企业官网建设流程全解析

UVR5 人声分离轻量方案：Retrieval-based-Voice-Conversion-WebUI 快速上手

【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

录完一段播客，回放时发现环境噪音和混响把原话盖掉了一半；或者想拿一首歌做清唱练习，却找不到官方发布的纯伴奏。这类需求不必打开大型工作站，Retrieval-based-Voice-Conversion-WebUI 里内置的 UVR5 模块就能在浏览器界面里把一段混合音频拆成"主人声轨"和"其余轨道"，普通电脑即可运行。

方案定位：谁适合用这套 AI 人声分离

适合三类人：有基本命令行操作习惯但没做过音频处理的人；手里有一批音频、需要批量拆轨的人；想先拿到干净人声再去训练变声模型的人。选它的理由很实际：模型权重、推理逻辑、批量入口都打包在项目里，下载完权重就能跑，不需要自己搭训练环境。整条数据流可以概括为：

UVR5 环境搭建：克隆仓库与依赖安装

• 克隆项目到本地并进入目录：

git clone https://gitcode.com/GitHub_Trending/re/Retrieval-based-Voice-Conversion-WebUI cd Retrieval-based-Voice-Conversion-WebUI

• 安装依赖按显卡区分：NVIDIA 用户直接pip install -r requirements.txt（CUDA 环境）；AMD 显卡换requirements-amd.txt；核显或想用 DirectML 的机器用requirements-dml.txt；Python 3.11 环境另有requirements-py311.txt。
• 启动 WebUI：Windows 双击go-web.bat；Linux 或 macOS 执行bash run.sh，该脚本会自动建 Python 3.8 虚拟环境、补齐依赖并拉取全部模型权重（UVR5 权重落在assets/uvr5_weights/，其余模型落在assets/下各目录）。
• ⚠️ 内存低于 8GB 时建议关掉浏览器多余标签和其他大程序，否则加载权重阶段可能卡死。
• 浏览器打开后进入"伴奏人声分离&去混响&去回声"页签，就是分离入口。

WebUI 里做人声分离：上传、选模型与调参

上传音频与选模型

输入区二选一：填"输入待处理音频文件夹路径"（文件夹内文件逐个处理），或直接批量拖入音频文件。模型下拉框列出assets/uvr5_weights/里已有的.pth权重，界面说明里把模型归成三组：

• 保留人声：HP2、HP3，适合不带和声的录音，HP3 可能轻微漏进伴奏，但主人声保留略好；
• 仅保留主人声：HP5，适合带和声的音频，代价是对主人声略有削弱；
• 去混响、去延迟：MDX-Net（onnx_dereverb）对双通道混响效果最好，但不能处理单通道混响；DeEcho 系列去除延迟效果，其中 DeEcho-DeReverb 额外去混响、可处理单声道混响，耗时约为其他 DeEcho 模型的两倍。

调参数并运行

聚合度（Agg）默认值是 10，取值范围 0–20。分离越"狠"数值越大，但耗时同步上涨。何时该调：第一遍跑完觉得人声轨里还残留伴奏，就把数值往上抬 2～3 再跑；反过来人声发薄、出现断裂，就往回调。低配机器保持 10 或更低即可，不建议直接拉满。

导出格式可选 wav / flac / mp3 / m4a，默认 flac。中间环节要再加工就选 wav 保真；只是留档试听选 flac 或 mp3，体积更省。

输出目录"指定输出主人声文件夹"和"指定输出非主人声文件夹"要分别填不同路径，两个都填opt的话结果会混在同一目录里。

配置完成后点"转换"，下方输出信息框会逐行回显每个文件的处理结果。

验收与微调

跑完后优先听人声轨：残留伴奏明显就加聚合度重跑；人声变薄就降回去。目标是去混响时，作者推荐的组合是先过 MDX-Net 再过 DeEcho-Aggressive。音频较长时先切成小段分别处理、再拼接结果，能明显降低单次占用的内存。

人声分离参数怎么调：三个高频场景的配置对照

翻唱与伴奏这一档里，HP2 与 HP3 的取舍就一句：怕漏伴奏选 HP2，怕人声受损选 HP3，二选一即可。

UVR5 跑不动时怎么排查

• 现象：模型加载失败，下拉框是空的。可能原因：assets/uvr5_weights/下缺少对应.pth或文件下载不完整。处理方式：重跑 tools/dlmodels.sh，或用 tools/download_models.py 单独补齐权重。
• 现象：进程卡死或直接退出。可能是内存不足。处理方式：关掉其他程序，单批只放 1～2 个文件，聚合度调到 10 以下；仍不行就改用 CPU 模式，速度换稳定。
• 现象：某个文件报错或输出无声。常见原因是格式不匹配。处理流程：先用 ffmpeg 转成 44.1kHz 立体声 wav 再重试，UVR5 推理前本就会做统一重采样，预转一次能少踩坑。
• 现象：GPU 上跑报显存不足（out of memory）。处理方式：单文件逐个处理、降低聚合度；长音频分段；必要时退回 CPU。
• 现象：Linux / macOS 上run.sh拒绝启动。脚本只支持 Python 3.8 且不支持 Windows，处理方式是确认系统里装有 Python 3.8 再执行；Windows 请直接用go-web.bat。

低配电脑跑 UVR5：按内存和显卡定参数

• 低配（4～8GB 内存、核显或入门独显）：HP2，聚合度 5–8，单批 1 个文件，显存紧张时直接 CPU。
• 中配（8GB 内存、入门级独显）：HP3，聚合度 10–12，单批 3–5 个文件。
• 高配（16GB 内存、中高端独显）：HP3 或 MDX-Net + DeEcho 组合链，聚合度 15–20，单批 5–10 个文件。

分离逻辑与参数入口集中在 infer/modules/uvr5/，界面文案与使用说明见 docs/。权重齐了、参数按档位落好，这套流程就能稳定产出干净的人声轨，够日常播客、翻唱和数据集清洗反复使用。

【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