免费人声分离：从歌曲中提取人声或伴奏，附真实测试

找免费人声分离工具，最重要的是最后能拿到自己需要的文件。想去掉歌声、自己跟着唱，下载伴奏（Instrumental）；想提取清唱、编辑歌手的声音，下载人声（Vocals）。UVR Online 的标准分离会同时生成这两条音轨，不必为了另一条再处理一次。

这篇指南按整首音频处理的实际流程来讲，并附上三次真实任务的耗时和完整文件下载结果。

“去掉歌词”也容易产生歧义：如果指去掉唱出来的声音，这是人声分离；如果指擦掉视频画面里的字幕，音频分离做不到。

结果页中，原音频和生成音轨共用时间轴。如果你觉得“怎么原唱还完整地在唱”，先看正在发声的是哪几条：原音频本来就保留了整首原唱。

只检查伴奏时，把原音频和人声静音，保留伴奏；只听清唱时，把原音频和伴奏静音，保留人声。每条轨道可以分别播放、静音和调节音量，多条同时发声就会叠加。可以在波形上定位，或循环一小段，对比同一个位置，省去反复拖动寻找的麻烦。

保存文件时，使用对应音轨的下载按钮。网页里的音量和静音只是监听设置，不要以为调整过以后，下载文件就自动变成了重新混音的版本。

UVR Online 是参考 Ultimate Vocal Remover 开发、独立运营的在线版本。我们提供一些免费额度，满足偶尔分离歌曲的日常需求。除了使用本站的在线服务，你也可以在自己的电脑上运行开源桌面软件 Ultimate Vocal Remover GUI v5.6。

GitHub 项目地址 · 已编译的安装包与可执行文件下载

不知道该选哪一种？可以查看UVR 在线版与 Ultimate Vocal Remover 桌面版的区别。

符合当前使用规则的音频，可以直接在线处理，不用安装桌面软件。免费处理可选择 MP3 或 16-bit WAV，每次任务只能选一种输出格式。人声和伴奏都有各自的下载入口。免费额度内处理的是完整音频，不是必须付费才能取走剩余部分的短片段。

免费使用仍有时长、文件大小、提交频率和防滥用限制。上传前请以页面显示的规则为准：管理员可以调整这些参数，同一网络也可能受到限制，不能只看浏览器或账号剩余次数。“免费”不等于允许脚本无限提交。

长音频、频繁处理或批量排队的需求，可以查看当前套餐与限制。付费输出还支持 FLAC 和 M4A。套餐应按实际工作量来选，不代表买更大的套餐就会让同一个模型自动分得更干净。

1. 免费处理支持 MP3、WAV。上传完成后选择在线模型及 MP3 或16位 WAV 输出，再点击“开始分离”。免费名额未用完时无需注册。
2. 完整结果生成后，定位难处理的片段，与原音频对比。既检查需要保留的细节，也检查残留声，再决定保留哪条音轨。
3. 免费可上传 MP3、WAV；积分处理还支持 FLAC、M4A。免费输出可选 MP3 或16位 WAV，积分处理还可选 FLAC、M4A。处理前选定一种导出格式。重复下载已生成的文件不收费，系统不会自动额外生成其他格式。

接下来要做练唱文件，可以看伴奏制作指南；如果要保留歌手的声音，可以继续看清唱提取指南，不用重复上传同一首歌。

2026 年 11 月 6 日（北京时间），我们用单独建立的内部免费版测试账号，在正式服务的普通队列中运行了三次任务。两份 MP3 分别截取自授权歌曲 West Wind 的前 3 分钟和前 5 分钟；第三份是把同一 MP3 的前 60 秒解码成 WAV。因此，这是同一首歌的三种文件测试，不是三个音乐类型的横向评测。

三次均为标准模式，模型标识为 kim-melbandroformer，运行于 NVIDIA GeForce RTX 4060，检测显存 8,187 MiB；PyTorch 2.5.1+cu121、CUDA 12.1，segment 为 4 秒，overlap 为 0.25。Worker 当时已经在运行，没有专门测量冷启动。

计时口径：“上传”是测试客户端直传对象存储的时间；“Worker 处理”包含分离、编码和波形生成，不包含网络传输；“上传发起至结果就绪”从发起上传请求算起，包含校验、排队、脚本确认处理和传输，结束于观察到任务完成，不含用户下载成品的时间。任务状态约每 3 秒查询一次。本次通过真实任务 API 执行，不能当作逐次点击网页的操作计时。

5 分钟 MP3 生成的两条成品都为 300 秒，并且实际完整下载：人声用时 8.3 秒，伴奏用时 9.2 秒。这三次任务的六条成品均完成文件检查和 Range 分段请求验证，WAV 成品确认是 16-bit PCM。

本次没有使用付费优先队列，也没有发生支付。内部账号测试不包含匿名验证码、邮件注册及全部免费访问限制的验收。以上是各运行一次的结果，不是平均值、最长等待时间或速度承诺；其他任务和网络环境都会影响等待时间。没有独立的真实人声／伴奏参考轨，因此不能据此给出分离准确率，也不能宣称优于其他网站。

这次 1 分钟 WAV 的总等待时间并不是最短，恰好说明音频短不等于一定更快：文件传输和队列都会占时间。按每分钟计算，两条 WAV 也明显比 MP3 占空间。

44.1 kHz、16-bit、双声道 PCM，5 分钟每条 WAV 的音频数据约为 52.92 MB，两条约 105.84 MB，另有少量文件头。这是按格式参数计算的大小，不是另外做过一次 5 分钟 WAV 测试。MP3 输入经过压缩，换成未压缩 PCM 输出后，文件自然可能大很多。

主要用于练唱、希望传输轻便，可以选 MP3；后续编辑需要未压缩的 PCM 音频，可以选 WAV。WAV 能避免输出时再做一轮有损编码，但不能修复原文件压缩损失，也不能保证没有分离瑕疵。具体取舍见人声分离的 MP3／WAV 格式说明。本文文件大小统一按十进制 MB 展示，不是 MiB。

人声分离是从已经混合的声音里估算各个声部。伴奏里残留一点歌声，是人声残留；吉他变薄、人声咬字被削掉，则是另一种取舍。改文件名或扩展名都解决不了这些问题。

先确认下载的是正确音轨，再回到原曲的同一位置比较。确实存在瑕疵时，先看人声分离瑕疵排查指南，再决定是否需要重新处理。如果你要单独的鼓或贝斯，标准两轨分离会把它们都归入伴奏，需要参考两轨与多轨分离的区别选择对应功能。

免费去人声后，能下载完整伴奏吗？

符合当前免费规则的任务可以保存完整结果。上传前查看限制，选择 MP3 或 16-bit WAV，并在页面标明的删除时间前下载。处理更长的文件或更频繁使用时，可能需要付费额度。

提取清唱和制作伴奏，是不是两次处理？

标准分离一次会得到人声和伴奏。清唱保留人声，消除原唱保留伴奏；需要两份文件，分别下载即可，不必为另一条重新运行。

能去掉背景音乐，只保留说话声吗？

歌曲模型不能保证把所有对白都恢复干净。处理口播或对话前，可以查看去背景音乐、保留声音的说明。本次测试是歌曲，不是对白降背景音乐测试。

能直接上传视频链接，或者去掉视频字幕吗？

这个音频流程接受本地音频文件，不接受任意远程地址或视频链接。如果你有权处理该素材，可以先导出受支持格式的音频。去掉歌声不会消除画面上的字幕。 我们计划在未来支持通过远程 URL 导入文件。目前该功能尚未上线，请先上传本地音频文件。

准备好文件后，可以回到免费人声分离工具开始处理。只上传你有权使用的内容；做出伴奏并不等于获得重新发布原作品的授权。