UVR5 人声分离：一首歌拆出人声与伴奏的 5 步操作教程

【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

翻唱投稿总被提示"检测到原声"？想给 KTV 录屏配一首干净伴奏？UVR5（Ultimate Vocal Remover）免费开源，把 MDX-Net、Demucs、VR 三套 AI 分离模型装进同一个界面：一首 MP3 进去，干声和伴奏两个 WAV 文件出来。下面带你从零跑通一次完整的人声分离。

从混音到两个文件：输入输出与原理

原理一句话：AI 先学习人声与乐器在时间和频率上的组合规律，再按"声源"拆混音；老式消人声是切固定频段，人声和吉他泛音、键盘和声频率大量重叠，一刀切下来必然误伤。好比分拣快递，老办法按外包装颜色分堆，AI 按收件地址分堆，各回各家。

三套算法的代码分别在 lib_v5/mdxnet.py、demucs/、lib_v5/vr_network/，模型权重在 models/ 的三个子目录里，每个模型有 JSON 记录频段、重叠、primary_stem 等参数，选模型前可以先看一眼。

两条安装路线：集成包与源码

推荐（最省事）：到项目 Releases 页下载官方一体化安装包——Windows 是 exe，macOS 是 dmg，M1 与 Intel 分开。Python、PyTorch、FFmpeg 全部内置，零前置条件，装完直接打开。

源码路线：适合想读代码、自己加模型或 Linux 用户。

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

pip install -r requirements.txt python UVR.py

Windows 有 NVIDIA 显卡就装 CUDA 版 PyTorch（cu117），5 分钟歌曲的处理时间通常能从十几分钟压到 1-2 分钟；官方建议 8GB 以上显存，最低 GTX 1060 6GB。 Linux 源码运行先装好 ffmpeg 和 python3-tk，再执行python UVR.py，否则界面打不开。 macOS 首次启动可能要 5-10 分钟，属正常现象，耐心等。

第一次人声分离：5 步完整操作

1. 加载音频→ 点 Select Input，选中你的 MP3（WAV、FLAC 也可以，支持直接拖进输入框，可一次多选） → 输入框出现文件路径，文件就绪。
2. 指定输出→ 点 Select Output 选一个专门的结果文件夹，输出格式默认 WAV，可切 FLAC 或 MP3 → 路径确认，结果不会混进源素材。
3. 选算法和模型→ CHOOSE PROCESS METHOD 选 MDX-Net，CHOOSE MDX-NET MODEL 选 MDX23C-InstVoc HQ（两轨人声模型，速度与效果均衡，新手默认） → 模型就绪，会把歌拆成人声与伴奏两轨。
4. 设置参数→ Segment Size 填 256（兼顾质量与显存），Overlap 填 8（默认值）；有 NVIDIA 显卡就勾上 GPU Conversion。想先验证效果，勾上 Sample Mode (30s)，只跑前 30 秒 → 参数确认，随时可以开跑。
5. 开始处理→ 点 Start Processing，首次运行会自动下载模型，等进度条走完 → 输出文件夹里出现歌曲名_(Vocals).wav和歌曲名_(Instrumental).wav两个文件。

（此处插入输出文件夹中 歌曲名_(Vocals).wav 与 歌曲名_(Instrumental).wav 的文件列表截图）

效果验证与调优

怎么算跑成功：干声里只剩人声，伴奏里听不到人声、乐器完整不空洞。达不到再动下面三个旋钮，其他参数先别碰：

• 如果出现伴奏里有"咔哒"声或段落感 → 把 Overlap 从 8 加到 16 或 24 → 拼接接缝消失，过渡平滑，代价是耗时按比例上升。
• 如果出现 CUDA out of memory 或进度卡得慢 → 把 Segment Size 从 256 降到 128 → 显存压力明显下降，老机器也能跑完，质量略损。
• 如果出现人声残留明显 → 换算法家族（MDX-Net 换 Demucs v4）或换模型 → 残留减少。

模型选择的固定思路：流行、摇滚优先 MDX-Net 系列；古典、爵士或编曲复杂换 Demucs v4；只想去掉特定乐器，去 VR 系列找专项模型（如 No Piano、No Reverb 标注的版本）；素材底噪大，先用 VR 系列的 UVR-DeNoise-Lite 降噪一遍再分离。

卡住先查这张表

表里没有的报错，带着完整错误日志去项目 Issues 页搜关键词，README 的 Troubleshooting 一节也值得翻一遍。

🚀 进阶能力（可选读）

• GPU 自动调度：程序会自动检测 NVIDIA CUDA 与 macOS 的 MPS，可用时优先走 GPU，设备调度逻辑在 separate.py；勾上 GPU Conversion 后，5 分钟流行歌通常从十几分钟压到 1-2 分钟。
• 批量处理：Select Input 支持一次选中多个文件（或一起拖进输入框），程序按顺序处理并输出到同一文件夹，几十个文件也不用逐个点。
• Ensemble Mode：在 PROCESS METHOD 里可切换多模型融合推理，用更长的耗时换更干净的干声。

挑一首你最熟的歌，先勾 Sample Mode (30s) 确认效果再跑全长；装模型、跑分离，这一篇就够了。

【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