胡桃讲编程：混音教学第二步｜人声分离全实操：UVR5 + 万兴喵影双方案，讲透每一步为什么这么做
作者：龙沅可
各位音乐编程圈的兄弟，我是摸爬滚打 3 年的地下程序员胡桃。今天这节课，不聊虚头巴脑的理论，只做纯落地实操，把 UVR5（主力专业工具）和万兴喵影（补位 AI 工具）两套人声分离方案，用《灯火里的中国》同一个案例完整走一遍，每一步操作都讲透「为什么这么做」，让你不仅会点按钮，更懂背后的逻辑，新手直接照抄就能出效果，老手也能避开我 3 年踩过的坑。
我的主力作战设备是微星 GL62M 7REX，i7 处理器 + GTX 1050Ti 独显，所有操作、参数、耗时都是真机实测。想要复现完全一致的效果，提前做好 3 个准备：显卡驱动更新至 580 系版本、保证显卡硬件健康无损耗、关闭所有后台程序（浏览器、聊天软件等全部退出），避免资源占用影响处理速度和稳定性。
一、UVR5 方案：本地专业级分离，常规歌曲首选
为什么选 UVR5 当主力？
UVR5 是开源免费的本地人声分离工具，不依赖网络、隐私性拉满，算法针对人声 / 伴奏分离做了深度优化，对《灯火里的中国》这种节奏舒缓、双声部（张也美声 + 周深流行）、交响伴奏层次丰富的常规歌曲，分离精度拉满，人声细节保留完整，是后续 RVC/SVC 声线转换的最优输入素材，也是咱们开头洛天依翻唱成品的核心基础。
实操步骤 + 每一步原理
基础路径与格式设置打开 UVR5，点击「Select Input」导入《灯火里的中国 - 张也 & 周深.mp3》，「Select Output」指定 E 盘根目录，输出格式勾选默认 WAV。为什么这么做？WAV 是无损音频格式，能 100% 保留人声的高频细节，绝对不能用 MP3/FLAC 这类压缩格式 —— 压缩会丢失大量音色细节，后续 SVC 声线转换会出现明显的音色失真、杂音，这是我 3 年实战踩过的核心坑。
核心参数设置（照抄这套，老本稳跑）
- 处理方法选「VR Architecture」：这是平衡分离精度和处理速度的最优解，完美适配 GTX 1050Ti 这类中端独显，不会出现显存溢出；MDX-NET 虽精度更高，但对老本来说太吃显存，容易卡顿崩溃，老本首选 VR。
- 窗口大小选「320」：窗口大小决定算法采样精度，数值越大精度越高，但显存占用越高。320 是我给 1050Ti 调的黄金值，既能保证分离精度，又不会让显存过载，配置高的兄弟可后续调整，老本用 320 全程稳跑不翻车。
- 分离强度（Aggression Setting）选「20」：这个数值控制分离「力度」，数值越高分离越彻底，但容易把人声修得干瘪、丢失细节；数值太低则伴奏会残留人声。20 是我实测的最优值，既能把《灯火里的中国》的交响伴奏彻底分离，又能完整保留两个声部的音色细节，不会出现失真。
- 模型选「5_HP-Karaoke-UVR」：这个模型专门针对卡拉 OK、流行歌曲的人声分离训练，对双声部、交响伴奏的适配性拉满，对付《灯火里的中国》这类层次丰富的歌曲，效果远超通用模型。
- 必勾「GPU Conversion」：这是效率翻倍的核心开关！我实测《灯火里的中国》（4 分 20 秒），关闭 GPU 纯 i7CPU 运算耗时整整 7 分钟，开启 GTX 1050Ti 独显加速后，耗时直接缩短至 3 分钟，处理过程中显存占用稳定 1.5GB，核心温度维持 70℃，老本完全扛得住 ——GPU 的并行计算能力，比 CPU 串行运算快数倍，必须开启。
- 一键运行与结果提取所有参数调好后，点击「Start Processing」，耐心等待进度条 100% 跑完（绝对不要中途关闭，否则文件会损坏）。完成后，输出目录会生成两个 WAV 文件：
1_灯火里的中国_(Vocals).wav（纯人声，后续 SVC 核心素材）、1_灯火里的中国_(Instrumental).wav（纯伴奏，后续混音用）。为什么要分这两个文件？后续 SVC 声线转换需要 100% 纯净的人声作为输入，一旦有伴奏残留，AI 会把伴奏当成噪声，转换出大量杂音，彻底毁了成品效果。
二、万兴喵影方案：AI 联网补位，难题曲专属
为什么要有万兴喵影？
UVR5 不是万能的，遇到《Moskau》这类 80 年代迪斯科、混响拉满、和声密集的「难题曲」（就是那个 “螺丝刀螺丝刀，半夜起来安地板” 的名场面神曲），UVR5 分离会出现人声发糊、伴奏带残响的问题。而万兴喵影的 AI 联网分离，依托云端大数据模型，专门针对复杂曲目优化，是 UVR5 的完美补位，全程免费无套路，新手零门槛。
实操步骤 + 每一步原理
打开软件新建项目打开万兴喵影，点击「新建项目」（也可在旧工程编辑，新建项目能保证环境干净，避免缓存干扰分离速度），进入剪辑主界面。为什么新建？旧工程的缓存、残留素材会占用系统资源，影响 AI 分离的稳定性，新建项目能最大化保证处理效率。
导入目标音频点击素材栏「导入」，或直接把《灯火里的中国》拖入左侧素材区，完成音频导入。为什么要导入素材栏？万兴的智能人声分离仅支持素材栏内的音频，直接拖入时间轴无法触发分离功能，必须先导入素材栏。
触发智能人声分离在素材栏右键《灯火里的中国》，选择「智能人声分离」，弹出处理弹窗，等待进度条跑完（全程保证网络通畅，断网会导致分离失败）。我实测 4 分多钟的歌曲，耗时稳定在 2-3 分钟，比 UVR5 开 GPU 还快。为什么用 AI 联网分离？云端模型训练了海量不同风格、不同混响的歌曲，对重混响、多和声的复杂曲目适配性远胜本地算法，不用调任何参数，新手一键出效果。
提取分离结果分离完成后，素材栏会生成两个新文件：「声音_灯火里的中国」（纯人声）、「背景_灯火里的中国」（纯伴奏）。右键人声文件，选择「查看文件位置」，打开缓存目录，剪切 / 复制两个文件到统一的素材目录（如 E 盘根目录），方便后续 SVC 转换和混音。为什么要提取文件？万兴的分离文件存在软件缓存目录，直接在软件内使用容易丢失，提取到统一目录能避免文件丢失，方便后续全流程管理。
三、两套工具搭配逻辑：什么时候用哪个？
作为 3 年实战的地下程序员，我的核心原则是「工具为需求服务」，不是越复杂越好：
- 常规慢歌、混响适中的歌曲（《灯火里的中国》《稻香》《青花瓷》等）：首选 UVR5，本地处理细节足、效率高、隐私性好，是 RVC/SVC 的最优选择；
- 重混响、多和声的难题曲（《Moskau》等）：直接用万兴喵影，AI 联网分离，多分离 2-3 次就能出完美效果，免费又省心；
- 两款工具全部免费，无任何付费门槛，老设备也能轻松驾驭，覆盖所有人声分离场景。
人声分离是混音的第一道地基，把这一步做扎实，后续的 SVC 声线转换、混音才能出效果。