企业官网建设流程全解析

如果你想把《杀死那个石家庄人》的贝斯声部扒下来学习、翻弹，或者把它重新放进自己的混音工程里，会遇到一个很现实的问题：网上能搜到的谱子大多是文字谱或简化版，细节经常和原曲对不上；直接听原曲，贝斯又和吉他、鼓、小号叠在一起，低音区域黏糊糊的，很难听清楚音符。这篇文章不打算从文学或歌词角度分析这首歌，而是把它当作一次音频工程练习：如何从一首完整的混音成品中，分离出一条相对干净的贝斯音轨，再完成听音扒带与基础混音处理。整个过程会覆盖软件环境、分离工具、检查波形的 Python 脚本、常见参数坑点，以及工程管理建议，适合音乐制作初学者、贝斯手，也适合对开源音频工具感兴趣的开发者。

1. 为什么需要一条干净的贝斯音轨

对很多贝斯手来说，扒带是每天都要做的事。但类似《杀死那个石家庄人》这种编曲层次丰富的歌曲，贝斯并不是随时都站在最前面。它的低音线条经常和底鼓共用一个频段，偶尔还会被失真吉他和萨克斯/小号段落盖住。想在原曲里逐音听清贝斯，其实相当费耳朵。

如果能先把贝斯声部单独抽出来，学习过程会变得很轻松。我们可以把速度放慢、把低频区域放大，甚至只盯着波形和频谱去判断音符起始点。尤其是在做翻弹视频时，一条干净的贝斯音轨还能充当参考轨：你可以把自己的真实贝斯录音和分离轨一起播放，逐小节对比音色、时值和力度。

这类需求在音频圈里有很常见的叫法：音轨分离，英文常写作 stem separation 或 source separation。它本质上不是“找现成伴奏”，而是用算法把已经混合好的录音拆成若干个声部，常见拆分方式包括人声、贝斯、鼓、其他乐器四组。拆出来之后，无论你是用于扒谱、做 Remix、做伴奏，还是单纯练习听力，都比对着成品反复倒带高效得多。

技术选型方面，目前比较流行的开源工具有 Meta 的 Demucs 和 Deezer 的 Spleeter。两个工具都能把歌曲拆出 bass 音轨，但模型思路和最终音质表现有差异。下面会介绍安装过程、实际拆分命令，以及如何处理分离后可能出现的“不干净”现象。

2. 基础认知：音轨分离能帮你到什么程度

在开始输入命令之前，先建立几个必要的认知。这样后面遇到分离结果不理想时，你不会以为是软件坏了。

2.1 原始录音是混音成品，不存在官方贝斯分轨

绝大多数商业唱片发布时是立体声成品，听众拿到的是所有声部混合后的结果。除非唱片公司额外发售多轨分轨文件，否则我们不可能直接从 MP3 里“解压”出真正的贝斯音轨。音轨分离模型做的是估计和重建：它根据贝斯在语谱图上的频率分布、谐波结构和时间包络，把属于贝斯的能量从混合信号中剥离出来。

这意味着分离结果不等于真正的“干声”，里面仍可能残留少量鼓、吉他泛音或房间底噪。反向理解也一样：如果你自己弹了一段贝斯准备混音，不必把原曲里的贝斯“完全压没”，因为成品本来就存在声学重叠。

2.2 音轨分离工具的模型原理

以 Demucs 为例，它属于深度学习音源分离模型。输入是一段混合音频，模型会把它转换为频谱特征，再通过掩码方式区分不同声源，最后还原成波形。它的优点是能处理较复杂的音乐结构，拆分出来的贝斯声部经常比其他老模型更完整、更少“水声”。

Spleeter 则基于 TensorFlow，提供了多个预训练方案。4stems 模型会把音频拆成人声、贝斯、鼓、其他四轨。由于其部署历史较早，在很多教程中被广泛使用，运行速度也快，但复杂编曲下分离质量通常不如 Demucs 新版本稳定。

可以说，Demucs 更适合追求分离质量的学习场景；Spleeter 更适合快速出草稿、批量处理素材的场景。两者不需要二选一，配置允许的话完全可以都安装。

2.3 分离之后仍然要人工判断

这是很多初学者最常踩的误区：以为分离出来的 bass.wav 一定是“标准答案”。实际上，模型可能把某些低频钢琴音放到 bass 轨，也可能把贝斯泛音的一部分分给 other 轨。所以分离只能作为辅助，真正扒带时还是要结合原曲和弦走向、鼓点位置以及耳朵判断，最终确定某个音到底是根音、经过音还是装饰音。

一旦你理解了分离结果只是“接近贝斯的估计”，后续做混音处理时的心态就会正确很多：你会去修剪、处理、对照原曲，而不是直接把分离轨当成唯一真相。

3. 环境准备：需要哪些软件和文件结构

接下来的操作以 Windows / macOS / Linux 均可运行为前提，因为 Demucs 和 Spleeter 都是跨平台的 Python 命令行工具。如果你不是程序员，也不用害怕，下面每一步都会给出完整命令，复制到终端执行即可。

3.1 安装 Python 与基础依赖

Demucs 和 Spleeter 都依赖 Python 环境。建议使用 Python 3.9 或更新的稳定版本，因为旧版本可能与新版本 PyTorch 不兼容。如果你电脑里还没装 Python，可以从官网下载安装包，安装时记得勾选“Add Python to PATH”。

本文示例不绑定某个精确版本号。这些开源工具迭代速度很快，不同安装时间拿到的依赖版本可能不同，所以下面的命令会先教你查看安装结果，而不是假设某个固定版本一定能跑通。

3.2 推荐安装 Demucs

Demucs 官方推荐通过 pip 安装：

pip install -U demucs

安装完成后，查看帮助信息：

python -m demucs --help

如果看到类似“usage: demucs”的输出，说明安装成功。如果没有，可以尝试重启终端，或者检查 Python 是否真的加入了 PATH。

Demucs 运行时需要 PyTorch。第一次执行分离时，工具会自动下载预训练模型权重，所以需要保持网络畅通。这里的网络要求是正常的软件下载行为，和任何代理工具无关，务必使用官方源或可信镜像完成安装。

3.3 安装 Spleeter 作为备选

如果你希望有一个备选方案，可以再安装 Spleeter：

pip install spleeter

Spleeter 首次运行也会下载预训练模型，默认放在当前用户目录下。由于历史版本较多，如果你在使用 spleeter 命令时遇到 TensorFlow 兼容性报错，可以先升级到新版，再根据报错信息搜索对应的迁移方案。

3.4 准备音频文件与项目文件夹

建议专门建立一个工程目录，避免分离输出和原版音频混在一起。比如在你常写音乐工程的位置创建下面这样的结构：

BassProject/ 00_Source/ # 存放原始歌曲文件 10_Separated/ # 存放分离结果 20_Work/ # 存放处理后的贝斯片段 90_Export/ # 存放最终成品

把歌曲文件放入00_Source中。这里需要强调一下：请使用你已经拥有合法使用权利的音频文件，例如自购数字专辑、CD 翻录或乐队官方提供的试听素材。分离技术用于学习和创作没有问题，但在未授权情况下用分离出来的人声/伴奏做商业发布，或直接二次分发分轨文件，仍然属于侵权风险行为。

4. 实战：把贝斯音轨从原曲里分离出来

现在进入正式操作。假设你已经把歌曲文件命名为song.flac，并放在00_Source目录中。下面我们分别用 Demucs 和 Spleeter 完成分离。

4.1 用 Demucs 一键分离四轨

在项目根目录打开终端，执行：

python -m demucs --name htdemucs --outdir ./10_Separated "./00_Source/song.flac"

参数说明：

• --name htdemucs：指定使用 htdemucs 模型。这是 Demucs 提供的混合变换模型，分离质量比较均衡，适合音乐素材。
• --outdir ./10_Separated：指定输出目录。
• 最后面是输入文件路径。

执行时终端会显示进度条。如果没有指定--two-stems，默认会拆分四个声部：bass.wav、drums.wav、other.wav、vocals.wav。输出路径通常是在输出目录下再按模型名和歌曲名建立文件夹，你可以直接进入10_Separated里查看。

如果你只需要贝斯和伴奏两轨，也可以使用：

python -m demucs --two-stems=vocals --outdir ./10_Separated "./00_Source/song.flac"

但需要注意，--two-stems并不是只保留“贝斯 + 伴奏”，它会把除了指定声部之外的声音合并成一轨。如果你主要想研究贝斯，建议还是先完整拆四轨，再单独提取里面的bass.wav。

4.2 用 Spleeter 分离作为对比

Spleeter 的命令相对简洁：

spleeter separate -i "./00_Source/song.flac" -o ./10_Separated/spleeter -p spleeter:4stems

参数说明：

• -i：输入文件。
• -o：输出文件夹。
• -p spleeter:4stems：指定模型方案，4stems表示四声部。

运行完成后，10_Separated/spleeter/song目录下会出现四个文件。你可以把 Demucs 和 Spleeter 分别生成的bass.wav都拖入 DAW 试听，感受两者的差别：一种可能更干净但贝斯尾音偏薄，另一种可能低频更厚但残留了一些鼓声。最后选更接近原曲听感的那一版继续用。

4.3 用 Python 快速绘制贝斯轨波形

分离完成后，直接用耳朵听当然可以。但如果你想更客观地观察贝斯轨的段落结构，可以写一个小脚本绘制波形。下面是一个基于 SciPy 和 Matplotlib 的示例，适合查看整轨时长和响度分布。

代码文件路径可以放在项目根目录，例如tools/check_wav.py：

# 文件路径：tools/check_wav.py import sys import numpy as np import matplotlib.pyplot as plt from scipy.io import wavfile if len(sys.argv) < 2: print("用法：python tools/check_wav.py <音频文件>") sys.exit(1) file_path = sys.argv[1] sr, data = wavfile.read(file_path) if data.ndim > 1: data = data.mean(axis=1) time = np.arange(len(data)) / sr duration = len(data) / sr print(f"采样率：{sr} Hz") print(f"时长：{duration:.2f} 秒") plt.figure(figsize=(12, 4)) plt.plot(time, data, linewidth=0.2, color="blue") plt.title("Bass Track Waveform") plt.xlabel("Time (s)") plt.ylabel("Amplitude") plt.xlim(0, duration) plt.tight_layout() plt.savefig("bass_waveform.png", dpi=150)

运行命令：

pip install scipy matplotlib python tools/check_wav.py "./10_Separated/htdemucs/song/bass.wav"

脚本会打印音频的采样率和时长，并在项目根目录生成一张bass_waveform.png图片。通过波形文件，你可以快速看出歌曲的大致段落：前奏波峰较少，进入主歌后低频起伏变密，副歌时响度通常更大。配合 DAW 里的时间标尺，能为后续扒带节省不少时间。

4.4 导入 DAW 里对齐

分离出的 WAV 没有自动伴奏，也没有节拍标记，所以最好用 DAW 与原曲对齐后再分析。以 Reaper、Logic Pro、Cubase 等常见 DAW 为例，把原曲放在第一轨，把bass.wav放在第二轨，然后让两者的开头对齐。如果歌曲本身速度恒定，可以打开节拍器并手动试出 BPM，这样后续标记音符会更方便。

对齐时，不要把波形整体拖到看不见的地方。建议将贝斯轨调整为与原始曲目相同长度，并在两个轨道的开头位置建立标记。之后每次 Solo 贝斯轨，反复听某个段落，都从起点开始按空白键播放，能避免只听到一段脱离和声语境的低音。

5. 从贝斯音轨到扒谱

有了相对干净的贝斯音轨，接下来才是真正的音乐功底工作：确定音符、节奏和指法。

5.1 先确定歌曲的调式和节拍

扒带的第一步并不是急着找第一个音。你需要先知道这首歌大概是什么调、什么拍子。你可以在 DAW 中边播放贝斯轨边用钢琴或调音器找根音。最常用的方法是从低音谱号角度判断：找到一段结束感很强的低音，试试它是否与整首歌的主音吻合。

《杀死那个石家庄人》的现场版与录音室版本在速度和演唱细节上有差异，具体调位一定要以你手头音频的实际听感为准，不要照搬别人的文字谱。节拍方面，你可以听底鼓和贝斯结合的律动，判断是 4/4 拍还是其他复合拍子。对这类经典的摇滚/独立作品，常见编曲会以稳定的四分或八分为基底，但这不意味着你能跳过听觉验证。

5.2 分离轨只给音高，不给指法

即使分离轨非常干净，它也只能告诉你“贝斯弹了什么音”，不能直接告诉你“乐手在第几品用什么手指弹的”。同一个音在贝斯上有好几种按法，不同把位音色也不同。如果你想在原曲的音色质感上更贴近，扒完音名后还要去琴上试，寻找最顺手的把位，并关注空弦音是否被频繁使用。

听音时可以只循环一个四小节乐句。比如先判断第一大句的根音进行，把它写下来，再逐步补全节奏。不要试图一次听完一整段，因为人耳对低音的记忆衰减很快，循环越长越难判断。

5.3 记录根音并建立和弦对照表

建议用表格记录段落、小节数、根音和听感特征。下面只是记录方法的示例，不是这首歌的真实完整谱例：

这种方法能让你快速把握全曲框架。具体音名请自行对照音频，千万不要先用网上某个调性结论去套，那样容易错过原曲中很有特点的临时变化音。

5.4 处理分离轨的“开头和结尾”

模型分离出的贝斯轨经常会在音符开头带一点瞬态噪声，在音符结尾则可能拖出轻微的混响或嘎吱声。扒谱时如果这些噪声影响判断，可以在 DAW 里给贝斯轨加一个轻量高通滤波。贝斯基频一般不会低于 40 Hz，把 30 Hz 以下切除不会伤害音高，但能去掉不少无用的低频震动声。

还要注意，不要把分离轨开头多余的一小段空白当成贝斯长音。原曲如果前奏没有贝斯，模型可能仍会输出细微的环境底噪，听起来像低频嗡鸣，但不代表真有音头。扒谱时，最好对照原曲确定贝斯真正进入的时间点，再以那个位置为起点记录。

6. 混音视角：让贝斯音轨更清晰可控

如果你不只想扒谱，还想把分离出来的贝斯音轨用于自己的重新混音或 Remix，那么还需要学会清理和增强。

6.1 先决定贝斯在重新混音里的角色

在原曲里，贝斯和底鼓共同承担低频冲击。如果你重新制作的版本里没有保留原鼓，或者鼓的音色完全不同，直接使用原曲分离出的贝斯轨可能并不合适。你需要决定的是：贝斯轨只是参考，还是作为新作品的低音声部？如果是参考，就不用做大改动；如果是真正放进新混音，就要按新编曲的频段分布调整它。

一个比较稳妥的做法是在新工程里先不添加太多效果，只用音量平衡判断贝斯轨和其他声部是否冲突。不要一开始就加一堆 EQ 和压缩，否则你很难判断冲突来自分离不纯净，还是来自混音本身。

6.2 用 EQ 清理贝斯轨

贝斯轨常见的处理思路是切除无用低频。可先在贝斯轨上挂一个 EQ，做 40 Hz 以下的高通滤波，并用 80 Hz 附近的小幅提升或衰减来判断厚度。如果你发现分离轨还有明显的鼓声残留，可以在鼓的基频位置做窄带衰减，比如 100 Hz 到 200 Hz 之间的某个频点。这个频点不能盲目套用，需要通过扫描方式找出来：在 EQ 上设置一个较窄的 Q 值，增益提升 6 dB 左右，然后慢慢移动频率，当听到某个频段让鼓的“嘭嘭”声明显变突出时，就是残留声所在的位置，再切衰减。

6.3 压缩与饱和处理

分离出来的贝斯轨有时动态不太稳定，因为模型可能在某些段落的音量还原不自然。给贝斯轨加压缩时，先用慢启动、中等释放比去控制波峰，不要让压缩器过度抽吸。贝斯音头需要保留，所以启动时间不要设得太快。

如果希望贝斯在小型音箱上也能被听到，可以加入谐波饱和效果器。饱和器能产生偶次谐波，让贝斯的中高频泛音更明显，但不会大幅改变低频听感。这一步很适合 Remix 场景，因为你新加的鼓组如果也在低频区域占空间，饱和处理能让贝斯在中低频区域保持可辨度。

6.4 如果你有真实贝斯：用分离轨做对照

有实体贝斯的玩家，分离轨更大的价值是“跟练”：播放分离出的贝斯轨，然后用真实贝斯去弹同一段旋律，对比音色、时值和延音。你可以把真实贝斯接在声卡上录一轨，再和分离轨同时播放。两轨之间可能存在轻微相位和时差，不必强求完全重合，但要在听感上保证音符起始点基本一致。

这个过程中最重要的不是追求“一模一样”，而是理解原曲贝斯手的演奏力度控制：有些音轻轻带过，有些音用力击弦，这些动态信息在分离轨中会保留一部分。你跟着分离轨练习，比单纯看谱演奏更容易还原出原曲的呼吸感。

7. 常见问题与排查思路

实际操作中，最容易遇到的几个问题如下：

如果你遇到的是模型效果不理想，可以通过更换 Demucs 模型集来对比。例如有些人会下载更高质量的模型名称，但每个模型对电脑性能要求不同。运行前先查看你的显存或内存情况，避免在一次分离中加载太多模型。对于普通歌曲，htdemucs 已经足够，不必追求参数最多的版本。

8. 工程规范与版权红线

处理这类音频素材，除了技术本身，还要建立良好的工程习惯和版权意识。

8.1 文件命名与版本管理

分离出的 WAV 文件体积比较大，如果做多次处理，很容易出现“final_final_v2”这种混乱命名。建议用日期 + 用途命名，例如bass_clean_20250321.wav表示 2025 年 3 月 21 日清理过的版本。每一次重要处理都另存为新的文件，不要覆盖原始的bass.wav。

如果你使用 DAW 工程，每个工程文件里应写明分离源文件路径。否则过了一周，你打开工程却发现自己根本分不清是 Demucs 还是 Spleeter 的产物，重做时只能从头再分离一遍。

8.2 注意增益级与响度

分离出的贝斯轨音量通常接近原始混合响度。把它放进新工程后，先重置音量到大约 -18 dBFS 至 -12 dBFS 的平均电平，再开始混音，这样留出动态余量。不要直接保持 0 dB 附近的峰值，因为后续加 EQ 或压缩时容易过载，产生不必要的削波。

8.3 分清“学习使用”和“商业使用”

即使你已经拥有正版音频文件，也不代表你可以随意发布别人歌曲的完整分轨。用音轨分离工具做扒带、练习、混音研究属于灰色地带，但通常发生在个人学习场景中问题不大；一旦你要在视频平台发布 Remix、翻调或伴奏，就要注意平台版权规则以及是否需要获得原版权方授权。最好的做法是：仅在私人工程中使用分离结果，公开分享时只发布自己的翻弹演奏或混音片段的试听，并标明原曲和原作者信息。

千万不要把分离出来的人声轨和伴奏轨打包上传到网盘，这种行为风险很高。技术本身没有问题，问题在于使用边界。养成标注素材来源的好习惯，对你的长期创作也有帮助。

8.4 备份原始音频与分离配置

分离模型依赖的版本更新很快，今天分离的效果不一定和三个月后相同。如果你想保持某个项目的可复现性，可以记录下当时使用的模型名和命令。条件允许的话，把原始歌曲文件也一并备份。磁盘空间足够时，保留bass.wav分离文件，能避免未来重新下载安装模型再做一次分离的麻烦。

9. 开始前先想清楚目标

贝斯音轨的分离与扒带，是一套很实用的音频工程流程，但它并没有一个“唯一正确”的答案。你用 Demucs 分离出的结果，和用 Spleeter 分离出的结果，可能在低频轮廓上有微妙差异；你最后整理出来的谱子，也可能和其他翻弹版本略有不同。这些都不是错误，而是技术工具耳测习惯共同作用的结果。

如果你现在的目标只是把《杀死那个石家庄人》的贝斯线学会，那就不必纠结于把所有声音处理得完美无瑕。优先找到一条能清楚听到音符的贝斯轨，跟着它弹下来，再对比原曲修正演奏细节即可。如果你想把分离出的贝斯轨放进自己的编曲实验里，那就要从清理、EQ、压缩乃至版权风险各个角度层层考虑。

无论后续走哪条路，都建议把音频素材单独放在一个目录里，把分离过程和文件命名简单记录在文本文件中。听到舒服的贝斯音色时，把当前工程另存为一个版本，方便后面需要时回溯。祝你顺利扒下这条贝斯线，也希望你在处理其他歌曲时，能把这套流程复用到更广阔的音乐制作场景中。