# UVR 离线提取伴奏：从自有混音去除主唱并回听残留

已实际生成原创混音、已知人声与伴奏参考并完成文件预检；没有运行UVR界面或UVR分离模型。

## 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. 先听原创混音和已知参考

下载original-mix.wav，先听清12秒的系统朗读与原创鼓、贝斯和旋律。clean-speech.wav与instrumental-reference.wav是混音前的源材料，绝不是UVR分离结果。

```sh
python3 verify.py
```

### 2. 从官方版本进入输入与输出

按官方安装包打开UVR 5.6系列，用Select Input选择混音，用Select Output选择新的空目录。界面图是官方原图，文件路径与本练习无关；不要把界面已打开当作已经分离。

### 3. 明确模型和两路输出

在Choose Process Method选择MDX-Net，再从当前Download Center安装可用的MDX23C-InstVoc HQ模型，记录实际模型全名与下载来源。首次保留人声和伴奏两路，不把Vocals Only与Instrumental Only同时勾选。

### 4. 固定WAV与CPU条件

选择WAV，先取消GPU Conversion，用12秒短样测试。Sample Mode为30秒预览模式，本输入本来只有12秒，不构成30秒完整歌曲效果证明。

### 5. 单次运行并保存真实产物

点击Start Processing，保留实际完成日志和两份输出。没有启动或失败时就记录失败，不把包内的已知参考改名成UVR结果。

### 6. 对同一句回听残留

先听伴奏里是否还能听清“十二台设备”，再听人声是否丢失句尾。原始参考可帮助定位问题，但系统朗读不是演唱，不能由这一例推断真实歌曲效果。

```sh
python3 verify.py --file your-instrumental.wav
```

### 7. 归档参数与后续任务

保存原混音、模型全名、WAV输出和逐段回听记录。需要字幕时再进入已有Whisper教程；离线伴奏分离不是apizt聊天或图片API能力。

## 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