免費 AI 人聲分離指南：2026 年去除或隔離人聲

AI 人聲分離的實際工作原理

老式的卡拉 OK 技巧——相位去除——透過反轉一個立體聲聲道來去除居中聲像的內容。聽起來簡單因為它確實簡單：任何在兩個聲道中不完全相同的內容都會完整保留，這意味著在任何帶有混響、立體聲加寬或背景和聲的現代混音中，人聲會嚴重洩漏。成果是一個空洞、相位失真的器樂，很少能用。

AI 人聲分離器基於完全不同的原理工作。Demucs^[1] 和 MDX-Net^[2] 等模型是在大量已分離分軌資料集上訓練的深度神經網路。給定一個混合音訊檔案，網路預測各個分軌——人聲、鼓、低音、其他樂器——在混合之前的樣子（或聲音）。沒有相位技巧，沒有 EQ 切割：模型基於學習到的模式做出有根據的估計。

Hybrid Demucs v4 是當前最先進的架構，同時在時域（原始波形）和頻域（頻譜圖）中工作，在單一模型中結合了時間精度和頻率解析度。^[2] 成果：幹淨的器樂和人聲分軌，比任何 AI 之前的方法產生的偽影少得多。

最佳免費工具一覽

工具格局分為兩大陣營：本地安裝的桌面應用（更強大，更多設定）和基於瀏覽器的工具（即時，無需安裝，但有使用限製或質量折衷）。下表涵蓋了最好的真正免費選項。

Ultimate Vocal Remover：免費桌面標準

Ultimate Vocal Remover (UVR) 是一款免費、MIT 授權的開源桌面應用，適用於 Windows、macOS 和 Linux。^[3] 它是經常處理分軌的製作人的首選，因為沒有上傳限製、沒有訂閱、沒有伺服器施加的質量上限。

該應用在一個介面下捆綁了三種獨立的 AI 架構：VR Architecture（原始 UVR 神經網路）、MDX-Net（包括 ZFTurbo 訓練的較新 MDX23C 模型）和 Demucs（v1 到 v4，包括 Hybrid Demucs）。^[7] 不同模型對不同型別的處理效果不同——Demucs v4 傾向於在搖滾和流行上表現良好，而 MDX-Net 模型在處理過度的嘻哈人聲時可能略勝一籌，所以在棘手的音軌上嘗試兩種模型是常見工作流。

整合模式讓你同時執行多個模型並混合它們的輸出——這種技術可明顯降低困難素材上的偽影。支援 NVIDIA、AMD Radeon 和 Intel Arc 顯示卡的 GPU 加速（NVIDIA GPU 處理最低需要 GTX 1060 6 GB）。^[7]

如何使用 UVR：分步指南

1. 下載並安裝 UVR
   前往 ultimatevocalremover.com 下載適用於你的作業系統（Windows 10+、macOS Big Sur+ 或 Linux）的安裝檔。[3] 安裝檔捆綁了應用本身；AI 模型需要在應用內單獨下載。
2. 下載你的第一個 AI 模型
   開啟 UVR 並進入設定 → 下載中心。對於大多數素材，從 MDX-Net — UVR-MDX-NET-Voc-FT（人聲）或 Demucs v4 (htdemucs)（完整 4 分軌分離）開始。下載大小為幾百 MB，選擇模型後自動開始。
3. 匯入你的音訊檔案
   將你的音軌拖入主視窗，或使用選擇輸入按鈕。UVR 支援 MP3、WAV、FLAC、OGG 以及 FFmpeg 可讀的任何其他格式。[7]
4. 選擇模型和輸出格式
   從下拉選單選擇 AI 模型。設定輸出資料夾和首選格式（WAV 無損，MP3 檔案更小）。對於簡單的人聲/器樂分離，選擇 2 分軌人聲模型。對於將鼓、低音和其他樂器分離為獨立檔案，選擇 4 分軌 Demucs 模型。
5. 執行分離
   點選開始處理。在現代 CPU 上，一首 3 分鐘的音軌通常需要 1-3 分鐘（無 GPU 加速）。在設定中啟用相容 GPU 後，同一音軌可在 30 秒內處理完成。進度顯示在狀態列中。
6. 獲取你的分軌
   UVR 將分離的分軌儲存到你選擇的輸出資料夾。你至少會有一個器樂和一個人聲檔案。如果運行了整合模式，還會儲存一個混合輸出檔案。匯入你選擇的 DAW 並在暴露的部分檢查偽影。
7. 對困難音軌嘗試整合模式
   如果第一次處理有可聽偽影——混響洩漏、低頻串擾、幽靈泛音——切換到整合模式並選擇兩到三個不同模型。UVR 將執行所有模型並合並成果，這通常能降低困難素材上的偽影。

基於瀏覽器的選項：不想安裝桌面應用時

並非每個工作流都需要本地安裝。如果你在借用的機器上工作、使用平板電腦，或者只需要快速分離而不想配置軟體，瀏覽器工具是最快的途徑。

• BandLab Splitter 最慷慨的免費瀏覽器選項：免費層級無限上傳，可分離為 2 或 4 個分軌（人聲、鼓、低音、其他）。^[4] 支援網頁和調整端。BandLab 付費會員（$1.99/月）可解鎖最多 7 個分軌、吉他和絃樂分離以及 MIDI 分軌匯出。無需註冊即可在 bandlab.com/splitter 試用。
• vocalremover.org 一個長期執行的免費瀏覽器工具，從任何上傳的檔案輸出卡拉 OK 曲目（器樂）和清唱（隔離人聲）。^[5] 免費層級有每使用者每日使用限製；付費會員可去除這些限製。介面極簡——上傳、等待、下載——是偶爾一次性分離的最快選項。
• Moises 在網頁、iOS 和 Android 上提供強大的 AI 分離。^[6] 免費計劃限製每月 5 次上傳，每首最長 5 分鐘，僅匯出 MP3 或 M4A。適合練習和調整工作流；免費限製使其不適合經常性製作使用而不升級。

預期效果：質量、偽影和型別差異

現代 AI 分離在幹淨的工作室錄音上表現良好——主唱居中聲像、樂器佔據可預測頻率範圍——這種素材在流行、R&B 和嘻哈中很常見。在這類音軌上，你可以期望得到一個可用的器樂，人聲洩漏極少，以及保留大部分人聲特徵的清唱。

偽影是所有當前分離工具的誠實侷限。最常見的是：混響尾音洩漏（一些來自人聲的房間聲音洩漏到器樂中）、與人聲範圍重疊嚴重的樂器上的頻率塗抹（200-800 Hz 附近的鋼琴和絃是常見的受害者）以及清唱上的幽靈泛音——未完全分離的微弱音符。這些偽影是估計過程的可預測副作用，不是任何特定工具的錯誤。

型別差異很大。稀疏的編曲——獨奏鋼琴、原聲吉他和人聲、極簡靈魂樂——往往分離更幹淨，因為人聲和樂器之間的頻譜對比度高。多個部分同時佔據同一頻率區域的音軌（密集絃樂、疊層合成器、在中頻競爭的失真吉他）對任何模型都更難。帶有原人聲器串擾的現場錄音是最困難的類別。

獲得更幹淨成果的技巧

使用 WAV 或 FLAC 作為源檔案。MP3 壓縮在 AI 開始之前就引入了偽影；輸入中的訊號資訊越多，模型的估計越好。始終使用你擁有的最高質量版本。

在同一音軌上嘗試多個模型。UVR 使這變得容易：執行 Demucs v4，然後執行 MDX-Net 模型，聽哪個器樂偽影更少。不同架構在同一素材上會犯不同的錯誤。

在 DAW 中對分軌進行後期處理。一個窄動態 EQ 來捕捉人聲洩漏最明顯的 2-4 kHz 範圍，可以在不影響混音平衡的情況下進一步清理器樂。將 AI 輸出視為起點，而非成品。

製作人實際用人聲分離器做什麼

• 卡拉 OK 曲目 原始用例：提取器樂讓歌手可以對著原始編曲練習或現場表演。即使是略微不完美的分離也比通用 MIDI 重現有用得多。
• 取樣和插值練習 隔離人聲 hook 以研究措辭、音高和節奏，然後再嘗試複製。分離的器樂讓你聽到單獨的編曲選擇——沒有混音的鼓 groove、沒有和絃的低音進行。
• 人聲練習和聽力訓練 歌手使用隔離的器樂對著原始錄音練習而不需要引導人聲，或提取人聲分軌來分析表演的音高和氣息控制。
• 混音和串燒起點 分離的清唱或器樂為你提供了非官方混音和串燒專案的粗略起點。在發行成果之前請參閱下方的法律說明。
• 分軌恢復 如果你只有自己會話的立體聲混音且原始專案檔案丟失，AI 分離可以恢復粗略的分軌以供進一步工作。成果會有偽影，但從混音中恢復可用的人聲或鼓音軌是可以實現的。

法律說明：提取的清唱和器樂

AI 處理不會改變源素材的版權所有者。當你從受版權保護的歌曲中提取器樂時，生成的檔案仍是該受版權保護作品的衍生品——AI 沒有創作新作品，它只是估計了已經存在的內容。在未獲得授權的情況下發行、釋出或商業利用你未創作或未授權的歌曲的提取清唱或器樂，與未經授權使用原始錄音具有相同的法律風險。^[8]

合理使用可以在有限的情況下適用——教育、評論或變革性作品——但這是逐案法律判斷，不是萬能盾牌。如果你正在版本使用第三方錄音提取分軌的公開釋出作品，請在釋出前諮詢熟悉音樂版權的律師。

最明確的安全用途是個人練習、聽力訓練以及使用你自己擁有或已獲得授權的錄音。在你自己會話匯出的混音上使用 UVR，或處理你已授權的免版稅素材，不會引起版權問題。