10 分钟用 RVC WebUI 的 UVR5 人声提取跑通一次人声伴奏分离免费开源新手指南【免费下载链接】Retrieval-based-Voice-Conversion-WebUIEasily train a good VC model with voice data 10 mins!项目地址: https://gitcode.com/GitHub_Trending/re/Retrieval-based-Voice-Conversion-WebUI本文带你用 RVC WebUI 的 UVR5 人声提取模块把立体声音频拆成人声轨和伴奏轨产出能直接翻唱、配音的分离文件。 先花 30 秒判断UVR5 人声伴奏分离是不是你要干的如果你手里有一首歌、只想留伴奏再录自己的声音出翻唱或者一段播客混进了房间回声听感很闷那这篇就是为你写的。RVC WebUI 的 UVR5 人声提取就是干这个的指向一个音频文件夹点一次按钮处理完你拿到两个文件夹一个纯人声、一个纯伴奏。它不能实时分离必须等整段文件跑完所以别拿它处理直播流。整件事不需要你懂信号处理。⚙️ 开始前备齐这三样RVC WebUI 人声提取环境运行环境与依赖先 clone 仓库再按显卡装依赖。CPU、AMD、Intel 装python -m pip install -r requirments_cpu_py312.txtNVIDIA 先装对应 CUDA 版本的 torch再装requirments_cu118_py312.txt或requirments_cu128_py312.txt。git clone https://gitcode.com/GitHub_Trending/re/Retrieval-based-Voice-Conversion-WebUI输入音频要求待分离的立体声文件格式 wav、flac、mp3 都行。源文件不是 44100Hz 双声道时程序会自动重采样但低码率、单声道、严重削波的源会明显拉低分离上限优先给无损。UVR5 权重推荐前置模型下拉框里的选项直接读assets/uvr5_weights/目录里面必须有.pth权重才能选到模型。用下面命令把权重拉进该目录hf download lj1995/VoiceConversionWebUI --revision main --include uvr5_weights/* --local-dir assets 从打开界面向到看到结果完整操作走一遍装完依赖用python webui.py启动Windows 也可直接双击go-webui.bat浏览器会自动打开主界面。界面顶部一排标签页里点开「伴奏人声分离去混响去回声」本章所有字段都在这一个标签页内。先定模型这是后面一切的前提。选 HP2 还是 HP5取决于歌里有没有和声没有和声选 HP2 或 HP3想完整保留主人声带和声只想留主旋律就选 HP5。要去的不是人声而是回声那就选onnx_dereverb_By_FoxJoy或 DeEcho 系列。选错模型参数怎么调都是白跑。再填输入待处理音频文件夹路径填待分离音频所在目录的绝对路径即可如果你只想处理手里这几个文件用旁边「也可批量输入音频文件」直接拖进来两者二选一填了文件夹就优先读文件夹。输出目录指定输出主人声文件夹和指定输出非主人声文件夹默认都是opt人声和伴奏会分别落在各自子目录里一般不用改。导出文件格式默认 flac无损适合还要二次加工只存档分享选 mp3 更省空间。全部填完点转换按钮右侧「输出信息」区逐行打印结果看到形如文件名 → 成功的字样这条就算跑完了全部文件都出现「成功」本次分离即完成。验收很简单去主人声文件夹听人声是否完整、伴奏有没有漏进来再去非主人声文件夹听歌词是否已经听不出来两边都过关才算合格。 那个最影响结果的参数UVR5 模型选择单独掰开讲模型决定怎么分其他字段只是决定分完存成什么所以它单独拿出来讲。机制上每个 UVR5 权重是在不同目标上训练的HP 系列抠人声DeEcho 系列去延迟onnx_dereverb_By_FoxJoy用 MDX-Net 去双通道混响选哪个直接决定输出是干净人声还是去了回声的整轨。你的场景建议选无和声留完整主人声HP3无和声均衡稳健HP2有和声只留主旋律HP5去双通道房间回声onnx_dereverb_By_FoxJoy去延迟/单声道混响DeEcho-Aggressive拿不准就先按无和声选 HP3 跑一遍听出来再换。其余字段照这张表填就行字段一句话建议输入待处理音频文件夹路径待分离目录优先于文件选择也可批量输入音频文件只处理几个文件时拖入二选一指定输出主人声文件夹默认 opt人声结果落这里指定输出非主人声文件夹默认 opt伴奏结果落这里导出文件格式默认 flac存档选 mp3 结果不对人声分离排错顺序查四件事怀疑模型/参数先看模型选对没有——有和声的歌用了 HP2 会把和声当主人声留下。对照上面场景表换一个模型重跑。怀疑输入源质量单声道、低码率 MP3、本身削波的文件分离上限就在那里模型只能把已有信息分开、不能凭空补信息。换一份无损立体声源再试。怀疑依赖/环境看「输出信息」里有没有报错堆栈权重不在assets/uvr5_weights/会直接找不到模型torch 与显卡不匹配常见于装错了依赖文件。怀疑版本兼容NVIDIA 卡要确认 torch 的 CUDA 版本cu118 或 cu128和显卡代次对得上AMD/Intel 走 cpu 依赖并启用 DirectML。模型下拉框是空的怎么办确认assets/uvr5_weights/里有没有以.pth结尾的权重文件没有就先跑上面的下载命令。下载失败就从 README「下载模型」一节手动把权重放进该目录。放好后重启python webui.py「模型」下拉框里就能选到了。 跑通之后拿 UVR5 人声提取接着干的 3 件事如果你要做翻唱用 HP3 抽出干净伴奏轨录上自己的声音再在剪辑软件里把两轨对齐进拍点叠到一起。如果你要清理播客先过onnx_dereverb_By_FoxJoy去房间回声再用 DeEcho-Aggressive 收一遍残留比单跑一个模型更干净。如果你要给视频配音把视频音轨导成音频分离出伴奏轨垫底人声轨替换成你的配音音量按段落拉平。✅ 你现在的状态和下一步只要assets/uvr5_weights/里有一组权重、手里有一个立体声音频文件这件事就只是填个文件夹、点一下按钮的事。接下来跑一遍 HP3 听两轨残留多时换模型重跑人声轨接入 RVC 变声【免费下载链接】Retrieval-based-Voice-Conversion-WebUIEasily train a good VC model with voice data 10 mins!项目地址: https://gitcode.com/GitHub_Trending/re/Retrieval-based-Voice-Conversion-WebUI创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考