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

安裝方法

(1) CUDA安裝（有英偉達顯卡的可以安裝）

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

安裝的時候選自定義（高級），安裝所有組件。

對于11.6版本的cuda，我是沒有配置任何環境變量就可以成功的

驗證是否成功的方法：新打開一個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，安裝的目標路徑不要選C盤，安裝到其他任何一個盤就可以

為了方便后續的解釋，我們假設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的絕對路徑添加至環境變量中的"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）下會有一個文件夾名為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

為了方便后續的解釋，這里我們假設主程序都解壓到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，命令前面都會帶著(venv)這個標志，請確保后面的所有的操作（安裝以及運行）都需要在執行這一步之后

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

（因為眾所周知的原因，在國內可能是安裝不了的）

或者

如果前面已經下載了Pytorch組件，可以按照如下步驟安裝：

切換到那三個文件目錄下

分別執行如下三個命令：

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"

運行程序：

確保目前是(venv)狀態

如果目前沒有這個標志，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）

執行如下命令

python VocalRemover.py

即可進入主程序

PS：每次執行都需要確保是(venv)狀態

作者：明沙

出處：bilibili

使用說明

Select Input：選擇（多個）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。

（1） VR Architecture：使用了強度頻譜（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，可以得到多個模型和網絡的最好結果

Help/Info Button：幫助引導（help guide）

Choose MDX-Net：每個消音方法都有自己的一套選項和模型，在這里可以選擇與所選消音方法關聯的模型

Progress Console：顯示處理過程中的信息

Restart Button：重啟應用，會彈出來窗口缺人，所有設定（settings）都會被保存

Save Format：輸出格式選擇（WAV、FLAC、MP3）

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

如果不勾選的話，只用CPU處理會很慢

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，選擇了這個模式的時候, 程序會自動在你選擇的文件夾里面生成一個新文件夾。新的自動生成文件夾將以所選模型命名（不再是上述的默認命名）。輸出的音頻文件將保存到自動生成的目錄中。

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

VR Architecture

Windows Size：

窗口大小越小，轉化效果越好。然而，更小的窗口意味著更長的轉換時間和更重的資源使用。

以下是可選擇的窗口大小值 -

1024 - 轉換質量低，轉換時間最短，資源使用率低

512 - 平均轉換質量、平均轉換時間、正常資源使用情況

320 - 轉換質量更好，轉換時間長，資源使用率高

Aggression Setting：

數值越大，清除人聲的力度就越大，默認的10就可以，已經可以完全消除人聲

范圍是 0-100

較高的值執行更深的提取

樂器和聲樂模型的默認值為 10

超過 10 的值可能會導致抽取伴奏的模型的結果中的樂器部分聽起來渾濁

TTA：測試時數據增強，用于提升分離效果，但是會增加處理時間

Post-Process：此選項可能會識別人聲輸出中剩余的樂器偽影。此選項可能會改善某些歌曲的分離效果。

注意：選擇此選項可能會對轉換過程產生不利影響，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（內存）或V-RAM的使用率。

更小的Chunk sizes會使用更少的內存或顯存但是會增加處理時間

更大的Chunk sizes會使用更多的內存或顯存但會減少處理時間

選擇Auto的話程序會自動計算合適的Chunk sizes

選擇Full會直接處理整個軌道，這個選項只推薦用在比較強力的PC上

默認值是Auto

Noise Reduction：該選項允許減少或消除由模型產生的任何噪音

靈敏度的值范圍是0到20，默認是3，選擇None會關閉Noise Reduction這個選項

模型：

UVR-MDX-NET 1：模型分數9.703

UVR-MDX-NET 2：模型分數9.682

UVR-MDX-NET 3：模型分數9.662

UVR-MDX-NET Karaoke：保留和聲模型

PS：模型分數指的是SDR score

MDX-Net/VR Ensemble：

通過UVR_MDXNET_1和2_HP-UVR.pth這兩個模型生成結果并融合

HP Models：

通過1_HP-UVR.pth和2_HP-UVR.pth這兩個模型生成結果并融合

Vocal Models：

通過3_HP-Vocal-UVR.pth和4_HP-Vocal-UVR.pth這兩個模型生成結果并融合

User Ensemble：

允許用戶選擇不同模型的輸出結果并手動將它們融合

HP2 Models：

通過7_HP2-UVR.pth、8_HP2-UVR.pth和9_HP2-UVR.pth這三個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這五個模型生成音頻文件并融合

Save All Outputs：輸出所有模型的結果，不選就不會輸出，只會保留融合后的結果

Select input：至少選擇兩個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，并且計算每個輸入文件的最小spec值，結果文件中的vocal數據會被清除

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，并且計算每個輸入文件的最大spec值，結果文件中所有的vocal數據都會被保留

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 - 使用更多數據和更多參數訓練的超強消人聲保留伴奏模型（PS：理論上數據越多訓練出來的模型效果越好）

HP2_4BAND_44100_1.pth - 超強消人聲保留伴奏模型

HP2_4BAND_44100_2.pth - HP2_4BAND_44100_1.pth的微調版本

HP_4BAND_44100_A.pth - 超強消人聲保留伴奏模型

HP_4BAND_44100_B.pth - HP_4BAND_44100_A.pth的微調版本

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，但是提取的伴奏會比較muddy

HP_Vocal_AGG_4BAND_44100.pth - HP_Vocal_4BAND_44100.pth 的加強版，這個強的意思不是效果好，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（Nvidia）GPU

該程序只與64位平臺兼容

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

該程序會在你關閉程序的時候自動保存你的設置

處理效率極大依賴于你的硬件

如果未安裝 FFmpeg，如果用戶嘗試轉換非 WAV 文件，應用程序將拋出錯誤。