人声分离：去人声，提取伴奏

AI 是怎样把人声和伴奏分开的

一首歌是混在一起的：人声和乐器叠加在同一个文件里，没办法直接把它们「揭」开。AI 换了一种做法：它把声音切成成千上万个细小的时间和频率片段，再估算每一片里哪部分属于人声、哪部分属于乐器。这个模型用大量人声和伴奏分开录制的歌曲训练过，学会了辨认歌声的音色、咬字和颤音，即使人声被吉他或鼓声盖住也能认出来。最后得到两条音轨：伴奏和单独的人声，两者叠加正好还原原曲。这就是专业分轨软件的原理，只不过这里在您的浏览器中计算，不用上传文件。

制作 K 歌伴奏、演出伴奏带或纯音乐版

提取出的伴奏可以用来在家 K 歌、演出前排练，为年会、婚礼或学校文艺汇演准备伴奏带，或者跟着原版音乐练声。下载 MP3 可以在手机、音箱或插 U 盘的电视上播放；下载 WAV 可以在剪辑软件里继续加工，不会再损失音质。如果歌曲对您的嗓子来说太高或太低，可以再用「音乐升降调」把伴奏升降一两个半音。只想要一段主歌或副歌，可以用「剪切 MP3」截取。纯人声音轨则可以用来听清难辨的歌词、研究歌手的演唱处理，或者准备一段混音。

AI 模式还是快速模式？

快速模式沿用了音频软件的一个老办法：主唱几乎总是放在混音的正中间，左右两个声道里一模一样，而乐器往往分布在左右两边。把两个声道在 250 Hz 到 7 kHz 之间相同的部分去掉，就能瞬间消掉大部分人声，同时保留贝斯和底鼓。但所有位于中间的声音也会一起变弱（军鼓、独奏、钢琴），人声的混响仍然听得到，单声道录音也无法这样处理。AI 模式不依赖声音的左右位置：它识别的是人声本身，保留乐器的立体声，还能给出可用的纯人声。只需下载一次模型（约 40 MB），之后根据设备性能，计算需要几秒到一两分钟。

分离的局限，以及版权问题

任何分离都不完美。视歌曲而定，伴奏里可能残留一点人声，尤其是混响和和声；单独的人声里也可能带一点鼓声，或者听起来有点「闷」。和声很多的歌、经过大量处理的人声（特效、重度修音），或音色接近人声的乐器（萨克斯、小提琴、二胡），分离效果会差一些。尽量使用音质最好的文件：压缩严重的 MP3 效果不够干净。最后，去掉人声并不改变版权：商业歌曲的伴奏仍受著作权保护。自己在家唱、练习等个人使用没有问题，但要发布到抖音、B 站或 YouTube，或者公开播放，需要获得版权方的许可。