更新时间：2024.03.30

支持了目前SOTA的模型：BS Roformer SDR:11.03，支持BS Roformer的UVR只有Windows版本

前言：

网上现存有关UVR5的教程已经过时，UVR5官方也没有一个系统的教程，因此写一个教程填补空缺

UVR官方仓库：https://github.com/Anjok07/ultimatevocalremovergui

下载链接：
Windows（整合CUDA加速和OpenCL加速，N卡A卡I卡核显全部可用，设置方法转到下文主要设置的第二部分）：https://github.com/TRvlvr/model_repo/releases/download/uvr_update_patches/UVR_Patch_3_29_24_5_11_BETA_full_roformer.exe

MacOS M芯片（已过时，等待更新）：https://github.com/Anjok07/ultimatevocalremovergui/releases/download/v5.6/Ultimate_Vocal_Remover_v5_6_MacOS_arm64.dmg

MacOS Intel芯片（已过时，等待更新）：https://github.com/Anjok07/ultimatevocalremovergui/releases/download/v5.6/Ultimate_Vocal_Remover_v5_6_MacOS_x86_64.dmg

由于苹果的严格管控应用程序的安全性，您可能需要按照以下步骤打开UVR：

首先，使用终端运行以下命令，允许应用程序从所有来源运行：

sudo spctl –master-disable

其次，运行以下命令来绕过验证：

sudo xattr -rd com.apple.quarantine /Applications/Ultimate\ Vocal\ Remover.app

Linux：嗯？都用Linux了，用Git拉代码自己部署不是难事吧？欸嘿~

警告：安装路径必须为全英文！！！不推荐修改默认安装路径，否则会有权限问题！！！

主界面：

第①部分：

Select Input：导入要处理的音频，可以选择多个音频

Select Output：选择输出音频的目录

第②部分：

选择输出音频的格式：

wav：无损音频，没有被压缩，体积大

flac：无损音频，无损压缩，体积适中

mp3：有损音频，有损压缩，体积小

第③部分：

CHOOSE PROCESS METHOD：选择处理音频的算法

VR Architecture：使用幅度频谱图进行音源分离。

MDX-Net：采用混合频谱网络进行音源分离。

Demucs：利用混合频谱网络进行音源分离。

Ensemble Mode：将多个模型和网络的结果组合以获得最佳结果。

Audio Tools：提供额外的实用工具，以增加便利性。

GPU Conversion：使用显卡加速处理（强烈建议勾选，CPU计算的速度非常慢）

Sample Mode (??s) ：只处理??秒的音频，可以预览结果

如果处理算法选择VR Architecture

WINDOW SIZE：选择窗口大小以平衡质量和速度

1024 – 快速但质量较低。

512 – 中等速度和质量。

320 – 需要更长时间，但可能提供更好的质量。（推荐，实际上慢不了多少）

AGGRESSION SETTING：调整主音轨提取的强度

可调范围是[-100, 100]，较大的值意味着更深的提取。

通常，对于人声和器乐，将其设置为5。

超过5的值可能会使非人声模型的声音变得混浊。

下面的选项会随着不同的模型发生变化

Vocals Only：只提取人声

Instrumental Only：只提取伴奏

No Echo Only：只输出去掉混响的音频

Echo Only：只输出混响部分的音频

No Noise Only：只输出降噪后的音频

Noise Only：只输出噪声部分的音频

如果处理算法选择MDX-Net

SEGMENT SIZE：调整切片大小

较小的大小消耗较少的资源。

较大的大小消耗更多资源，但可能提供更好的结果。

（默认的256即可，长切片对效果的提升微乎其微）

OVERLAP：控制预测窗口之间的重叠量

较高的值可能会提供更好的结果，但会导致更长的处理时间。

（默认即可，实测没啥提升）

下面的选项会随着不同的模型发生变化

Vocals Only：只提取人声

Instrumental Only：只提取伴奏

No Reverb Only：只输出去掉混响的音频

Reverb Only：只输出混响部分的音频

如果处理算法选择Demucs

CHOOSE STEM(s)：选择音轨

Vocals：人声，Bass：贝斯，Drums：鼓，Other：其他乐器

Guitar：吉他，Piano，钢琴（这两项是v4 | htdemucs_6s模型独占)

SEGMENT：调整切片大小

较小的大小消耗较少的资源。

较大的大小消耗更多资源，但可能提供更好的结果。

（默认即可，长切片对效果的提升微乎其微）

如果处理算法选择Ensemble Mode

MAIN STEM PAIR：选择合奏的音轨类型

Vocals/Instrumental：主要音轨：人声，次要音轨：伴奏

Bass/No Bass：主要音轨：贝斯，次要音轨：没有贝斯

Drums/No Drums：主要音轨：鼓，次要音轨：没有鼓

Other/No Other：主要音轨：其他，次要音轨：没有其他

4 Stem Ensemble：汇集所有4音轨Demucs模型并合并所有输出。

Multi-stem Ensemble：”丛林合奏”汇集所有模型并合并相关的输出。（不是很懂QAQ）

ENSEMBLE ALGORITHM：选择用于生成最终输出的合奏算法

例如：Max Spec/Min Spec，斜杠前面的对主要音轨（Primary stem）生效,斜杠后面的对次要音轨（Secondary stem）生效，对于“4音轨合奏（4 Stem Ensemble）”选项，只会显示一个算法。

详细解释：

⚪Max Spec：

产生可能的最高输出。

适用于人声音轨，以获得更丰满的声音，但可能会引入不希望的伪影。

适用于器乐音轨，但请避免在合奏中使用VR Arch模型。

⚪Min Spec：

产生可能的最低输出。

适用于器乐音轨，以获得更清晰的结果。可能会导致“浑浊”的声音。

⚪Average：

将所有结果取平均以生成最终输出。

如果处理算法选择Audio Tools

不做介绍，绝对不是UP懒C= C= C=(っ°Д°;)っ

第④部分：

小扳手🔧：打开设置

Start Processing：开始处理

小方块■：停止处理

主要设置：

General Menu：

Choose Advanced Menu：见下文的算法设置

Enable Help Hints：打开帮助提示

Open Application Directory：打开软件的安装目录

Reset All Setting to Default：重置所有的设置

Restart Application：重启软件

Delete User Saved Setting：

删除用户保存的预设

Application Updates：

Check for Updates：软件更新

❤：赞助UVR5开发者喵~，赞助UVR5开发者谢谢喵~

Close Window：关闭设置菜单

Wav Type：wav的位深度，PCM_16（16bit）完全够用

Mp3 Bitrate：mp3的码率，开320k最高即可

General Process Settings：

Settings Test Mode：将 10 位数字附加到保存的文件名，以避免意外覆盖。

Model Test Mode：将模型名称附加到保存的文件名，以便比较不同模型的效果。

Generate Model Folder：每次转换后，将在导出目录中为输出生成两个新目录。

例子：

─ 导出目录

    └── 第一层目录（以模型名称命名）

            └── 第二层目录（以曲目名称命名）

                     └── 输出文件

Accept Any Input：允许导入任何格式的文件，比如word文档（图一乐）

Notification Chimes：处理完成播放提示音

Normalize Output：正则化输出，防止被削波

Change Model Defaults：修改模型的配置文件，勿动！

Vocal Splitter Options：比如分离完人声后再去掉和声，不如直接看文章结尾的连招

GPU Device：选择用哪张显卡加速处理

Use OpenCL：非N卡请打开，然后可以正常使用显卡加速

Model Sample Mode Settings：

Sample Clip Duration：调整预览的时长

Application Download Center：模型下载中心

需要科学上网，否则会显示No Internet Connection

先选算法，再点下拉框选择模型

算法设置（Advanced VR Options）：

Window Size：见上文，不再赘述

Aggressive Setting：见上文，不再赘述

Batch Size：

较大的值使用更多的显存，加速处理速度

不会对最终的效果产生任何影响

Post-process：

允许用户控制后处理选项的强度。

较高的数值可能会更彻底地去除更多的伪影。然而，可能会切过头，切到正常的地方。

较低的数值限制伪影的去除。

Enable TTA：执行Test-Time-Augmentation（测试时数据增强）来提高分离质量，增加转换消耗的时间。

High-End Process：镜像输出中缺失的频率范围。

最新连招/使用秘技：

X：前置需求

1. 确保UVR是最新版本：UVR_Patch_3_29_24_5_11_BETA_full_roformer，macOS要使用bs_roformer请自己拉代码装环境，或者等待安装包制作完成
2. 下载模型：https://github.com/TRvlvr/model_repo/releases/download/all_public_uvr_models/model_bs_roformer_ep_368_sdr_12.9628.ckpt
3. 把上面下载好的模型放入文件夹：Ultimate Vocal Remover\models\MDX_Net_Models

4.剩余的模型点小扳手🔧，去Download Center里面下载

A：抠干声

1. 抠人声【不推荐任何付费以及第三方的模型，UVR的BSRoformer效果就是最好的】：

MDX-Net：BS-Roformer-Viperx-1296选Vocals Only（音源分离领域最强模型，没有之一）

2. 去混响【3选1，根据混响的程度选择，没有混响直接跳过】：

VR Architecture：UVR-De-Echo-Normal选No Echo Only（轻度混响）

VR Architecture：UVR-De-Echo-Aggressive选No Echo Only（重度混响）

VR Architecture：UVR-De-Echo-Dereverb选No Reverb Only（遇到鸟之诗这种变态的混响可以用）

3. 去和声【4选1，优先尝试前3个，没有和声直接跳过】：

VR Architecture：UVR-BVE-4B_SN-44100-1选Instrumental Only

VR Architecture：5_HP_Karaoke-UVR选Vocals Only （比6激进，有可能会扣过头）

VR Architecture：6_HP_Karaoke-UVR选Vocals Only（没有5激进）

Hit’n’Mix RipX 手动扣出主人声（非必要别用，费时费力，具体看Ripx教程）

B：抠伴奏

MDX-Net：BS-Roformer-Viperx-1296选Instrumental Only（音源分离领域最强模型，没有之一）

C：其他功能

1. 降噪：

VR Architecture：UVR-DeNoise

常见问题（FAQ）：

1. 炸显存

解决方法：调小SEGMENT SIZE / Batch Size / SEGMENT

2. 炸内存

解决方法：把音频切短点

3. 处理速度极慢

解决方法：

A. 勾选GPU Conversion

B. 打开任务管理器，检查共享显存的占用是否偏高（正常状态下应该不超过1GB）

如果共享显存占用正常，更换更强劲的GPU解决问题

如果共享显存占用偏高（如上图）

去NVIDIA官网更新驱动 https://www.nvidia.cn/Download/index.aspx?lang=cn

在NVIDIA控制面板内将CUDA – System Fallback Policy改为Prefer No System Fallback，修改完成点右下角的应用，然后重启UVR。