人声伴奏分离：提取人声和伴奏
把一段音频拆成「人声」和「伴奏」两条独立音轨：一条只保留干声，一条只保留背景音乐。做卡拉 OK 伴奏、剪辑混音、给视频换配乐，或者从嘈杂采访里把说话声单独拎出来，都可以从这里开始。影匠工具箱把人声分离做成了一个入口，选文件、选模式、等结果，不需要任何专业音频软件。
能做什么
人声分离的价值不在于做出一段完美音频，而在于把原本混在一起的两类声音变成可以分别处理的素材。下面四种是使用频率最高的场景。
制作卡拉 OK 伴奏
拿一首歌的原曲做伴奏，去掉人声轨，剩下的就是可用的伴奏。适合自己练歌、家庭聚会放背景音乐，或者给短视频配一段熟悉的旋律。分离出的伴奏不是唱片公司母带，节奏与音色和原曲一致，但高频细节会变软，音量也需要自己再调一次。
混音与二次创作
做翻唱、配音或二创视频时，经常需要把原曲的人声和伴奏分开处理。分离后可以给人声单独降速、降噪、微调音调，也可以只保留伴奏再叠上自己录的唱段。两条音轨都保留，后期在剪辑工具里组合时自由度最大。
视频去背景音乐
网上下载的视频素材常常自带配乐，直接使用容易和平台音乐库冲突。先把视频里的音轨提取出来，再做人声伴奏分离，就能得到相对干净的人声对白，换上自己的音乐。需要先提取音轨时，可以用 音频提取与转换 把视频转成音频，再回到本页处理。
采访与口播降噪
采访、口播、会议录音里，背景音乐、环境声会和说话声叠在一起。分离出人声轨可以明显削弱稳定的背景音乐与持续噪声，让字幕对齐和听感更清楚。它不能替代专业降噪，但对背景音乐这类声源效果更直接；如果主要是风噪和电流声，建议先做一次音频降噪再分离。
原理简述
影匠工具箱的人声伴奏分离基于 AI 音频分离模型。模型在大量音乐与人声样本上学习两类声音的频谱特征，处理时把输入音频按时间切片，逐段判断哪些能量属于人声、哪些属于伴奏，再分别重建两条音轨。整个过程在手机本地完成，不需要把音频上传到服务器，也不依赖账号登录。
你不需要理解模型结构，只要记住一个前提：它擅长处理「人声 + 音乐」这种组合，对复杂混响、多人重叠说话的处理能力有限。分离本质上是一种估计，而不是还原，被分走的部分无法凭空补回来。
三步完成分离
处理时长与音频长度、手机性能有关。长音频建议按段落拆分处理；批量任务支持多路并行，影匠工具箱支持 6 路并行，实际同时处理数量以 App 内实际选项为准。
效果边界
人声分离不是万能开关。下面几类素材效果会有明显折扣，提前了解能减少返工。
复杂混音
多轨叠加、电子乐、强混响的歌曲，人声和伴奏在频谱上高度重叠，分离后可能出现伴奏里残留人声，或人声带轻微的水声感。这类素材建议降低预期，把它当作可用素材而不是成品。
重叠人声
两个及以上的人同时说话、合唱时，模型很难判断哪一路该留下，容易出现声音被削掉或串音。需要保留某一个人的声音时，先在剪辑里裁出单独片段，再对片段做分离，成功率更高。
现场录音
现场演出、户外录音带有回声、观众噪音和麦克风底噪，分离后底噪会被集中到人声轨，听起来更明显。建议先做音量归一或降噪，再做分离；如果底噪本身很强，分离效果有限。
低码率音频
经过多次转码的低码率文件，本身高频信息已经丢失，分离后两条轨都会显得闷。尽量用原始文件处理，不要拿二次压缩过的音频反复分离。
常见问题
人声伴奏分离是免费的吗？
核心功能免费使用，部分高级功能为会员功能，具体以 App 内实际选项为准。日常的歌曲分离、提取伴奏一般用免费功能即可完成。
分离后伴奏音质会变差吗？
会有一定损失。分离是重新合成两条音轨，高频细节和瞬态可能变软，听起来比原曲稍闷。这是分离类工具的共同特性，不是文件损坏。
支持视频直接分离吗？
可以。先用音频提取把视频里的音轨导成音频，再进入人声伴奏分离；也可以直接在分离页选择视频文件，具体支持的格式以 App 内实际选项为准。
处理需要联网吗？
分离在 App 内本地完成，不需要上传音频；首次使用可能需要下载模型资源，之后可离线处理。
为什么伴奏里还有一点人声？
人声和伴奏在频谱上重叠时无法完全切开，残留少量和声或尾音属于正常现象。可以尝试换分离模式，或先裁剪出纯伴奏段落再处理。
分离出的文件保存在哪里？
默认保存在 App 内的输出目录，可在任务完成后直接导出到手机相册或文件管理器，具体路径以 App 内实际选项为准。
相关工具与教程
80+ 音视频图像工具，核心功能免费，无广告、无后台驻留。Android 7.0 及以上。
免费下载