Acapella 通常指没有伴奏的独立人声。拿不到录音棚原始人声轨时，可以使用音乐源分离模型，从已经混合完成的歌曲中估算主唱并导出为新的 WAV 文件。
ToolGarden 的音频分轨在浏览器本地运行 HT-Demucs ONNX 模型。歌曲不需要上传到远程分轨服务，适合处理未发布 demo、翻唱练习或其他不希望离开设备的录音。
提取的人声等于录音棚原始 Acapella 吗？
不等于。原始 Acapella 来自歌曲混音前的独立人声录音，而在线提取结果是模型从成品混音中反推得到的估算。它可能保留原曲混响、延迟和部分和声，也可能混入军鼓、吉他或合成器的少量声音。
用于练唱、扒词、转写、参考混音或非关键性的创意草稿时，模型提取通常已经足够。需要正式发行、精确混音或高质量采样时，应优先向权利人获取官方 stems 或无伴奏版本。
制作 Acapella 选择哪个模型？
| 选择 | 优点 | 可能问题 | 适合情况 |
|---|---|---|---|
| 4 轨模型 | 人声目标集中，速度和内存压力相对可控 | 吉他、钢琴都归入其他 | 绝大多数人声提取任务 |
| 6 轨模型 | 可把吉他和钢琴单独分开 | 更多分类不保证人声更干净 | 4 轨中乐器残留明显时用于对比 |
建议先用 4 轨，只勾选人声即可。若人声里有明显钢琴或吉他残留，再用同一个短片段测试 6 轨。不要根据轨道数猜测结果，要通过实际试听比较。
在线提取纯人声的操作步骤
- 准备音质较好的歌曲，避免使用录屏、外放重录或经过多次压缩的文件。
- 打开音频分轨工具并选择歌曲。
- 选择 4 轨模型，只勾选“人声”；需要比较其他声部时再增加输出。
- 开始分轨并保持页面打开，等待模型加载、推理和 WAV 编码完成。
- 试听人声轨的主歌、副歌、齿音、尾音和无歌词片段，判断残留是否可接受。
- 下载人声 WAV；需要更短片段时再进行剪辑和静音裁切。
怎样判断人声轨是否可用？
- 清晰度：歌词辅音和齿音是否仍然可辨，不应被过度削弱。
- 连续性：长音和句尾是否自然延续，不能频繁忽大忽小。
- 串音：鼓点、贝斯和主旋律是否会干扰最终用途。
- 混响：原曲空间感是否可以接受，还是必须使用后期去混响。
- 重组检查：把所有 stems 重新叠加，确认整体能大致还原原曲。
为什么纯人声里还有鼓点和乐器？
军鼓、镲片、失真吉他和合成器都可能覆盖人声频率。主唱通常还带有混响与延迟，这些效果会扩散到整个立体声空间。当模型无法确定一段声音属于人声还是乐器时，就可能把它的一部分分到人声轨。
残留在无歌词空隙中最容易听见，但放进新混音后不一定明显。先按照最终用途试听，不要为了得到完全静音的空隙而过度处理整条人声。
提取后的人声如何进一步整理
- 先剪掉不需要的前奏、间奏和尾奏，减少空白与残留乐器。
- 使用自动化或包络降低无人声片段，而不是对整条轨道强力降噪。
- 通过温和高通处理低频鼓和轰鸣，但注意不要削薄低沉人声。
- 必要时使用专业去混响工具；模型无法恢复从未存在于混音中的干声。
- 开始新的混音前先预留峰值空间，避免压缩和限制器放大残留。
哪些音源更容易得到干净 Acapella？
| 音源特点 | 通常结果 | 原因 |
|---|---|---|
| 主唱居中、伴奏较疏 | 较容易分离 | 人声位置和频谱特征更明确 |
| 强混响、合唱与和声很多 | 容易保留尾音或混在一起 | 声音边界在时间与空间上重叠 |
| 失真吉他和密集合成器 | 更容易出现串音 | 谐波与人声频率接近 |
| 低码率或多次转码 | 容易出现金属感 | 压缩伪影被模型当成声音特征 |
| 现场录音或外放重录 | 分离难度较高 | 环境反射和观众声混入所有声部 |
Acapella 常见用途
- 练习咬字、呼吸、和声与旋律细节。
- 辅助歌词转写、语言学习或语音分析。
- 制作 remix、mashup 和编曲草稿。
- 检查混音中的齿音、混响和人声动态。
- 为合法授权的内容制作替代伴奏或演示版本。
使用提取人声时要注意版权
提取出来的人声仍然属于原录音的一部分。即使技术上可以下载，也不代表可以公开发布、训练模型、出售采样或用于商业作品。发布 remix、mashup 或视频前，应确认录音、词曲和表演者相关授权。
总结
制作 Acapella 时先用高质量音源和 4 轨模型，只导出人声，再根据齿音、连续性、串音和混响判断是否可用。提取结果是对成品混音的估算，不是录音棚原始干声；先满足实际用途，再进行温和后期整理。