Stem 是什么 | UVR5 中文站
分轨（Stem）在音乐制作里指把一首完整歌曲拆成若干条相对独立的音轨，每条包含一类乐器或人声，可以单独播放、编辑或重新混音。在 UVR5 语境下，你用人声分离模型得到的「人声文件」和「伴奏文件」，本质上就是最基础的两轨分轨（Stem）。
分轨（Stem）不是一个固定数字，而是「拆分粒度」的统称。理解它和中文「伴奏」的区别，能避免你在使用分离结果时产生误会。下面从轨数含义、工作流、概念区别三块讲。
四轨与六轨的含义
用 Demucs 引擎时，最常见的两种拆分是：
- 四轨（4-stem）：人声（vocals）、鼓（drums）、贝斯（bass）、其他（other），对应 htdemucs 与 htdemucs_ft；
- 六轨（6-stem）：在四轨基础上加入吉他（guitar）和钢琴（piano），对应 htdemucs_6s；
- 两轨则是 MDX-Net 与 VR 架构的常规输出：人声加伴奏，最常用也最轻量。
轨数越多，单条分轨（Stem）越纯净，但相互串音和总体失真也可能增加，不是越多越好，要按目的选择。
文件工作流
分离出分轨（Stem）后，典型用法是导入数字音频工作站（DAW）重新混音：
- 把各条分轨按时间对齐拖进工程；
- 对人声做均衡或压缩，对伴奏调音量平衡；
- 导出新的混音版本，或只取其中一条用于翻唱、采样；
- 六轨场景下还能单独替换吉他或钢琴声部，做 remix 很方便。
它和「伴奏」的区别
中文常说的「伴奏」通常特指「去掉人声后剩下的那一条」，是一个结果导向的词。分轨（Stem）是更广义的工程概念：
| 维度 | 伴奏 | 分轨 |
|---|---|---|
| 范围 | 常指单条去人声结果 | 可指两轨、四轨、六轨任意拆分 |
| 用途 | 唱歌、翻唱伴奏带 | 混音、remix、采样、教学分析 |
| 纯度 | 常含人声残留 | 多轨下可按声部精确控制 |
所以「提取伴奏」是分轨工作流里最常见的一步，但分轨（Stem）远不止伴奏，它是一个更完整的工程视角。
分轨文件的命名习惯
分离导出的多条分轨（Stem）建议按声部命名，例如 vocals.wav、drums.wav、bass.wav、other.wav，而不是简单叫 1.wav、2.wav。这样导入数字音频工作站时能一眼对应轨道，也方便以后批量复用。Demucs 默认就会用声部名输出，MDX-Net 则需你手动区分人声与伴奏两个文件，命名时标注清楚避免混淆。如果一次处理了很多首歌，再按歌曲名建子目录归类，后期找素材能省下大量翻找时间，也不会把不同歌的分轨混到一起。
常见误解
分离出的分轨能直接当母带用吗？
不能。分离是估计结果，各轨之间存在串音和频率损伤，只适合二次创作或练习，不能等同于原始分轨母带。拿它做发行前母带需要重新混音和修整。
下一步建议
读完这篇，若想了解分离质量怎么衡量，可看「信号失真比是什么」；若想搞清楚输出文件的质量设置，读「采样率」与「位深」两篇。实际用 Demucs 时，先试四轨再按需上六轨，别一上来就追最多轨数。