在处理音视频素材时，很多人都会遇到这样的困扰：想提取歌曲里的纯伴奏用于翻唱，却找不到官方伴奏资源；想截取视频中的人声片段做二次创作，背景音却总是干扰；即便找到一些分离工具，要么需要复杂的配置，要么依赖外网才能使用，折腾半天还得不到理想的效果。其实，这些问题只需一个本地化的 AI 人声伴奏分离工具就能解决，无需专业技术，跟着步骤操作，几分钟就能得到纯净的人声或伴奏文件。

        这款工具的核心优势在于 “本地化操作”，所有处理过程都在本地电脑完成，不需要连接外网，既保证了文件的安全性，也避免了因网络问题导致的分离失败。同时，工具内置了分离模型，下载后无需额外下载插件或配置环境，对新手非常友好。它支持多种音视频格式，无论是常见的 MP3、WAV 音频文件，还是 MP4、MOV、MKV、AVI、MPEG 格式的视频文件，都能直接导入进行分离，甚至还能单独提取出音乐中的钢琴声、贝斯声、鼓声等乐器音轨，满足更多细分需求。

        接下来，我们详细说说具体的使用步骤。首先需要将工具压缩包下载到本地，解压后选择一个合适的文件夹存放，比如可以放在 E 盘根目录下，命名为 “vocal-separate”，这样后续查找文件会更方便。解压完成后，打开这个文件夹，找到名为 “start.exe” 的可执行文件，双击运行。此时不需要手动打开浏览器，工具会自动调用本地浏览器并弹出操作窗口，等待页面加载完成后，就能看到核心的操作界面。

        在操作界面中，最显眼的是中间的上传区域，上面会提示支持的文件格式。这里有两种上传方式，一种是点击上传区域，在弹出的文件窗口中找到需要分离的音视频文件，选中后点击 “打开” 即可；另一种是更便捷的拖拽方式，直接从电脑文件夹中选中目标文件，按住鼠标将其拖拽到上传区域，松开鼠标就能完成上传。上传成功后，界面会显示文件名、文件时长等信息，比如上传的是一个名为 “lao59.wav” 的音频文件，会显示时长为 0 分 59 秒，当前进度为 0 分 27 秒，方便确认是否为目标文件。

        然后需要选择分离模型，目前工具提供的 “2stems” 模型是比较通用且效果较好的选择，它能将文件分离为 “人声” 和 “伴奏” 两个独立的音频文件。如果处理的是中文音乐，或者以钢琴、鼓、贝斯为主要乐器的音乐，优先选择这个模型，分离后的音质和纯净度都比较理想。选择好模型后，点击 “立即分离” 按钮，工具就会开始处理文件。这里需要注意的是，如果电脑搭载了英伟达 GPU，并且已经正确配置了 CUDA 环境，工具会自动启用 GPU 加速，处理速度会比单纯使用 CPU 快很多；如果没有 GPU 或者未配置 CUDA 环境，也能正常使用 CPU 进行分离，只是处理时间会稍长一些，具体时长取决于文件大小和电脑配置，一般几分钟内就能完成。

        分离完成后，界面底部会显示两个分离结果，分别标注 “伴奏” 和 “人声”，每个结果后面都带有播放控件。此时可以点击播放按钮，试听分离后的音频效果，确认是否符合预期。如果觉得效果满意，就可以找到输出文件进行后续使用。输出文件夹的路径在界面中会明确显示，比如之前示例中的路径是 “E:\python\vocal-separate\static\files\lao59”，打开这个文件夹，就能看到两个以 WAV 格式保存的音频文件，一个是纯净的伴奏，另一个是清晰的人声，直接复制或移动到其他文件夹即可使用。

        除了常见的 “提取伴奏用于翻唱”“分离人声做解说素材”，这款工具还有很多实用的应用场景。比如在制作短视频时，遇到喜欢的视频片段但背景音杂乱，就可以用它分离出人声，再搭配新的背景音乐，让视频内容更突出；对于音乐爱好者来说，想单独分析某首歌曲中的钢琴或鼓的演奏细节，用它单独提取对应乐器的音轨，就能更清晰地聆听和学习；在处理录音文件时，比如会议录音或采访录音，如果背景有轻微的音乐干扰，也能通过分离功能去除音乐，让人声更清晰，方便后续整理文字稿。

        整个使用过程中，不需要记住复杂的命令，也不用学习专业的音频处理知识，从下载解压到完成分离，新手只需 10 分钟就能掌握。而且由于是本地化操作，不会出现文件上传丢失或泄露的风险，处理大文件时也不会受网络速度的限制，无论是日常的小素材处理，还是偶尔的专业需求，都能满足。

        相关的软件教程都已经打包好了放在网盘，私信我备注文章标题获取完整软件教程。

import os
import soundfile as sf
import numpy as np
from spleeter.separator import Separator
from pathlib import Path

def init_separator(model_type="spleeter:2stems"):
    """
    初始化音轨分离模型
    model_type: 分离模型类型，2stems对应人声+伴奏分离，4stems/5stems支持更多乐器分离
    """
    try:
        # 加载预训练模型，首次运行会自动下载（约数百MB）
        separator = Separator(model_type)
        print("模型加载成功，可开始分离操作")
        return separator
    except Exception as e:
        print(f"模型加载失败：{str(e)}")
        return None

def load_audio(file_path):
    """
    读取音频文件
    file_path: 音频文件路径（支持MP3、WAV、FLAC等格式）
    返回：音频数据（numpy数组）、采样率
    """
    supported_formats = [".mp3", ".wav", ".flac", ".m4a"]
    file_ext = os.path.splitext(file_path)[1].lower()
    
    if file_ext not in supported_formats:
        print(f"不支持的文件格式：{file_ext}，仅支持{supported_formats}")
        return None, None
    
    try:
        audio_data, sample_rate = sf.read(file_path, dtype="float32")
        # 确保音频为双声道（若为单声道则转为双声道）
        if len(audio_data.shape) == 1:
            audio_data = np.stack([audio_data, audio_data], axis=1)
        print(f"音频读取成功，采样率：{sample_rate}，时长：{round(len(audio_data)/sample_rate, 2)}秒")
        return audio_data, sample_rate
    except Exception as e:
        print(f"音频读取失败：{str(e)}")
        return None, None

def separate_audio(separator, audio_data, sample_rate, output_dir):
    """
    执行音轨分离并保存结果
    separator: 已初始化的分离模型
    audio_data: 输入音频数据
    sample_rate: 音频采样率
    output_dir: 结果保存目录
    """
    # 创建保存目录（若不存在）
    Path(output_dir).mkdir(parents=True, exist_ok=True)
    
    try:
        # 执行分离（返回字典，key为音轨类型，value为对应音频数据）
        separation_result = separator.separate(audio_data)
        
        # 保存分离后的音轨（支持WAV格式）
        for track_name, track_data in separation_result.items():
            save_path = os.path.join(output_dir, f"{track_name}.wav")
            sf.write(save_path, track_data, sample_rate)
            print(f"{track_name}音轨已保存至：{save_path}")
        
        return True
    except Exception as e:
        print(f"分离过程失败：{str(e)}")
        return False

def main():
    # 1. 配置参数（用户可根据需求修改）
    input_audio_path = "input_audio.wav"  # 输入音频文件路径
    output_directory = "audio_separation_results"  # 结果保存目录
    selected_model = "spleeter:2stems"  # 分离模型（2stems/4stems/5stems）
    
    # 2. 初始化流程
    separator = init_separator(selected_model)
    if not separator:
        return
    
    # 3. 读取音频
    audio_data, sample_rate = load_audio(input_audio_path)
    if audio_data is None or sample_rate is None:
        return
    
    # 4. 执行分离并保存
    success = separate_audio(separator, audio_data, sample_rate, output_directory)
    if success:
        print(f"\n分离完成！所有结果已保存至：{os.path.abspath(output_directory)}")
    else:
        print("\n分离任务未完成，请检查参数后重试")

if __name__ == "__main__":
    main()