企业官网建设流程全解析

Ultimate Vocal Remover 5.6 从 0 到 1：免费人声提取与伴奏制作完整指南

【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

Ultimate Vocal Remover（UVR）5.6 是一个基于深度神经网络的音频分离图形界面工具，能把一首歌拆出人声、伴奏、鼓、贝斯等独立音轨，全程点选操作，不需要写代码。本文带你完成安装、跑通第一次分离，并给出可直接照抄的模型选择与参数组合，适合想做翻唱伴奏、提取干声或混音素材但没有编程背景的人。

先装起来：两种安装路径

如果你用 Windows 10+ 或 macOS（Big Sur 及以上），优先去 Release 页下载预编译安装包，它内置了 Python、PyTorch 等全部依赖，双击安装即可，无需任何前置条件。AMD Radeon 或 Intel Arc 显卡的 Windows 用户，选 OpenCL 版安装包。注意 Windows 版必须装在 C 盘，装到副盘会导致运行不稳定。

其他环境（Linux 等）用源码方式，先获取代码：

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

再装依赖。Debian / Arch 系 Linux 直接跑项目自带脚本：

chmod +x install_packages.sh && ./install_packages.sh

其余平台手动装：

pip install -r requirements.txt

最后启动，版本号 v5.6.0 会显示在窗口底部：

python3 UVR.py

一个容易踩的坑：输入文件如果不是 WAV，程序需要 FFmpeg 做转码。Windows 下把ffmpeg.exe解压放到应用根目录；Linux 用包管理器装 ffmpeg 即可。缺了它，非 WAV 输入会在转换环节直接失败。

第一次分离：按屏幕上的动线点过去

打开界面后从上往下就是完整操作顺序，一次点完：

1. 点Select Input选源音频，点Select Output选结果保存目录。
2. 选输出格式：WAV / FLAC / MP3 三个单选项，存档和后期建议 WAV，分发试听再选 MP3。
3. 在CHOOSE PROCESS METHOD下拉框选方法（默认 MDX-Net），在CHOOSE MDX-NET MODEL选具体模型，默认MDX23C-InstVoc HQ可直接用。
4. 右侧参数区保持默认：SEGMENT SIZE 256、OVERLAP 8、勾选GPU Conversion。
5. 点底部的Start Processing，右侧方块按钮可随时停止。

首次使用某个模型时会自动联网下载模型文件，第一次等待偏长属于正常现象。下载完的结果出现在你选的 Output 目录里，直接试听。

选模型：按你要的轨数来定，而不是按名字

主界面下拉框里四个方法对应不同的分离目标，选错方法比参数调错更影响结果：

模型文件统一放在models/目录下的对应子目录（MDX_Net_Models / Demucs_Models / VR_Models），MDX-Net 的核心实现在 lib_v5/mdxnet.py，四轨拆分依赖的 demucs 代码在 demucs/ 目录，排错时可以从这里找。

如果效果不达预期，先换方法族再谈参数——比如用 MDX-Net 拆两轨发现残留重，直接切到 Demucs 看四轨结果，通常比反复调数字见效更快。

参数怎么调：三组数字解决 90% 的问题

参数区只有三个主要旋钮，记住以下组合即可：

• 默认起步：Segment 256 / Overlap 8，GPU Conversion 打开。先用Sample Mode (30s)只跑 30 秒试听，确认模型选对了再跑全长。
• 要最干净的人声：Segment 提到 512，Overlap 提到 16。Overlap 控制相邻预测窗的重叠量，越大段与段衔接越平滑，代价是耗时变长。
• 显存或内存吃紧、报分配错误：Segment 降到 128 甚至 64；MDX-Net 和 VR Architecture 还可启用Batch Mode进一步省内存，或干脆取消 GPU Conversion 用 CPU 跑。

另外两个勾选框按需求用：Vocals Only或Instrumental Only只输出单边音轨，省一半时间和磁盘。

硬件要求：对照你的机器看

• NVIDIA 显卡：勾选 GPU Conversion 即启用 CUDA。官方最低配置为 RTX 1060 6GB，日常建议 8GB 以上显存。
• AMD Radeon / Intel Arc（Windows）：用 OpenCL 版安装包，当前版本对 AMD 的支持有限。
• Apple M1 / M2（macOS）：GPU Conversion 对应 MPS 加速，按官方说明支持 Demucs v4 与全部 MDX-Net 模型。
• 纯 CPU：所有模型都能跑，内存建议 8GB 以上，速度取决于核心数。

出问题时查这张表

界面左侧扳手图标是设置入口，报错后先在里面打开 Error Log 看完整堆栈，比只看弹窗信息定位更快。

进阶：把调好的配置存下来

• 保存设置：参数调到位后，点SELECT SAVED SETTINGS旁的Choose Option保存一份，整套配置写入gui_data/saved_settings/，下次启动后从下拉框一键载入。
• Ensemble 模式：用多个模型对同一轨分别分离再混合，组合配置存在gui_data/saved_ensembles/，适合对分离质量有极限要求的场景，但耗时成倍增加。
• 输出格式：WAV 保真度最高适合存档，FLAC 是无损折中，MP3 只建议用于分发试听。

现在就能做的第一步

运行python3 UVR.py打开界面，选一首你熟悉的歌，保持默认 MDX-Net + MDX23C-InstVoc HQ，勾选Sample Mode (30s)后点Start Processing——听完这 30 秒的人声轨，再决定跑不跑全长。

【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