本文翻译自英文原文,如有出入,以英文原文为准。
Ultimate Vocal Remover(UVR)是许多人用来从歌曲中提取人声的免费桌面应用。它往往表现不错,但单独听结果时,你会听到主歌下面的军鼓、空隙里的踩镲,或是随长音嗡嗡作响的合成器铺底。这就是串音。本指南介绍 UVR 能在这方面改变什么,以及之后该如何处理人声。
我们开发了 de-leak,一款用于去除已分离分轨中串音的插件。UVR 不是我们的产品,而且它是免费的;我们会说明哪些步骤不需要额外的软件。
简短回答
在一段测试乐句上选模型,而不是凭名气,然后在 DAW 里清理剩下的部分。在同样的 20 秒上比较两三个 UVR 模型(或一个 ensemble),保留响亮段落中串音最少的人声,对乐句之间的空隙做门限处理,对人声下面的串音则用逐频段的串音去除器。听一听每一步去掉了什么。
UVR 为什么把乐器留在人声里
UVR 是几种分离架构的图形界面前端。它的 README 把最初的 VR Architecture 代码归功于 tsurumeso,MDX-Net 归功于 Kuielab 和 Woosung Choi,Demucs 归功于其作者(GitHub 上的 Adefossez)。README 还说,除 Demucs v3 和 v4 四声部模型外,软件包中的所有模型都由 UVR 的核心开发者训练。我们查阅时,项目页面上的版本是 5.6。
无论用哪个模型,任务都一样:从成品立体声混音中估计人声。当一下鼓点或一个和弦在同一时刻与歌手占据相同频率时,模型必须把这部分能量拆开,其中一些就留在了人声里。音源分离研究把这称为干扰;工程师称之为串音。它不同于分离器可能加进来的玻璃般或水声感的残留,后者见我们的闪烁感指南。
UVR 里会改变串音的选择
这些都不是保证。它们是会改变人声里最终留下什么的设置,所以在清理任何东西之前值得先试一试。
- 模型。UVR 的用户在项目的 GitHub Discussions(#689 和 #444)中为干净的人声推荐了不同的模型,包括 MDX-Net 人声模型,以及在较新的回复中出现的 Roformer 模型。这些是用户的反馈,不是开发者的指导,而且随着新模型加入,推荐也在变化。最终要看你的歌。
- Ensemble 模式。把多个模型组合起来可以减少遗留的内容。Discussion #444 中的用户描述了他们觉得更干净的 ensemble 组合。它耗时更长,也可能让人声变闷,所以要与你最好的单个模型做对比。
- 输入文件。如果有无损文件,就从无损文件分离。MP3 自带的高频杂音会和其他内容一起进入各条分轨。
十分钟做一次公平的模型测试
- 截取一段 20 秒的乐句,里面要有一个安静的空隙、一句响亮的副歌和一个长音。
- 用相同的输出格式,让它通过两三个模型(如果你用 ensemble,再加一个 ensemble)。
- 把各个人声并排加载到 DAW 里,并匹配它们的响度。
- 听三件事:空隙里的鼓或和弦、最响那一句下面的乐器,以及人声听起来还有多饱满。最干净的空隙不一定是最好的人声;模型可能靠削薄人声来换取安静。
- 留下最好的那一个,把整首歌都交给它处理。
在 UVR 之后清理人声
- 空隙。乐句之间,串音是轨道上唯一的东西。噪声门或简单的区域编辑就能在那里去掉它,免费,在任何 DAW 里都能做。
- 一个明显的频段。在歌手最低音以下做高通,可以去掉底鼓和贝斯的闷响。EQ 调整做到一两次就停;再多就开始去掉人声了。
- 人声下面的串音。电平门在这里帮不上忙,因为它为人声打开,也就把军鼓一并放了过去。你需要一个逐频段判断声音是否属于人声的工具。de-leak 靠一个学习得到的 16 频段 Gate 和一个叫 Leak Clean 的 64 频段模型来做这件事;它在 macOS 和 Windows 上以 VST3 或 CLAP 运行,在 macOS 上还有 Audio Unit 和 AAX(AAX 用于 Apple Silicon 上的原生 Pro Tools)。从 Medium 预设和 Gate 引擎开始,在同一段上比较 Leak Clean 或 Gate → Clean,保留听起来对的那个。
- 检查被去掉的内容。在 de-leak 里,Residual 播放的是干信号减去处理后的信号。把监听音量调高 20–40 dB 再听:听到鼓、乐器和房间声,说明它在起作用;听到词句或旋律,说明太强了。我们的指南听到插件去掉了什么展示了如何用任何工具做同样的检查。
de-leak 报告的固定延迟约为四分之一秒,你的 DAW 会自动补偿,所以它用于混音和导出,而不是现场监听。它有 14 天试用;详情见产品页面。
事后无法修复的问题
- 被分离器去掉的人声。如果模型把人声削薄了,去除串音不会把缺失的部分找回来。
- 混响和串音一起。去除串音也会带走一部分混响尾音,因为尾音看起来像是不属于人声的能量。请在被去掉的信号里留意这一点。
- 权利。干净的无伴奏人声仍然是别人录音的一部分。分离和清理不会改变它归谁所有。
在分轨里发现了串音?
de-leak 为加载 VST3 或 CLAP 的 macOS 和 Windows 宿主提供 14 天试用。想先比较各工具?阅读串音工具对比。
相关指南
- 如何去除人声分轨中的乐器串音(详细讲解 Demucs 和 htdemucs)
- Logic Pro Stem Splitter 串音
- 分轨串音去除插件对比
资料来源
- Ultimate Vocal Remover GUI,README(v5.6;查阅于 2026 年 11 月 3 日)。
- UVR GitHub Discussions #689 和 #444(用户反馈)。
- Intrect,de-leak 用户手册,版本 0.2.3。
FAQ
为什么我的 UVR 人声里有鼓?
UVR 是从成品混音中估计人声的。当鼓或乐器在同一时刻与人声共用频率时,其中一部分会留在人声的估计结果里。这就是串音。不同模型留下的量和种类各不相同,但没有哪个模型能在每首歌上把它全部去掉。
哪个 UVR 模型的人声串音最少?
没有适用于每首歌的唯一答案。项目 GitHub Discussions 里的 UVR 用户推荐了不同的模型和 ensemble,而且随着新模型出现,他们的建议也在变。请在你这首歌的同一小段乐句上试两三个模型,比较人声的空隙和响亮段落。
UVR 的 Ensemble 模式能去除串音吗?
可以减少。Ensemble 模式会把多个模型的输出组合起来,用户反馈某些组合遗留的内容更少。它也要多花处理时间,还可能让人声更闷,所以请在响度匹配的前提下,把结果与你最好的单个模型做比较。
分离之后,我该怎么清理 UVR 的人声?
用门限或区域编辑处理乐句之间的空隙,再用串音去除器处理人声下面的串音,并听一听它去掉了什么。像 de-leak 这样的插件可以在你的 DAW 里完成这件事,它带有一个只播放被去掉信号的 Residual 监听。