企业官网建设流程全解析

UVR 人声分离实操指南：从克隆到第一首伴奏

【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

你有一段四分钟的歌，只想要里面那把吉他，或者反过来——只想要人声。Ultimate Vocal Remover（简称 UVR）就是干这个的：一个开源免费的人声伴奏分离 GUI，把 MDX-Net、Demucs、VR 这类神经网络分离模型包成了点选界面，全部在本地处理，不用把文件上传给任何在线工具。这篇只讲一件事：如何把 UVR 跑起来，并把第一首歌的人声真正拆出来。

安装并启动 UVR 人声分离应用

最短路径就是下面四条命令，前提是你已经装好 Python 3（建议 3.9+）：

git clone https://gitcode.com/GitHub_Trending/ul/ultimatevocalremovergui cd ultimatevocalremovergui ./install_packages.sh python UVR.py

install_packages.sh做的事很简单——遍历 requirements.txt 里的每一行并逐个pip install，Windows 上可以直接换成pip install -r requirements.txt。如果你有 NVIDIA 显卡，再装一次带 CUDA 的 torch，GPU 加速会自动生效：

pip install --upgrade torch --extra-index-url https://download.pytorch.org/whl/cu117

没有显卡不用装，CPU 同样能跑，只是慢。两个外部依赖留意一下：处理 MP3/FLAC 等非 WAV 文件依赖 FFmpeg，做变速变调依赖 Rubber Band，README.md 里有各平台的下载与放置位置说明。

注意：Windows 安装包只兼容 64 位系统，且建议装在 C 盘；手动部署对磁盘位置没有要求。

python UVR.py启动后会弹出主界面。模型权重大多不在仓库里，首次选中某个模型时会提示自动下载，或者在界面上用 Download More Models 手动补。

图：UVR v5.6 主界面，左侧是输入输出选择，中间是方法与分离模型菜单

功能拆解：你用它来做什么

提取纯净人声

需求：从一首歌里只留下人声，伴奏作为副产品一并产出。

1. 点 Select Input 选一首歌，Select Output 指定输出文件夹
2. 方法选MDX-Net，模型选MDX23C-InstVoc HQ
3. Segment Size 保持默认 256，显存紧张就调小
4. 点 Start Processing
5. 输出文件夹里会同时得到 Vocals 和 Instrumental 两个文件

效果预期：人声干净度在这批模型里属于第一梯队；首次处理会先花一点时间加载模型，别以为卡死了。

图：UVR 的神经网络图标，对应它底层的 MDX-Net / Demucs / VR 分离模型

拆分多轨道

需求：把一首歌拆成人声、鼓、贝斯等独立声轨，方便重新混音。

1. 选好输入输出，方法与上一节相同
2. 方法选Demucs，模型选htdemucs_ft（4 轨）或htdemucs_6s（6 轨）
3. 点 Stems 菜单选 All Stems，或只挑你要的轨
4. 点 Start Processing

效果预期：4 轨拆 vocals / drums / bass / other，6 轨把 other 再细分；处理时间和片段长度成正比，长片段更快但更吃内存。

降噪与预处理

需求：录音底噪大，或者 MDX-Net 输出里残留的电流声想去掉。

1. 方法选UVR-DeNoise-Lite（仓库已内置该模型）
2. 单独运行，或在 MDX-Net 的 Advanced 选项里选 Standard / Denoise Model 作为二级处理
3. 点 Start Processing

效果预期：Standard 是一般的降噪处理，Denoise Model 会再跑一次专用模型清杂音，对任何 MDX-Net 模型都有效。

参数、性能与架构速览

真正值得动手调的参数就这几个，全部来自 gui_data/constants.py 的默认值：

性能方面一句话：NVIDIA GTX 1060 6GB 显存是 GPU 加速的门槛，推荐 8GB 显存起步；纯 CPU 能跑通，时间要按倍数想。报内存分配错误时，优先调低 Segment 或 Window。

项目结构一览：

ultimatevocalremovergui/ ├── UVR.py # 主程序入口，Tkinter 界面 ├── separate.py # 各模型的分离调用与保存逻辑 ├── demucs/ # Demucs 模型推理子模块 ├── lib_v5/ # MDX-Net / VR 核心算法与频谱工具 ├── models/ # 预训练模型与参数配置（Demucs / MDX_Net / VR） └── gui_data/ # 界面常量、错误处理、主题与资源

图：仓库目录结构，models 三类分离模型按架构分目录存放

下一步：读完该去看什么

• README.md：各平台完整安装、已知问题与许可证说明
• models/：三份模型映射文件列出了所有可用模型与对应 stem 类型
• lib_v5/vr_network/modelparams/：每个 VR 模型的采样率、窗口等参数
• gui_data/error_handling.py：配合设置菜单里的 Error Log 按钮，出问题时先导日志再排查

跑完第一次分离，你的输出文件夹里应该已经躺着 Vocals 和 Instrumental 两个文件了——开头那把吉他和那个人声，现在可以各取所需。

【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