Ultimate Vocal Remover: 24.7K+ Stars — 2026 완전 설치 가이드

# 공식 릴리스 페이지에서 UVR v5.6 다운로드
# 64비트 Windows (Nvidia GPU용 CUDA 지원)
# https://github.com/Anjok07/ultimatevocalremovergui/releases/download/v5.6/UVR_v5.6.0_setup.exe

# AMD Radeon / Intel Arc GPU의 경우 DirectML 빌드 사용:
# https://github.com/Anjok07/ultimatevocalremovergui/releases/download/v5.6/UVR_1_15_25_22_30_BETA_full.exe

# 중요: C:\ 드라이브에만 설치
# 보조 드라이브에 설치하면 런타임 불안정성 발생
# 관리자 권한으로 설치 프로그램 실행
.\UVR_v5.6.0_setup.exe

OS: Windows 10 64비트 이상
CPU: Intel/AMD 64비트 (Pentium/Celeron 지원 안 됨)
RAM: 최소 8GB, 권장 16GB
GPU: 최소 Nvidia GTX 1060 6GB, 권장 RTX 3060 8GB+
저장공간: 15GB 여유 (SSD 강력 권장)
참고: Intel Pentium 및 Celeron CPU는 지원되지 않음

# 1단계: 아키텍처용 DMG 다운로드
# Apple Silicon (M1/M2/M3):
# https://github.com/Anjok07/ultimatevocalremovergui/releases/download/v5.6/Ultimate_Vocal_Remover_v5_6_MacOS_arm64.dmg

# Intel Mac:
# https://github.com/Anjok07/ultimatevocalremovergui/releases/download/v5.6/Ultimate_Vocal_Remover_v5_6_MacOS_x86_64.dmg

# 2단계: DMG 마운트 후 UVR을 Applications로 드래그

# 3단계: Gatekeeper 우회 (첫 실행 시에만)
sudo spctl --master-disable
sudo xattr -rd com.apple.quarantine "/Applications/Ultimate Vocal Remover.app"

# 4단계: UVR이 성공적으로 열린 후 Gatekeeper 재활성화
sudo spctl --master-enable

# 소스에서 실행을 선호하는 개발자용
brew install python@3.10 ffmpeg
pip3 install -r requirements.txt

# Apple Silicon 전용 — soundfile 라이브러리 수정
cp /Library/Frameworks/Python.framework/Versions/3.10/lib/python3.10/site-packages/_soundfile_data/libsndfile_arm64.dylib \
   /Library/Frameworks/Python.framework/Versions/3.10/lib/python3.10/site-packages/_soundfile_data/libsndfile.dylib

# FFmpeg 바이너리 다운로드 후 애플리케이션 디렉터리에 배치
# Time-Stretch/Pitch-Shift 기능용 Rubber Band 다운로드
python3 UVR.py

# 1단계: 시스템 의존성 설치
sudo apt update && sudo apt upgrade -y
sudo apt-get install -y ffmpeg python3-pip python3-tk python3-venv

# 2단계: 저장소 클론
git clone https://github.com/Anjok07/ultimatevocalremovergui.git
cd ultimatevocalremovergui

# 3단계: 가상 환경 생성 및 활성화
python3 -m venv venv
source venv/bin/activate

# 4단계: Python 의존성 설치
pip install -r requirements.txt

# 5단계: UVR 실행
python UVR.py

sudo pacman -Syu
sudo pacman -S ffmpeg python-pip tk python-virtualenv

git clone https://github.com/Anjok07/ultimatevocalremovergui.git
cd ultimatevocalremovergui
python3 -m venv venv
source venv/bin/activate
pip install -r requirements.txt
python UVR.py

# UVR 헤드리스 처리용 Dockerfile
FROM nvidia/cuda:12.1-runtime-ubuntu22.04

RUN apt-get update && apt-get install -y \
    python3.10 python3-pip python3-venv ffmpeg \
    git wget && rm -rf /var/lib/apt/lists/*

WORKDIR /app
RUN git clone https://github.com/Anjok07/ultimatevocalremovergui.git .
RUN python3 -m venv venv
RUN . venv/bin/activate && pip install -r requirements.txt

# 런타임 다운로드 방지를 위해 모델 사전 다운로드
RUN . venv/bin/activate && python -c "
import wget
import os
os.makedirs('models', exist_ok=True)
"

ENTRYPOINT ["venv/bin/python", "separate.py"]

# 빌드 및 실행
docker build -t uvr-gpu .
docker run --gpus all -v $(pwd)/input:/input -v $(pwd)/output:/output uvr-gpu \
    --input /input/song.mp3 --output /output --model MDX-Net

altgraph==0.17.3
audioread==3.0.0
einops==0.6.0
julius==0.2.7
librosa==0.9.2
matchering==2.0.6
omegaconf==2.2.3
opencv-python==4.6.0.66
psutil==5.9.4
pydub==0.25.1
pyrubberband==0.3.0
pytorch_lightning==2.0.0
resampy==0.4.2
scipy==1.9.3
torch
onnxruntime
onnxruntime-gpu
numpy==1.23.5

# 모델 선택 결정 흐름
트랙이 일반 팝/락 곡인가?
  예 → MDX-Net Main (속도와 품질의 최적 균형)
  아니오 → 복잡한 관현악 믹스인가?
          예 → MDX23C (더 높은 품질, 더 느림)
          아니오 → 군중 소리가 있는 라이브 녹음인가?
                  예 → VR-DeEcho (내장 노이즈 제거)
                  아니오 → Demucs v4 (전체 4-스템 분리)

# UVR 설정 → "MDX-Net 모델 선택"
# 처리 방법: "MDX-Net"
# 세그먼트 크기: 256 (낮을수록 더 많은 VRAM, 더 나은 품질)
# 오버랩: 0.75 (높을수록 더 부드러운 전환, 더 느림)
# 디노이즈: 활성화
# 후처리: 활성화

# VRAM 8GB+ GPU:
세그먼트 크기: 256
오버랩: 0.85
배치 크기: 4

# VRAM 6GB GPU:
세그먼트 크기: 128
오버랩: 0.50
배치 크기: 1

# CPU 전용:
세그먼트 크기: 64
오버랩: 0.25
배치 크기: 1
5-10배 느린 처리 예상

# GUI를 통한 전체 폴더 처리:
# 1. "Input" 클릭 → 폴더 선택
# 2. "Batch Processing" 체크박스 활성화
# 3. 출력 폴더 설정
# 4. "Same as input" 또는 사용자 정의 디렉터리 선택
# 5. 모델 선택 후 "Start Processing" 클릭

# 출력 파일 구조:
input/
  track1.mp3
  track2.mp3
tracks/
  track1/Instrumental_track1.wav
  track1/Vocals_track1.wav
  track2/Instrumental_track2.wav
  track2/Vocals_track2.wav

# 파이프라인: 원곡 → UVR → 보컬만 → RVC → AI 보컬 커버
#         원곡 → UVR → 반주 → 최종 믹스

# 1단계: UVR로 깨끗한 보컬 추출
# 모델: MDX-Net Main
# 설정: 세그먼트 256, 오버랩 0.75, 디노이즈 ON
# 출력: Vocals.wav (깨끗한 격리된 보컬)

# 2단계: RVC를 통한 처리
python infer-web.py --input Vocals.wav --model weights/MyVoice.pth --pitch 0

# 3단계: 변환된 보컬을 UVR 반주 출력과 다시 믹싱
ffmpeg -i RVC_Converted_Vocals.wav -i UVR_Instrumental.wav \
       -filter_complex "[0:a][1:a]amix=inputs=2:duration=longest" \
       -ac 2 -ar 44100 Final_Cover.wav

# GPT-SoVITS는 보이스 클론을 위해 깨끗한 보컬 입력이 필요함
# 훈련 데이터 전처리에 UVR 사용

# 1단계: 훈련 샘플에서 보컬 배치 추출
# UVR 설정:
#   모델: UVR-MDX-NET Inst Main (부산물로 보컬 추출)
#   또는: MDX-Net Main → 보컬 출력 유지

# 2단계: 깨끗한 보컬을 GPT-SoVITS 슬라이싱에 공급
python slice_audio.py --input UVR_Vocals/ --output slices/ --threshold -34

# 3단계: 슬라이스를 SoVITS 훈련에 사용
python webui.py --voice_slices slices/

# demucs를 직접 사용하여 4-스템 분리
demucs --mp3 --two-stems=vocals input.mp3

# 그런 다음 UVR을 사용하여 추가 보컬 정리
# UVR은 demucs 출력을 처리하여 더 세밀한 보컬/반주 분리 수행
python separate.py --input demucs_vocals.wav --model VR-DeEcho --output cleaned/

# UVR 출력을 여러 형식으로 변환
for file in UVR_Output/*.wav; do
    base=$(basename "$file" .wav)

    # 고품질 MP3
    ffmpeg -i "$file" -codec:a libmp3lame -b:a 320k "${base}.mp3"

    # 아카이브용 FLAC
    ffmpeg -i "$file" -codec:a flac "${base}.flac"

    # 스트리밍용 OGG
    ffmpeg -i "$file" -codec:a libvorbis -q:a 6 "${base}.ogg"
done

# "CUDA out of memory" 오류가 발생하는 경우:

# 옵션 1: GUI에서 세그먼트 크기 줄이기
# 설정 → Segment Size → 256에서 128 또는 64로 낮추기

# 옵션 2: "Use CPU for secondary model" 활성화
# 후처리를 CPU로 오프로드하여 VRAM 절약

# 옵션 3: 명령줄에서 청크 단위 처리
python separate.py \
    --input long_track.wav \
    --model MDX-Net \
    --segment 64 \
    --overlap 0.25 \
    --output chunks/

# 옵션 4: 다른 GPU 애플리케이션 닫기
# UVR은 처리 중 배타적 VRAM 접근이 필요함
# 브라우저, 게임, 기타 CUDA 애플리케이션 종료

# UVR은 애플리케이션 디렉터리에 모델을 저장함
# Windows: C:\Users\<사용자>\AppData\Local\Programs\Ultimate Vocal Remover\models\
# macOS: /Applications/Ultimate Vocal Remover.app/Contents/models/
# Linux: ./models/

# 머신 간 모델 마이그레이션:
# 전체 models/ 디렉터리 복사
rsync -avz --progress models/ user@new-server:/opt/uvr/models/

# 모델은 50MB에서 500MB 각각
# 전체 모델 세트: 약 8GB 다운로드, 디스크 약 12GB

#!/usr/bin/env python3
"""프로덕션 워크플로우용 UVR 배치 처리 스크립트."""

import os
import subprocess
import json
import logging
from pathlib import Path

logging.basicConfig(level=logging.INFO)
logger = logging.getLogger("uvr-batch")

UVR_PATH = "/path/to/UVR.py"
MODEL = "MDX-Net Main"
INPUT_DIR = "./input"
OUTPUT_DIR = "./output"

def process_file(input_path: str, output_dir: str) -> dict:
    """단일 오디오 파일을 UVR을 통해 처리."""
    cmd = [
        "python", UVR_PATH,
        "--input", input_path,
        "--output", output_dir,
        "--model", MODEL,
        "--segment", "256",
        "--overlap", "0.75"
    ]

    result = subprocess.run(cmd, capture_output=True, text=True)

    return {
        "input": input_path,
        "success": result.returncode == 0,
        "stderr": result.stderr if result.returncode != 0 else None
    }

def main():
    os.makedirs(OUTPUT_DIR, exist_ok=True)
    results = []

    for file in Path(INPUT_DIR).glob("*"):
        if file.suffix.lower() in {".mp3", ".wav", ".flac", ".m4a"}:
            logger.info(f"처리 중: {file.name}")
            result = process_file(str(file), OUTPUT_DIR)
            results.append(result)

    # 배치 보고서 저장
    with open(f"{OUTPUT_DIR}/batch_report.json", "w") as f:
        json.dump(results, f, indent=2)

    success_count = sum(1 for r in results if r["success"])
    logger.info(f"완료: {success_count}/{len(results)}개 파일 처리됨")

if __name__ == "__main__":
    main()

# UVR은 GUI를 통해 처리 로그를 기록:
# 설정 버튼 → 오류 로그 → 세부 정보 보기

# 헤드리스 배포의 경우 로깅으로 래핑:
import sys
import logging
from datetime import datetime

log_file = f"uvr_{datetime.now().strftime('%Y%m%d_%H%M%S')}.log"
logging.basicConfig(
    level=logging.INFO,
    format='%(asctime)s [%(levelname)s] %(message)s',
    handlers=[
        logging.FileHandler(log_file),
        logging.StreamHandler(sys.stdout)
    ]
)

# 처리 중 GPU 사용량 모니터링
watch -n 1 nvidia-smi