VocalRemover (VocalRemover Vocal Remover) 使用指南
對於需要將歌曲人聲與伴奏分離的使用者而言，VocalRemover 提供了一個無需配置本地環境的高效解決方案。
無需下載複雜軟體，無需配置環境，也不需要高階顯示卡——只需在瀏覽器中打開 VocalRemover，幾分鐘內即可獲取錄音室等級的分軌結果。
這篇文章將帶您快速入門，了解如何利用「場景化」模式輕鬆處理音訊。
一、什麼是 VocalRemover？
VocalRemover 是基於開源社群強大的 modern AI separation stack 架構構建的線上服務。
在過去，獲得高品質的伴奏或提取純淨人聲通常面臨較高的門檻：
- 需要下載數 GB 的軟體和模型包。
- 需要配備高效能 NVIDIA 顯示卡。
- 需要花費大量時間除錯複雜的模型參數。
VocalRemover 旨在解決這些問題。我們在雲端部署了目前效果頂尖的 AI 模型（特別是最新的 BS-Roformer 和 Mel-Band Roformer 系列）。透過 「instant workflow」（即刻實驗室）介面，使用者只需關注**「想要什麼結果」，而無需糾結於「使用什麼參數」**。
二、如何使用 VocalRemover
操作流程非常簡單，遵循 「上傳 -> 選場景 -> 選品質 -> 下載」 的直覺式步驟。
第一步：上傳檔案
在首頁控制台，直接拖曳音訊檔案（支援 mp3, wav, flac, m4a 等）到上傳區。
🛡️ 隱私安全：所有檔案使用雲端物件儲存安全保存，處理完成後會自動過期刪除，我們不會保留任何音訊資料。
第二步：選擇「場景」 —— 關鍵一步！
這是 VocalRemover 與傳統工具最大的區別。使用者不需要選擇晦澀難懂的模型名稱，只需要選擇處理目標。
常見的場景包括：
| 場景名稱 | 你的目標 | 得到的結果 |
|---|---|---|
| 去人聲 | 做卡拉OK伴奏、翻唱練習 | 純伴奏 (Instrumental) |
| 提取人聲 | 做 Remix、惡搞素材 | 純人聲 (Vocals) |
| 雙軌分離 (人聲/伴奏) | 同時要人聲和伴奏 | 人聲 + 伴奏 |
| 四軌分離 (人聲/鼓/貝斯/其他) | 抓歌、學習樂器 | 人聲 + 鼓 + 貝斯 + 其他 |
| 降噪 | 修復嘈雜錄音 | 可以在「降噪」場景中獲得乾淨音訊 |
| 去混響 | 消除房間回音 | 乾聲 (No Reverb) |
第三步：選擇「品質檔位」 (Quality)
我們為每一類場景都預設了不同的計算強度：
- ⚡ Fast (快速)：速度優先，適合試聽或非正式用途。
- 🎵 Studio (錄音室)：預設推薦。在速度和品質之間達到最佳平衡，適合絕大多數創作需求。
- 💎 HiFi (極致)：使用最頂級的 SOTA 模型（如 BS-Roformer），運算量巨大，雖然耗時較長，但能提供目前行業內極高的分離純淨度。
第四步：開始處理與下載
點擊「開始分離」，任務會自動加入雲端佇列。
- 通常只需等待幾分鐘（取決於檔案長度和選擇的品質檔位）。
- 完成後，可以直接點擊播放試聽，或下載
.wav無失真格式檔案。
三、進階：場景詳解
為了滿足不同專業使用者的需求，instant workflow 提供了豐富的場景體系：
1. 音樂創作與翻唱
- 去人聲 / 提取人聲: 最基礎的功能。如果追求極致伴奏品質，請選擇 HiFi 檔位，它會呼叫
BS-Roformer-ViperX等頂級模型，極大減少人聲殘留。 - 卡拉OK模式 (Karaoke): 專門針對 K 歌最佳化的提取模型，保留部分和聲，讓伴奏聽起來更豐滿。
2. 樂器學習與編曲 (Stem Separation)
- 四軌分離: 將歌曲拆解為 人聲、鼓組、貝斯、其他樂器 四大件。HiFi 模式下使用
bs-roformer-musdb18-4stem模型，是目前分軌清晰度極高的 SOTA 模型。 - 六軌分離: 進一步分離出 吉他 和 鋼琴（Studio 模式下使用 HTDemucs4 模型）。這對於吉他手或鍵盤手抓歌是絕佳的輔助工具。
3. 音訊修復 (Audio Restoration)
- 降噪: 非常適合處理採訪錄音、Podcast 素材，去除背景底噪。
- 去混響: 如果錄音環境空曠有回音，這個功能可以讓聲音變得「乾」且貼耳。
- 現場修復 (Live Cleanup): 專門用於去除現場錄音中的觀眾嘈雜聲（Crowd Noise）。
🚀 技術亮點：修復類場景採用了最新的 Mel-Band Roformer 系列模型，在保留人聲細節的同時，對特定雜訊（如回音、人群聲）的抑制能力相比傳統模型有顯著提升。
四、功能亮點
除了音質出色，VocalRemover 還具備普通工具無法比擬的專業特性：
- 🎧 支援 5.1 / 7.1 多聲道環繞聲: 如果上傳的是電影原聲或演唱會現場的
mkv/wav多聲道檔案，系統能保留空間資訊，分別處理每個聲道，而不是強制壓製成多聲道。 - 📂 全格式相容: 完美支援
mp3,flac,wav,m4a,ogg,opus,aiff等所有主流音訊格式。 - ⚡ 極速雲端處理: 利用叢集並發能力，即使是 100MB 的無失真音訊，也能在短時間內完成推理。
五、常見問題 (FAQ)
Q: 為什麼不用顯示卡也能跑？ A: 因為計算在我們的雲端叢集上運行，所有的負載由伺服器承擔。
Q: 線上版和本地版 VocalRemover 有什麼區別？ A: 本地版通常需要配置複雜的運行環境與硬體。VocalRemover 則精選了表現最優的 AI 模型組合，並透過「場景化」封裝，讓使用者無需了解底層技術也能獲得同等甚至更好的效果（我們會持續更新伺服器端的模型配置）。
Q: HiFi 模式為什麼比較慢？ A: HiFi 模式使用了 Transformer 架構的大型模型（如 Roformer 系列），其計算複雜度是傳統 CNN 模型的數倍，能處理極其複雜的頻譜交織，是追求最高音質的不二之選。
六、常見失敗排查
如果您在上傳或處理過程中遇到問題，請檢查以下常見原因：
1. 檢查檔案格式
- 不支援加密格式：系統無法處理音樂平台的私有加密檔案（如
.ncm、.qmc、.kgm、加密的.ogg等）。- 解決：請務必上傳標準的非加密檔案（如
.mp3、.flac、.wav）。
- 解決：請務必上傳標準的非加密檔案（如
- 檔案完整性：請確保檔案未損壞，且能在本地播放器正常播放。
2. 時長與大小限制
- 時長限制：為確保處理穩定性，建議上傳的音訊或影片時長不超過 15 分鐘。
- 解決：對於超長音訊，建議先裁剪為多個片段分批處理。
- 大小限制：建議單個檔案不超過 300MB，避免因網路波動導致上傳中斷。
3. 網路與瀏覽器
- 部分舊版瀏覽器可能存在相容性問題，強烈推薦使用最新版 Chrome 或 Edge 瀏覽器。
- 上傳過程中請保持網路連線穩定，不要關閉當前分頁。
七、總結
VocalRemover 致力於成為您口袋裡的 AI 音訊處理實驗室。
無論您是想要製作一首翻唱作品，還是需要清洗一段嘈雜的採訪錄音，只需打開瀏覽器，選擇對應的場景，剩下的複雜計算交給我們。
💌 期待您的回饋
我們致力於為大家提供好用的線上音訊工具。 如果您在使用過程中遇到任何問題、有想要的功能，或者需要更多更專項的模型，歡迎點擊頁面 右下角的回饋圖示 💬 留言。
您的每一條回饋對我們都非常重要，期待與大家交流！