 系 Linux建议 8GB 内存以上有 NVIDIA 显卡推荐 8GB 显存可启用 GPU 加速。安装依赖处理非 WAV 音频还需要系统装好 FFmpegDebian/Ubuntu 上sudo apt install ffmpeg python3-pip python3-tk即可Windows 和 macOS 也可去 Releases 下载预打包好的完整安装包免去配置环境。git clone https://gitcode.com/GitHub_Trending/ul/ultimatevocalremovergui cd ultimatevocalremovergui ./install_packages.sh python UVR.py怎么算跑通了终端出现加载日志后弹出 UVR 主界面中间能看到 Process Method 下拉框默认就是 MDX-Net、Model File 列表和右下角 Start Processing 按钮。界面首次打开会稍慢属正常现象。核心玩法三个最常见的分离任务任务一做一首卡拉OK伴奏去人声要做什么只保留伴奏去掉人声。怎么操作点 Select Input 选中歌曲、Select Output 指定输出目录Output Format 选 WAV无损适合存档和二次处理Process Method 保持默认的MDX-NetModel File 选MDX23C-InstVoc HQ勾选Instrumental Only只输出伴奏这一条音轨省时省磁盘。得到什么输出目录里出现一首与原曲同名、带 instrumental 标记的伴奏文件可直接进 DAW 或卡拉OK设备。任务二一首歌拆成四条音轨人声/鼓/贝斯/其他要做什么拿到完整的分轨方便单独修某条乐器。怎么操作Process Method 换成DemucsModel 选4-stem勾选Is Primary Stem Only人声与Is Secondary Stem Only鼓、贝斯、其他各一条其余可取消。Demucs 的 Segment 默认 3 秒窗口即可。得到什么输出目录里得到 vocals、drums、bass、other 四个独立音轨。这是做分轨采样、和声重录最常用的模式。任务三提取纯净人声要做什么只留人声去掉所有乐器用于采样或二次混音。怎么操作同任务一但勾选Vocals Only而不是 Instrumental Only模型仍推荐 MDX23C-InstVoc HQ人声较弱的歌曲可换Demucs或VR Architecture的多组人声模型HP-UVR 系列对比试听。得到什么一条独立的人声 WAV。三个任务里用不到的选项都可以不管——UVR 关闭时会记住你的设置下次打开还是你上次选的模型和参数。参数速查全文只列真正影响结果的几个Process MethodMDX-Net人声/伴奏二分离首选默认、Demucs四轨多轨分离、VR Architecture经典模型人声提取有 HP-UVR 系列、Ensemble Mode多模型混合输出。Model File随方法切换。MDX-Net 下推荐 MDX23C-InstVoc HQDemucs 下按 4-stem / 6-stem 选。SegmentMDX-Net32~4000 步进 32控制分块长度。显存紧张就调小追求连贯性可参考模型 yaml 里的推荐值见 lib_v5/vr_network/modelparams/。Overlap8~128 步进 8重叠块比例越大边界拼接越平滑越吃资源。GPU Conversion勾选即用显卡加速检测不到显卡会自动回退 CPUCPU 跑同样能出结果只是明显更慢。Output FormatWAV 无损体积最大FLAC 无损压缩MP3 最小但有损日常分享选 MP3 即可。常见问题转换非 WAV 文件报错→ 系统缺 FFmpeg安装后重试UVR 依赖它处理 MP3/FLAC 等格式。内存分配错误OOM→ 把 MDX-Net 的 Segment 调小或取消 GPU 改用 CPU 逐段处理。启动后点按钮没反应/界面卡顿→ 首次启动需加载模型和依赖耐心等待几分钟仍无响应时先点 Settings 按钮里的 Error Log 查看详细报错再反馈。分离后仍有残留人声或乐器→ 换一个模型对比MDX-Net 换 Demucs或反之或调整 Overlap这比反复调其他参数更有效。macOS 提示无法打开应用→ 系统安全策略拦截按 README 中的终端命令解除隔离标记即可。进阶与扩展预训练模型放在 models/ 目录按 MDX_Net_Models、Demucs_Models、VR_Models 分开放置可把自己的.pth模型放进去试用模型下载列表维护在 gui_data/model_manual_download.json。核心分离算法在 lib_v5/mdxnet.py 是 MDX-Net 实现spec_utils.py 是频谱分块工具Demucs 的完整实现在 demucs/ 包内。界面主体是 UVR.py约 7000 行错误诊断逻辑在 gui_data/error_handling.py。界面会自动保存设置到 gui_data/saved_settings/多模型组合可保存为 Ensemble 方案。项目接受 Pull Request核心模型由开发团队自行训练维护Demucs v3/v4 4-stem 除外。UVR 把跑一遍人声分离压缩成了选文件、选模型、点一次按钮的程度。下一步就三件事克隆仓库装好依赖、打开界面确认 MDX-Net 已选中、丢一首歌进去拿到你的第一首伴奏。【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创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
