# UVR Ensemble：用两套分离模型比较残留和声音损伤

已固定同一原创混音与源轨并运行输入校验；未运行两套UVR模型或Ensemble，不提供伪造的集成成功结果。

## 输入来源

{
  "speech": "macOS Tingting system TTS reading the original text; not a human singer or cloned voice",
  "music": "Original deterministic synthesized drums, bass, guitar-like pluck and piano-like harmonics; not recorded instruments or model outputs",
  "seed": 50015,
  "durationSeconds": 12,
  "sampleRate": 48000
}


## 操作

### 1. 锁定同一段原创混音

三个实验都使用同一个original-mix.wav，不改变音量、起点和文件。源人声与伴奏只作独立参考，不能分别拿不同素材证明某个模型效果好。

```sh
python3 verify.py
```

### 2. 分别跑模型A与B

从实际安装版本的Download Center选择两套支持相同目标stem的模型，分别导出并记录模型全名。先确认A与B都能单独运行；若只有一个可用模型，本页实验尚未满足条件。

### 3. 进入Ensemble并核对目标

Choose Process Method切换Ensemble Mode，选择同一人声/伴奏目标，至少选择两个实际可用模型。官方初始界面图是基础控件依据，不表示本站已运行Ensemble或出现某个新控件。

### 4. 固定一次集成算法

先记录实际选择的Average/Min Spec/Max Spec组合，不同时改变模型与算法。不同算法会在残留、声音完整性之间取舍，不保证集成必定优于单模型。

### 5. 导出三个独立目录

把单模型A、单模型B、集成放到三个目录，保留原始文件名与日志。音量比较前做一致的监听增益，避免更响的一份被误认为更清晰。

### 6. 按相同区间回听

在0.5–3.0秒检查语音残留，在末句检查词尾与音乐瞬态。三份实际模型输出缺一份就不公布胜负；包内三个源文件只是实验输入。

```sh
python3 verify.py --file ensemble-output.wav
```

### 7. 保存可复核的比较结论

每份结果记录来源模型、算法、损伤时间点与试听理由，结论仅覆盖当前混音。需要重混时阅读Demucs贝斯降低教程，不能把Ensemble数量当作质量分数。

## 文件验证

```sh
python3 verify.py
python3 verify.py --self-test
```

验证PCM16音频的格式、帧和输入hash，不证明模型质量。原始合成源轨不是分离结果。

官方来源：https://github.com/Anjok07/ultimatevocalremovergui