Ultimate Vocal Remover: 24.7K+ Stars — 2026 完整安装配置指南

# 从官方发布页下载 UVR v5.6
# 64位 Windows（支持 Nvidia GPU 的 CUDA 版本）
# https://github.com/Anjok07/ultimatevocalremovergui/releases/download/v5.6/UVR_v5.6.0_setup.exe

# 对于 AMD Radeon / Intel Arc GPU，使用 DirectML 版本：
# https://github.com/Anjok07/ultimatevocalremovergui/releases/download/v5.6/UVR_1_15_25_22_30_BETA_full.exe

# 重要：必须安装到 C:\ 盘
# 安装到 secondary drive 会导致运行不稳定
# 以管理员身份运行安装程序
.\UVR_v5.6.0_setup.exe

操作系统: Windows 10 64位 或更高
CPU: Intel/AMD 64位（不支持 Pentium/Celeron）
内存: 最低 8GB，推荐 16GB
显卡: 最低 Nvidia GTX 1060 6GB，推荐 RTX 3060 8GB+
存储: 15GB 可用空间（强烈推荐 SSD）
注意: 不支持 Intel Pentium 和 Celeron CPU

# 第一步：为你的架构下载 DMG
# 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

# 第二步：挂载 DMG 并将 UVR 拖入 Applications

# 第三步：绕过 Gatekeeper（仅首次启动）
sudo spctl --master-disable
sudo xattr -rd com.apple.quarantine "/Applications/Ultimate Vocal Remover.app"

# 第四步：UVR 成功打开后重新启用 Gatekeeper
sudo spctl --master-enable

# 偏好从源码运行的开发者
brew install python@3.10 ffmpeg
pip3 install -r requirements.txt

# Apple Silicon 专用 — 修复 soundfile 库
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

# 下载 FFmpeg 二进制文件并放入应用目录
# 下载 Rubber Band 以使用时域拉伸/音高变换功能
python3 UVR.py

# 第一步：安装系统依赖
sudo apt update && sudo apt upgrade -y
sudo apt-get install -y ffmpeg python3-pip python3-tk python3-venv

# 第二步：克隆仓库
git clone https://github.com/Anjok07/ultimatevocalremovergui.git
cd ultimatevocalremovergui

# 第三步：创建并激活虚拟环境
python3 -m venv venv
source venv/bin/activate

# 第四步：安装 Python 依赖
pip install -r requirements.txt

# 第五步：运行 UVR
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 无界面处理的 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

# 预下载模型以避免运行时下载
RUN . venv/bin/activate && python -c "
import wget
import os
os.makedirs('models', exist_ok=True)
"

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

# 构建并运行
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

# 模型选择决策流程
音轨是标准流行/摇滚歌曲？
  是 → MDX-Net Main（速度和质量的最佳平衡）
  否 → 是复杂管弦乐混音？
          是 → MDX23C（更高质量，更慢）
          否 → 是带观众噪音的现场录音？
                  是 → VR-DeEcho（内置降噪）
                  否 → Demucs v4（完整 4轨分离）

# UVR 设置 → "选择 MDX-Net 模型"
# 处理方法: "MDX-Net"
# 分段大小: 256（越低 = 更多显存占用，质量更好）
# 重叠度: 0.75（越高 = 过渡更平滑，更慢）
# 降噪: 启用
# 后处理: 启用

# 显存 8GB+ 的 GPU：
分段大小: 256
重叠度: 0.85
批处理大小: 4

# 显存 6GB 的 GPU：
分段大小: 128
重叠度: 0.50
批处理大小: 1

# 仅 CPU：
分段大小: 64
重叠度: 0.25
批处理大小: 1
处理速度预计慢 5-10 倍

# 通过 GUI 批量处理整个文件夹：
# 1. 点击 "Input" → 选择文件夹
# 2. 勾选 "Batch Processing"
# 3. 设置输出文件夹
# 4. 选择 "Same as input" 或自定义目录
# 5. 选择模型并点击 "Start Processing"

# 输出文件结构：
input/
  track1.mp3
  track2.mp3
tracks/
  track1/Instrumental_track1.wav
  track1/Vocals_track1.wav
  track2/Instrumental_track2.wav
  track2/Vocals_track2.wav

# 流水线：原曲 → UVR → 纯人声 → RVC → AI 翻唱
#         原曲 → UVR → 伴奏 → 最终混音

# 第一步：使用 UVR 提取干净人声
# 模型: MDX-Net Main
# 设置: 分段 256，重叠 0.75，降噪开启
# 输出: Vocals.wav（干净的独立人声）

# 第二步：通过 RVC 处理
python infer-web.py --input Vocals.wav --model weights/MyVoice.pth --pitch 0

# 第三步：将转换后的人声与 UVR 伴奏输出混合
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-SoVITS 需要干净的语音输入用于音色克隆
# 使用 UVR 预处理训练数据

# 第一步：批量提取训练样本的人声
# UVR 设置：
#   模型: UVR-MDX-NET Inst Main（副产品为提取的人声）
#   或: MDX-Net Main → 保留 Vocals 输出

# 第二步：将干净人声送入 GPT-SoVITS 切片
python slice_audio.py --input UVR_Vocals/ --output slices/ --threshold -34

# 第三步：使用切片进行 SoVITS 训练
python webui.py --voice_slices slices/

# 使用 demucs 直接进行 4轨分离
demucs --mp3 --two-stems=vocals input.mp3

# 然后使用 UVR 进行额外的人声清理
# UVR 可以处理 demucs 输出以进行更精细的人声/伴奏分离
python separate.py --input demucs_vocals.wav --model VR-DeEcho --output cleaned/

# 将 UVR 输出转换为多种格式
for file in UVR_Output/*.wav; do
    base=$(basename "$file" .wav)

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

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

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

# 如果遇到 "CUDA out of memory" 错误：

# 方案一：在 GUI 中降低分段大小
# 设置 → Segment Size → 从 256 降至 128 或 64

# 方案二：启用 "Use CPU for secondary model"
# 将后处理卸载到 CPU，节省显存

# 方案三：通过命令行分段处理
python separate.py \
    --input long_track.wav \
    --model MDX-Net \
    --segment 64 \
    --overlap 0.25 \
    --output chunks/

# 方案四：关闭其他 GPU 应用程序
# UVR 处理期间需要独占显存访问
# 关闭浏览器、游戏和其他 CUDA 程序

# UVR 将模型存储在应用目录中
# Windows: C:\Users\<用户>\AppData\Local\Programs\Ultimate Vocal Remover\models\
# macOS: /Applications/Ultimate Vocal Remover.app/Contents/models/
# Linux: ./models/

# 在机器之间迁移模型：
# 复制整个 models/ 目录
rsync -avz --progress models/ user@new-server:/opt/uvr/models/

# 模型大小从 50MB 到 500MB 不等
# 完整模型集：约 8GB 下载，磁盘约 12GB

#!/usr/bin/env python3
"""UVR 批量处理脚本，用于生产工作流。"""

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:
    """通过 UVR 处理单个音频文件。"""
    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"正在处理: {file.name}")
            result = process_file(str(file), OUTPUT_DIR)
            results.append(result)

    # 保存批量处理报告
    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"完成: {success_count}/{len(results)} 个文件已处理")

if __name__ == "__main__":
    main()

# UVR 通过 GUI 写入处理日志：
# 设置按钮 → 错误日志 → 查看详情

# 对于无界面部署，使用日志包装：
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)
    ]
)

# 处理期间监控 GPU 使用率
watch -n 1 nvidia-smi