免费人声移除器（卡拉 OK 制作器）

操作示例

点击“试用示例”。它会添加 sample-song.wav，约 12 秒的伴奏，上面叠加了合成的歌声，“方法”起始为“AI 分离（最佳质量）”。面板上有一次性的模型下载和“加载模型”按钮，其下方一行写着“在电脑上处理这首 0:12 的歌曲预计需要 0:08。开始后，进度条将显示实际剩余时间。”（手机上会看到 0:57，句子也更长。）点击“🎤 移除人声”。进度条依次显示“正在读取歌曲…”、“正在加载 AI 模型…”、“正在分离人声和音乐：第 1 部分，共 2 部分”，然后是“正在生成 MP3 文件…”。出现两张卡片，“伴奏（卡拉 OK）”和“人声（清唱）”，各有一个播放器、“⬇ 下载 MP3”和标有“~2 MB”的“WAV”按钮。文件名为 sample-song_instrumental.mp3 和 sample-song_vocals.mp3。主按钮现在显示“重新处理”。

使用哪些设置，以及限制

• 除非需要避免下载，否则选择 AI 分离。 “AI 分离（最佳质量）”在你的设备上运行 Deezer 的 Spleeter 2-stems 网络。它适用于大多数歌曲，单声道的也可以，并需要一次性下载 18.8 MB 的模型（“加载模型”按钮上的数字还包括尚未缓存的引擎文件）。“即时（较低质量）”无需下载。它抵消立体声混音中 200 Hz 到 6,000 Hz 之间的中心部分，所以会去掉正中央声像的内容，而混响和和声通常会留下。它会拒绝单声道文件。更改方法之后，之前的结果会被标为已过期。
• 为每个音轨选择 MP3 或 WAV。 运行结束时，两个音轨都会生成 192 kbps 的 MP3，所以“下载 MP3”会立即开始。旁边的“WAV”按钮在你点击时才写出 16 位立体声 44.1 kHz 的文件，其“~”大小是歌曲时长乘以 44,100 个采样乘以 4 字节，约每分钟 10 MB。输出始终是 44.1 kHz 立体声，单声道歌曲会被视为两个相同的声道。文件名形如 song_instrumental.mp3 和 song_vocals.wav。在 AI 模式下，人声音轨是歌曲减去伴奏，所以两者相加就还原为原曲。如果 MP3 编码器无法加载，你会得到 WAV 文件和一条说明。
• 拖入视频，分离其中的音轨。 拖放区接受音频文件以及 MP4、MOV、WebM 或 MKV 等视频。对于视频，页面会先显示“正在从你的视频中读取音频…”，此时内置的媒体引擎在提取声音。返回的只有音频，绝不是视频，没有声音的视频会停止并提示“此视频没有可处理的音轨。”超过你设备上限的文件会被拒绝而不会添加：普通电脑约 2 GB，报告内存为 4 GB 或更少的电脑 1 GB，手机 400 MB。文件很慢的提示分别从 800、400 和 150 MB 开始。
• 查看时间估计和长度上限。 在 AI 模式下，模型面板下方的一行会给出预计时间，例如在电脑上处理 4:00 的歌曲约需 1:28，在手机上则为 17:40。手机上的数字有意偏悲观，运行开始后进度条会显示实际剩余时间。AI 模式在电脑上最长接受 20:00 的歌曲，在手机或平板上为 10:00。较长的歌曲可能会多出一条“这首歌曲对于此设备的内存来说太长了，可能无法完成。”在手机上，请保持屏幕常亮并保持标签页打开。“取消”会停止运行，下一次运行会重新读取歌曲。
• 管理模型下载。 模型面板写着“此工具会在你的设备上运行 AI 模型。”点击“加载模型”或“移除人声”会下载它，然后分离歌曲。“取消下载”会停止下载，并提示“下载已取消。未保存任何内容。”模型缓存之后，面板显示“模型已下载 - 无需再获取。”，并提供“移除已下载的模型 (18.8 MB)”。如果你的设备设置为节省流量，下载会被拒绝，直到你关闭该设置或切换到 Wi-Fi。在无法运行该模型的浏览器上，面板会说明原因，即时模式仍然可用。

常见问题及解决方法

提示“AI 模型无法加载。请检查您的网络连接后重试，或使用即时模式。”

这是分离开始之前任何失败的横幅：模型下载失败、浏览器不肯存储它，或后台工作线程无法启动。它上方的模型面板仍会显示，并给出具体原因，例如“下载中断——请检查网络连接后重试。”或“浏览器中没有足够的可用存储空间来保存此模型。”，并带有“重试”按钮。请排除它指出的原因后点击“重试”，或切换到无需下载的即时模式。

提示“AI 分离在完成前停止，这通常意味着此设备内存不足。请尝试更短的歌曲、关闭其他标签页，或使用即时模式。”

分离线程在工作时报告了错误，或 3 分钟没有发送任何消息，页面会认为它卡住了（引擎下载进行中也算有活动）。除歌曲本身外，模型还需要约 400 MB 内存，所以在手机上处理长歌曲是常见原因。请使用歌曲中较短的一段、关闭其他标签页，或选择即时模式。失败的线程会被丢弃，因此再次点击“移除人声”会从头开始。

提示“此文件无法作为音频读取。请尝试 MP3、WAV、M4A 或 FLAC 文件。”，对于视频则是“无法读取此视频中的音频。请尝试 MP4 或 MOV 文件，或先把音频保存为 MP3。”

浏览器自带的音频解码器无法打开该文件，所以没有可分离的内容。请把歌曲保存为 MP3、WAV、M4A 或 FLAC，然后重新添加。对于视频，是媒体引擎没能提取出声音：请重新导出为 MP4 或 MOV，或先把音频保存为 MP3。音频不足一秒的文件会给出“此文件太短，无法分离。请使用至少一秒的片段。”

提示“这首歌曲的长度超过了 20:00，这是此设备单次能分离的最大长度。请先将其剪切成较短的片段。”或“这个文件是 2.6 GB，超过了这台设备在浏览器里能处理的约 2 GB。请换一个更小的文件，或先裁出一段更短的片段。”

模型工作时，AI 模式会把歌曲的音频保存在内存中，所以在电脑上最长接受 20:00，在手机或平板上为 10:00；提示中的时间就是你设备自己的上限。检查使用的是播放器报告的时长，并且只适用于 AI 模式。请把歌曲切成几段，分别分离。第二条提示是文件大小上限（按设备为 2 GB、1 GB 或 400 MB），该文件不会被添加。

提示“此文件为单声道（或两个声道相同），因此即时模式无法抵消任何内容。请使用适用于单声道歌曲的 AI 分离。”

即时模式的原理是区分混音的中心和两侧。在单声道文件中，两个声道相同，所以没有可分离的差异。当侧边信号比中间信号低 40 dB 或更多时，立体声文件也被视为单声道。请把“方法”切换为“AI 分离（最佳质量）”。当即时模式的结果比输入轻 30 dB 以上时，会出现相关的警告：“这首歌居中的内容很少：结果比原曲轻约 34 dB……”

对比分析

AI 模式使用 Deezer 的 Spleeter 2-stems 模型（MIT 许可证）生成两个文件：伴奏和人声音轨。页面本身就提醒“在高潮部分，伴奏中可能会残留微弱的人声痕迹”，听起来像人声的乐器也可能出现在人声音轨中。在本站自己的测试中，它在每首测试歌曲上的分离效果都明显优于即时模式。它只分成两个音轨；若需要把鼓和贝斯分成单独的音轨，请使用“分轨器（人声、鼓、贝斯）”。由于在浏览器中运行，它需要下载模型，在电脑上约需歌曲时长的三分之一，在手机上则长得多，每首歌上限为 20:00。不会上传任何内容。