Ultimate Vocal Remover 入门10 分钟把一首歌拆出纯人声与纯伴奏【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/ultimatevocalremoverguiUltimate Vocal Remover下文简称 UVR是一款基于深度神经网络的开源人声分离工具带完整的图形界面给一首 MP3 或 FLAC它能输出纯人声Vocals和纯伴奏Instrumental两条独立音轨全程在本机完成文件不会上传。本文以“从一首歌里做出一版伴奏”这个任务为线索把安装、算法选择、参数调整完整走一遍全部步骤在任何平台上都能复现。从一首歌做出一版伴奏完整操作顺序第一次使用按下面的顺序点下去即可选择输入点 Select Input 选中歌曲文件也可以直接把文件拖进窗口支持一次选择多个文件批量处理。选择输出指定保存结果的文件夹。建议输入、输出目录分开建立方便管理。选输出格式WAV 无损但体积最大FLAC 体积居中MP3 最小。首跑建议选 WAV避免叠加有损压缩的损失。选算法在 Choose Process Method 中选 MDX-Net它在人声/伴奏分离上是目前最稳的通用选择。选模型MDX-Net 下拉里选 MDX23C-InstVoc HQ该模型针对人声与伴奏的分离专门优化。勾选 Instrumental Only只输出伴奏轨。如果你要的是人声改勾 Vocals Only两个都不勾则两轨都导出。开始处理点 Start Processing进度会实时显示完成后去输出目录拿结果。界面上 Start Processing 左侧的扳手按钮是设置入口可以把当前的模型和参数组合保存下来下次直接用 Select Saved Settings 加载不用重复手选。克隆仓库后十分钟装好 UVRUVR 是 Python 项目源码安装只需三步git clone https://gitcode.com/GitHub_Trending/ul/ultimatevocalremovergui cd ultimatevocalremovergui ./install_packages.sh安装脚本 会按 依赖清单 逐个安装 PyTorch、librosa、soundfile 等包。如果脚本在你的系统上跑不通退一步手动安装pip install -r requirements.txt然后启动python UVR.py三个注意点FFmpeg 是必需的非 WAV 格式MP3、FLAC依赖 FFmpeg 解码。首次导入 MP3 就报错多半是缺它Debian 系系统一条sudo apt-get install ffmpeg即可。首次启动偏慢程序会做初始化检查和模型数据准备模型文件按架构分别放在 预训练模型目录 的 MDX_Net_Models、VR_Models、Demucs_Models 子目录里。不想配环境的用户Windows 和 macOS 可以直接从官方仓库的 Release 页下载打包版里面自带 Python 与 PyTorch解压即用。模型怎么选VR、MDX-Net 与 Demucs 三条路线UVR 内置三类分离算法网络结构和适用场景各不相同算法工作方式典型模型适合场景MDX-Net混合频谱网络MDX23C-InstVoc HQ人声/伴奏两轨分离通用首选Demucs多轨道源分离Demucs v3 / v4人声、鼓、贝斯、其他乐器的四轨拆分VR Architecture幅度谱网络VR-DeEcho、DeNoise 系列去回声、降噪等专项任务选择建议做卡拉OK 伴奏或提取人声先试 MDX-Net做混音需要多轨素材选 Demucs v4它能拆出 vocal、drums、bass、other 四个文件目标是清理回声、底噪这类特定问题再去 VR Architecture 里找专用模型比如仓库自带的 UVR-DeNoise-Lite。模型背后的实现都在 核心算法库MDX-Net 在 mdxnet.pyDemucs 在 demucs/频谱相关的工具函数在 spec_utils.py。每个下拉选项对应哪层代码对照这三个目录基本都能找到。参数怎么调Segment Size 与 Overlap 的取舍MDX-Net 真正需要理解的参数只有两个Segment Size每次送入模型的处理窗长度默认 256。值越大上下文越完整、衔接越平滑但内存占用越高。Overlap相邻处理窗之间的重叠比例界面默认 0.25 附近。值越大过渡越连贯处理越慢。两条实战规则内存报错CUDA out of memory优先把 Segment Size 调小例如降到 128而不是关 GPU。显存不够官方建议 NVIDIA 显卡至少 8GB 显存GTX 1060 6GB 是能启用 GPU Conversion 的最低线。显存不足时取消勾选 GPU Conversion 回落到 CPU速度慢但稳定。另外应用会在你关闭时自动记住全部设置不必每次重新配置。进阶多轨分离、降噪与自定义模型跑通基础流程后值得试试这几件事四轨拆分Demucs v4 输出人声、鼓、贝斯、其他乐器四个文件配合界面里的 Primary / Secondary Stem 选项可以只保留你要的那几轨。降噪与去回声勾选 Denoise 或 DeEcho 选项调用对应的 VR 专项模型处理 MDX-Net 输出中的残留噪声对现场录音尤其有用。组合模型把多个模型的输出做平均Ensemble难分离的段落会更干净组合配置保存在gui_data/saved_ensembles/。添加自己的模型把权重文件放进 models/ 下对应架构的子目录重启后就会出现在下拉列表里。常见问题报错与效果不佳怎么办导入 MP3 就报错十有八九是 FFmpeg 没装或不在 PATH 里装好再试。处理中内存/显存报错先降 Segment Size再考虑暂时关 GPU Conversion 用 CPU 验证。速度太慢确认 GPU Conversion 已勾选且显卡被识别纯 CPU 比 GPU 慢一个量级很正常。人声残留明显换另一个模型对比或用组合模型取平均不同歌曲在不同模型下的表现差异不小多做 A/B 试听。想反馈 Bug点界面 Settings 再点 Error Log把详细日志贴给项目社区即可错误文案的组织逻辑在 gui_data/error_handling.py。如何开始遇到问题去哪找第一次分离的路径是克隆仓库 → 装依赖 →python UVR.py启动 → 选一首歌MDX-Net 加 MDX23C-InstVoc HQ参数保持默认勾 Instrumental Only点 Start Processing。拿到第一版输出后再回头调 Segment Size 和 Overlap或者换成 Demucs 试多轨拆分。中途卡住时先检查 FFmpeg 和 Python 版本再看仓库自带的 Error Log 与 README 的 Troubleshooting 小节两者都放在仓库根目录能覆盖绝大多数安装和处理阶段的报错。【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 
长河君 · 2026/10/16 2:43:28 · 阅读 1.2k Ultimate Vocal Remover 入门：10 分钟把一首歌拆出纯人声与纯伴奏
Ultimate Vocal Remover 入门10 分钟把一首歌拆出纯人声与纯伴奏【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/ultimatevocalremoverguiUltimate Vocal Remover下文简称 UVR是一款基于深度神经网络的开源人声分离工具带完整的图形界面给一首 MP3 或 FLAC它能输出纯人声Vocals和纯伴奏Instrumental两条独立音轨全程在本机完成文件不会上传。本文以“从一首歌里做出一版伴奏”这个任务为线索把安装、算法选择、参数调整完整走一遍全部步骤在任何平台上都能复现。从一首歌做出一版伴奏完整操作顺序第一次使用按下面的顺序点下去即可选择输入点 Select Input 选中歌曲文件也可以直接把文件拖进窗口支持一次选择多个文件批量处理。选择输出指定保存结果的文件夹。建议输入、输出目录分开建立方便管理。选输出格式WAV 无损但体积最大FLAC 体积居中MP3 最小。首跑建议选 WAV避免叠加有损压缩的损失。选算法在 Choose Process Method 中选 MDX-Net它在人声/伴奏分离上是目前最稳的通用选择。选模型MDX-Net 下拉里选 MDX23C-InstVoc HQ该模型针对人声与伴奏的分离专门优化。勾选 Instrumental Only只输出伴奏轨。如果你要的是人声改勾 Vocals Only两个都不勾则两轨都导出。开始处理点 Start Processing进度会实时显示完成后去输出目录拿结果。界面上 Start Processing 左侧的扳手按钮是设置入口可以把当前的模型和参数组合保存下来下次直接用 Select Saved Settings 加载不用重复手选。克隆仓库后十分钟装好 UVRUVR 是 Python 项目源码安装只需三步git clone https://gitcode.com/GitHub_Trending/ul/ultimatevocalremovergui cd ultimatevocalremovergui ./install_packages.sh安装脚本 会按 依赖清单 逐个安装 PyTorch、librosa、soundfile 等包。如果脚本在你的系统上跑不通退一步手动安装pip install -r requirements.txt然后启动python UVR.py三个注意点FFmpeg 是必需的非 WAV 格式MP3、FLAC依赖 FFmpeg 解码。首次导入 MP3 就报错多半是缺它Debian 系系统一条sudo apt-get install ffmpeg即可。首次启动偏慢程序会做初始化检查和模型数据准备模型文件按架构分别放在 预训练模型目录 的 MDX_Net_Models、VR_Models、Demucs_Models 子目录里。不想配环境的用户Windows 和 macOS 可以直接从官方仓库的 Release 页下载打包版里面自带 Python 与 PyTorch解压即用。模型怎么选VR、MDX-Net 与 Demucs 三条路线UVR 内置三类分离算法网络结构和适用场景各不相同算法工作方式典型模型适合场景MDX-Net混合频谱网络MDX23C-InstVoc HQ人声/伴奏两轨分离通用首选Demucs多轨道源分离Demucs v3 / v4人声、鼓、贝斯、其他乐器的四轨拆分VR Architecture幅度谱网络VR-DeEcho、DeNoise 系列去回声、降噪等专项任务选择建议做卡拉OK 伴奏或提取人声先试 MDX-Net做混音需要多轨素材选 Demucs v4它能拆出 vocal、drums、bass、other 四个文件目标是清理回声、底噪这类特定问题再去 VR Architecture 里找专用模型比如仓库自带的 UVR-DeNoise-Lite。模型背后的实现都在 核心算法库MDX-Net 在 mdxnet.pyDemucs 在 demucs/频谱相关的工具函数在 spec_utils.py。每个下拉选项对应哪层代码对照这三个目录基本都能找到。参数怎么调Segment Size 与 Overlap 的取舍MDX-Net 真正需要理解的参数只有两个Segment Size每次送入模型的处理窗长度默认 256。值越大上下文越完整、衔接越平滑但内存占用越高。Overlap相邻处理窗之间的重叠比例界面默认 0.25 附近。值越大过渡越连贯处理越慢。两条实战规则内存报错CUDA out of memory优先把 Segment Size 调小例如降到 128而不是关 GPU。显存不够官方建议 NVIDIA 显卡至少 8GB 显存GTX 1060 6GB 是能启用 GPU Conversion 的最低线。显存不足时取消勾选 GPU Conversion 回落到 CPU速度慢但稳定。另外应用会在你关闭时自动记住全部设置不必每次重新配置。进阶多轨分离、降噪与自定义模型跑通基础流程后值得试试这几件事四轨拆分Demucs v4 输出人声、鼓、贝斯、其他乐器四个文件配合界面里的 Primary / Secondary Stem 选项可以只保留你要的那几轨。降噪与去回声勾选 Denoise 或 DeEcho 选项调用对应的 VR 专项模型处理 MDX-Net 输出中的残留噪声对现场录音尤其有用。组合模型把多个模型的输出做平均Ensemble难分离的段落会更干净组合配置保存在gui_data/saved_ensembles/。添加自己的模型把权重文件放进 models/ 下对应架构的子目录重启后就会出现在下拉列表里。常见问题报错与效果不佳怎么办导入 MP3 就报错十有八九是 FFmpeg 没装或不在 PATH 里装好再试。处理中内存/显存报错先降 Segment Size再考虑暂时关 GPU Conversion 用 CPU 验证。速度太慢确认 GPU Conversion 已勾选且显卡被识别纯 CPU 比 GPU 慢一个量级很正常。人声残留明显换另一个模型对比或用组合模型取平均不同歌曲在不同模型下的表现差异不小多做 A/B 试听。想反馈 Bug点界面 Settings 再点 Error Log把详细日志贴给项目社区即可错误文案的组织逻辑在 gui_data/error_handling.py。如何开始遇到问题去哪找第一次分离的路径是克隆仓库 → 装依赖 →python UVR.py启动 → 选一首歌MDX-Net 加 MDX23C-InstVoc HQ参数保持默认勾 Instrumental Only点 Start Processing。拿到第一版输出后再回头调 Segment Size 和 Overlap或者换成 Demucs 试多轨拆分。中途卡住时先检查 FFmpeg 和 Python 版本再看仓库自带的 Error Log 与 README 的 Troubleshooting 小节两者都放在仓库根目录能覆盖绝大多数安装和处理阶段的报错。【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