Ultimate Vocal Remover是一款功能強(qiáng)大的音頻處理工具，軟件可幫助用戶對(duì)音頻進(jìn)行處理，剔除音頻中的人聲，獲取最干凈的伴奏。軟件功能強(qiáng)大，有著豐富多樣的功能和處理模型，可針對(duì)不同類型的音樂提取伴奏。軟件支持調(diào)用顯卡強(qiáng)大的運(yùn)算能力，幫助用戶快速的完成伴奏的提取。

安裝方法

(1) CUDA安裝（有英偉達(dá)顯卡的可以安裝）

直接雙擊.exe文件運(yùn)行即可，比如我用的cuda文件是cuda_11.6.0_511.23_windows.exe，直接雙擊運(yùn)行。

安裝的時(shí)候選自定義（高級(jí)），安裝所有組件。

對(duì)于11.6版本的cuda，我是沒有配置任何環(huán)境變量就可以成功的

驗(yàn)證是否成功的方法：新打開一個(gè)cmd窗口，在cmd窗口中輸入nvcc -V，有正確輸出即可

(2) 安裝Python

直接以管理員運(yùn)行python-3.9.8-amd64.exe即可，選擇"Customize installation"，一定要把“Add Python 3.9 to PATH”勾選上，安裝的目標(biāo)路徑不要選C盤，安裝到其他任何一個(gè)盤就可以

為了方便后續(xù)的解釋，我們假設(shè)Python全部都安裝到D:\Python文件夾中，D:\Python\bin\中有python.exe（python程序）和其他文件。

安裝完之后，打開cmd窗口（Win鍵+R，然后輸入cmd），輸入python之后有相關(guān)顯示即可，類似如下顯示

(3) 安裝ffmpeg

直接解壓安裝包，然后將安裝包下的bin的絕對(duì)路徑添加至環(huán)境變量中的"Path"變量中，

要確保安裝完之后，在cmd窗口中輸入ffmpeg是有輸出的，記得配置完環(huán)境變量之后要重新打開cmd窗口再試命令

(4) 安裝主程序

解壓主程序安裝包和模型安裝包，解壓后主程序的文件夾（ultimatevocalremovergui-master）下會(huì)有一個(gè)文件夾名為models，將模型安裝包中的所有模型文件（后綴名為.pth的文件）都放到models文件夾下的Main Models文件夾中

為了方便后續(xù)的解釋，這里我們假設(shè)主程序都解壓到D:\ultimatevocalremovergui-master中，ultimatevocalremovergui-master目錄下有VocalRemover.py文件和其他文件；模型文件全部都在"D:\ultimatevocalremovergui-master\models\Main Models"中

(5) 安裝Python依賴包

a.安裝virtualenv

首先在cmd窗口中，輸入"pip install -i https://pypi.tuna.tsinghua.edu.cn/simple virtualenv"

使用cmd切換到在主程序的目錄下（切換命令：cd /d D:\ultimatevocalremovergui-master），輸入"virtualenv -p python.exe的絕對(duì)路徑 venv\"，比如"virtualenv -p D:\Python\bin\python.exe venv\"

接下來切換到venv\bin目錄下（切換命令：cd /d venv\Scripts)，輸入"activate"并回車

完成這步之后，命令前面都會(huì)帶著(venv)這個(gè)標(biāo)志，請(qǐng)確保后面的所有的操作（安裝以及運(yùn)行）都需要在執(zhí)行這一步之后

b.安裝程序的依賴包

在cmd窗口中，輸入"pip install -i https://pypi.tuna.tsinghua.edu.cn/simple --no-cache-dir -r requirements.txt"并回車

c.安裝pytorch組件

在cmd窗口中，輸入"pip install torch==1.9.0+cu111 torchvision==0.10.0+cu111 torchaudio==0.9.0 -f https://download.pytorch.org/whl/torch_stable.html"并回車

（因?yàn)楸娝苤脑?，在國?nèi)可能是安裝不了的）

或者

如果前面已經(jīng)下載了Pytorch組件，可以按照如下步驟安裝：

切換到那三個(gè)文件目錄下

分別執(zhí)行如下三個(gè)命令：

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple "torch-1.9.0%2Bcu111-cp39-cp39-win_amd64.whl

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple "torchvision-0.10.0%2Bcu111-cp39-cp39-win_amd64.whl"

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple "torchaudio-0.9.0-cp39-cp39-win_amd64.whl"

運(yùn)行程序：

確保目前是(venv)狀態(tài)

如果目前沒有這個(gè)標(biāo)志，可重新在cmd窗口中輸入"D:\ultimatevocalremovergui-master\venv\Scripts\activate"并回車

在cmd窗口中切換到VocalRemover.py所在目錄（cd /d D:\ultimatevocalremovergui-master）

執(zhí)行如下命令

python VocalRemover.py

即可進(jìn)入主程序

PS：每次執(zhí)行都需要確保是(venv)狀態(tài)

作者：明沙

出處：bilibili

使用說明

Select Input：選擇（多個(gè)）文件

Select Output：輸出目錄，希望可以保存消音后的文件的地方

Open Input Folder Button：打開包含選擇的音頻文件的目錄

Open Output Folder Button：打開輸出目錄

Choose Process Method：

選擇消音方法——三種選項(xiàng)。

（1） VR Architecture：使用了強(qiáng)度頻譜（magnitude spectrogram）或源分離（Source Separation）的模型

（2） MDX-Net：使用了混合頻譜/波形（Hybrid Spectrogram/Waveform）用于源分離的模型

（3） Ensemble Mode：融合模式，可以得到多個(gè)模型和網(wǎng)絡(luò)的最好結(jié)果

Help/Info Button：幫助引導(dǎo)（help guide）

Choose MDX-Net：每個(gè)消音方法都有自己的一套選項(xiàng)和模型，在這里可以選擇與所選消音方法關(guān)聯(lián)的模型

Progress Console：顯示處理過程中的信息

Restart Button：重啟應(yīng)用，會(huì)彈出來窗口缺人，所有設(shè)定（settings）都會(huì)被保存

Save Format：輸出格式選擇（WAV、FLAC、MP3）

GPU Conversion：勾選即可使用GPU加速（有英偉達(dá)顯卡并安裝了cuda的人選）

如果不勾選的話，只用CPU處理會(huì)很慢

Demucs Model：Demucs是Facebook開源的聲音分離模型，這功能我還沒試過，試用之后修改這部分

Save Vocals Only：只保存人聲（Vocals）文件，即不保存伴奏文件

Save Instrumental Only：只保存伴奏（instrumental）文件，即不保存人聲文件

Save Noisey Vocal：保存噪音，這部分我還沒試過，試用之后修改這部分

Model Test Mode：模型試用模式，選擇了這個(gè)模式的時(shí)候, 程序會(huì)自動(dòng)在你選擇的文件夾里面生成一個(gè)新文件夾。新的自動(dòng)生成文件夾將以所選模型命名（不再是上述的默認(rèn)命名）。輸出的音頻文件將保存到自動(dòng)生成的目錄中。

樂器和人聲輸出的文件名將附加選定的模型名稱，避免了測(cè)試多個(gè)模型而造成覆蓋的問題。

VR Architecture

Windows Size：

窗口大小越小，轉(zhuǎn)化效果越好。然而，更小的窗口意味著更長(zhǎng)的轉(zhuǎn)換時(shí)間和更重的資源使用。

以下是可選擇的窗口大小值 -

1024 - 轉(zhuǎn)換質(zhì)量低，轉(zhuǎn)換時(shí)間最短，資源使用率低

512 - 平均轉(zhuǎn)換質(zhì)量、平均轉(zhuǎn)換時(shí)間、正常資源使用情況

320 - 轉(zhuǎn)換質(zhì)量更好，轉(zhuǎn)換時(shí)間長(zhǎng)，資源使用率高

Aggression Setting：

數(shù)值越大，清除人聲的力度就越大，默認(rèn)的10就可以，已經(jīng)可以完全消除人聲

范圍是 0-100

較高的值執(zhí)行更深的提取

樂器和聲樂模型的默認(rèn)值為 10

超過 10 的值可能會(huì)導(dǎo)致抽取伴奏的模型的結(jié)果中的樂器部分聽起來渾濁

TTA：測(cè)試時(shí)數(shù)據(jù)增強(qiáng)，用于提升分離效果，但是會(huì)增加處理時(shí)間

Post-Process：此選項(xiàng)可能會(huì)識(shí)別人聲輸出中剩余的樂器偽影。此選項(xiàng)可能會(huì)改善某些歌曲的分離效果。

注意：選擇此選項(xiàng)可能會(huì)對(duì)轉(zhuǎn)換過程產(chǎn)生不利影響，具體取決于軌道。因此，僅建議作為最后的手段

Chunks：允許用戶減少 （或增加）RAM（內(nèi)存）或V-RAM的使用率。

更小的Chunk sizes會(huì)使用更少的內(nèi)存或顯存但是會(huì)增加處理時(shí)間

更大的Chunk sizes會(huì)使用更多的內(nèi)存或顯存但會(huì)減少處理時(shí)間

選擇Auto的話程序會(huì)自動(dòng)計(jì)算合適的Chunk sizes

選擇Full會(huì)直接處理整個(gè)軌道，這個(gè)選項(xiàng)只推薦用在比較強(qiáng)力的PC上

默認(rèn)值是Auto

Noise Reduction：該選項(xiàng)允許減少或消除由模型產(chǎn)生的任何噪音

靈敏度的值范圍是0到20，默認(rèn)是3，選擇None會(huì)關(guān)閉Noise Reduction這個(gè)選項(xiàng)

模型：

UVR-MDX-NET 1：模型分?jǐn)?shù)9.703

UVR-MDX-NET 2：模型分?jǐn)?shù)9.682

UVR-MDX-NET 3：模型分?jǐn)?shù)9.662

UVR-MDX-NET Karaoke：保留和聲模型

PS：模型分?jǐn)?shù)指的是SDR score

MDX-Net/VR Ensemble：

通過UVR_MDXNET_1和2_HP-UVR.pth這兩個(gè)模型生成結(jié)果并融合

HP Models：

通過1_HP-UVR.pth和2_HP-UVR.pth這兩個(gè)模型生成結(jié)果并融合

Vocal Models：

通過3_HP-Vocal-UVR.pth和4_HP-Vocal-UVR.pth這兩個(gè)模型生成結(jié)果并融合

User Ensemble：

允許用戶選擇不同模型的輸出結(jié)果并手動(dòng)將它們?nèi)诤?/p>

HP2 Models：

通過7_HP2-UVR.pth、8_HP2-UVR.pth和9_HP2-UVR.pth這三個(gè)模型生成音頻文件并融合

All HP Models：

使用1_HP-UVR.pth、2_HP-UVR.pth、7_HP2-UVR.pth、8_HP2-UVR.pth和9_HP2-UVR.pth這五個(gè)模型生成音頻文件并融合

Save All Outputs：輸出所有模型的結(jié)果，不選就不會(huì)輸出，只會(huì)保留融合后的結(jié)果

Select input：至少選擇兩個(gè)模型生成的消音后的音頻文件

Select output：選擇輸出目錄

Dropdown：選擇算法：

Instrumentals（Min Spec）：讀取輸入的音頻文件的頻譜，并且計(jì)算每個(gè)輸入文件的最小spec值，結(jié)果文件中的vocal數(shù)據(jù)會(huì)被清除

生成文件的后綴名：_User_ensembled_(Min Spec).wav

Vocals（Max Spec）：讀取輸入的以您文件的頻譜，并且計(jì)算每個(gè)輸入文件的最大spec值，結(jié)果文件中所有的vocal數(shù)據(jù)都會(huì)被保留

生成文件的后綴名：_User_ensembled_(Max Spec).wav

作者：明沙

出處：bilibili

主要模型說明

HP2_3BAND_44100_MSB2.pth - 使用更多數(shù)據(jù)和更多參數(shù)訓(xùn)練的超強(qiáng)消人聲保留伴奏模型（PS：理論上數(shù)據(jù)越多訓(xùn)練出來的模型效果越好）

HP2_4BAND_44100_1.pth - 超強(qiáng)消人聲保留伴奏模型

HP2_4BAND_44100_2.pth - HP2_4BAND_44100_1.pth的微調(diào)版本

HP_4BAND_44100_A.pth - 超強(qiáng)消人聲保留伴奏模型

HP_4BAND_44100_B.pth - HP_4BAND_44100_A.pth的微調(diào)版本

HP_KAROKEE_4BAND_44100_SN.pth - 可保留和聲的消主聲伴奏模型

HP_Vocal_4BAND_44100.pth - 人聲提取模型，但是提取的伴奏會(huì)比較muddy

HP_Vocal_AGG_4BAND_44100.pth - HP_Vocal_4BAND_44100.pth 的加強(qiáng)版，這個(gè)強(qiáng)的意思不是效果好，是Aggressive的人聲提取模型

配置要求

建議使用至少8GB 顯存的英偉達(dá)（Nvidia）GPU

該程序只與64位平臺(tái)兼容

該程序依賴Sox - Sound 交換用于噪音消除

該程序依賴FFmpeg處理非wav格式的音頻文件

該程序會(huì)在你關(guān)閉程序的時(shí)候自動(dòng)保存你的設(shè)置

處理效率極大依賴于你的硬件

如果未安裝 FFmpeg，如果用戶嘗試轉(zhuǎn)換非 WAV 文件，應(yīng)用程序?qū)伋鲥e(cuò)誤。