UVR5 人声分离实战在 RVC-WebUI 里把混音拆成干净人声轨【免费下载链接】Retrieval-based-Voice-Conversion-WebUIEasily train a good VC model with voice data 10 mins!项目地址: https://gitcode.com/GitHub_Trending/re/Retrieval-based-Voice-Conversion-WebUIUVR5 是 Retrieval-based-Voice-Conversion-WebUI 内置的离线人声提取工具一次拆出干净人声轨和伴奏轨。播客制作人、课程讲师、短视频剪辑师读完能自己跑通分离、调对模型和聚合度、出问题时知道往哪查。能解决什么问题先划清能力边界UVR5 在本项目里是一个批量音频分离模块输入混音输出两条轨。它解决四件事人声/伴奏分离、去混响、去回声和延迟、批量文件夹级处理。它不解决实时流分离纯离线批处理没有低延迟模式、多说话人分离只按主人声 vs 其余二分两位嘉宾同框拆不开、修复已丢失的高频分离是分配现有信号不是重建。处理类型典型输入输出适用场景人声/伴奏分离带 BGM 的访谈、录屏人声轨 伴奏轨各一素材清洗、换背景音乐去混响教室、直播间录音去混响后主轨课程音频后期去回声/延迟电话录音、带 echo 的直播回放主轨 去延迟版本访谈素材抢救批量处理一整文件夹音频逐文件成对输出一季播客统一清洗它只能把现有信号拆干净修不了录音本身。素材底噪越大分离后残留越明显这是硬边界。五分钟跑通三条命令起 WebUI最低配置Windows 10/11 或 macOS/LinuxPython 3.8系统里有 FFmpeg推荐 4GB 显存以上的 CUDA 显卡8GB 以上处理长音频更稳。AMD 显卡装requirements-amd.txt而不是requirements.txt。git clone https://gitcode.com/GitHub_Trending/re/Retrieval-based-Voice-Conversion-WebUI cd Retrieval-based-Voice-Conversion-WebUI bash run.shrun.sh会建虚拟环境、装依赖、拉取模型并启动infer-web.py。首次运行下载较慢别以为挂了我在 100M 带宽下等了约十分钟。只跑分离的话assets/uvr5_weights/里的 UVR5 权重下完即可RVC 相关模型可跳过。浏览器打开后切到伴奏人声分离去混响去回声标签页。从原始文件到可用人声按数据流看一遍输入侧为什么建议先转 WAV代码会用 ffprobe 检查每个文件不是双声道 44.1kHz 就先经 FFmpeg 重转成 WAV 再进模型MP3 会被转两遍。所以输入文件优先给 WAV 或 FLAC单文件控制在 15 分钟以内长音频分段跑——分片出错不用重头再来。把同类素材放一个文件夹在输入待处理音频文件夹路径里填路径比逐个拖文件省事。配置侧模型怎么选决策逻辑按三类走录音没有和声选 HP2 或 HP3HP3 对主人声保留更好、可能轻微漏伴奏需要把和声、伴唱从主轨拿掉选 HP5素材带混响或延迟选onnx_dereverb_By_FoxJoy或 DeEcho 系列项目内文案推荐最干净的组合是先 MDX-Net 再 DeEcho-Aggressive注意 MDX-Net 对单声道素材无效。聚合度在界面上固定为 10它控制分离的激进程度想更干净就往上调想保人声完整就往下调。导出格式进剪辑选 flac/wav直接发布选 mp3。执行侧点转换后内部发生了什么代码把音频拆成 4 个频段分别做频谱变换神经网络预测每帧的分离掩码掩码乘回原频谱后合成人声轨剩余部分合成伴奏轨超出模型频带的高频用 mirroring 回填不会整段丢失。第一次点转换时模型加载占去大半时间进度条不动是正常的。验收侧两个检查点判合格第一挑原片里最安静的静音段听分离后的人声轨伴奏底噪和电流声应基本消失只剩极轻的呼吸感。第二对照原片扫一遍 200-3000Hz 的人声主频段元音饱满度、气口不应明显变薄。两个点都过素材就能进下一道工序任一不过回到配置侧换模型而不是重调参数。调优决策树出问题了按顺序查人声轨里残留伴奏底噪现象人声轨背景还有乐器哼声、鼓点残留。先查模型是否选对——带和声的录音用了 HP2/HP3 就会漏。调参数聚合度从 10 每次 2 加到 14-16别一步拉到 20主声会被削薄。还不行就换 HP5代价是它连和声一并削弱主声可能变弱。分离后人声变薄、发闷现象人声没底噪了但像隔了层纱高频毛刺感消失。先查是否误选了 HP5或聚合度拉到了 16 以上。调参数聚合度回落到 8-10 再试导出格式确认不是 mp3二次压损会加重发闷。还不行就换回 HP3用 flac 重导对比一次。批量文件的处理顺序现象一整批素材又带混响又带 BGM一步分离两样都留。先查素材混响/延迟占比重的优先做去混响。调参数先过onnx_dereverb_By_FoxJoy或 DeEcho 出一版主轨再对人声轨做分离。还不行就拆批混响重的单独一个文件夹先跑干净的直接分离别混在一条流水线里。组合工作流分离输出直接喂给 RVC 训练UVR5 提取的干净人声轨可以原样放进 RVC 训练数据目录在 WebUI 的训练标签页走完切片、特征提取、F0 提取、训练的完整流程——分离做得越干净训练出来的声库底噪越少。想跳过界面直接调脚本看 infer/modules/uvr5/modules.py 里uvr()的入参签名即可对接。排障速查现象最常见原因一行解决动作模型下拉框是空的assets/uvr5_weights/没下全重跑tools/dlmodels.sh补齐权重人声轨里是伴奏HP5/DeEcho 系列 vocal 与 ins 命名相反看输出目录文件名前缀取反的那份处理卡住无进度模型首次加载 长文件换 5 分钟以内的短文件验证环境MDX-Net-Dereverb 特别慢该模型本身耗时大改 DeEcho 系列或把长音频分段报错含路径乱码输入文件夹路径带特殊字符把素材挪到纯英文短路径再填输出文件有爆音mp3 转码引入导出格式改 flac 重跑UVR5 的能力边界就是离线拆混音实时流和多说话人分离它做不了素材清洗和训练前处理则够用。模型说明和参数细节可查 docs/cn/faq.md。下一步建议先拿 30 秒人声重的片段验证模型选择再整批跑。【免费下载链接】Retrieval-based-Voice-Conversion-WebUIEasily train a good VC model with voice data 10 mins!项目地址: https://gitcode.com/GitHub_Trending/re/Retrieval-based-Voice-Conversion-WebUI创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考