直播音频处理：分离解说与背景音乐 | UVR5 中文站

直播音频处理最常见的需求有两个：一是从直播切片里把主播解说单独提出来，二是去掉平台自带的背景音乐（BGM）只留人声。本文讲怎么用 UVR5 处理这类素材，也把它的边界说清楚。

先说一个关键边界：UVR5 是桌面离线软件，不能实时处理直播流。它处理的是已经录下来的音频文件。想做「直播中实时去 BGM」做不到，只能录完再处理。

切片与录播的取人声

直播录屏先转成音频，用 MDX-Net 的 UVR-MDX-NET Main 跑一遍，主播解说会被单独拎出来，平台 BGM 和游戏音效被压低。Overlap 设 0.5 让边界自然，Segment Size 256。如果主播声音和 BGM 频段重叠严重（比如用了带人声采样的热门 BGM），残留会多一些，可上 Min Spec 集成模式再压。

切片通常较短，处理很快，可以一条条跑，不必批量。跑完的解说轨直接进剪辑软件当画外音用。

去除平台 BGM 的取舍

很多直播平台会在主播声音上叠一层自己的 BGM，想去掉只留解说，本质还是人声分离。Main 模型对此有效，但平台 BGM 往往经过了和主播声音类似的压缩处理，分离难度高于普通歌曲。预期放低：能大幅削弱、方便你重配解说音轨即可，别指望完全无声。

如果 BGM 是持续的纯音乐且和人声分得开，效果会好很多；若是人声采样型 BGM，残留难免，建议后续在剪辑里给解说轨加一点增益压过它。

保留解说的注意事项

• 解说里夹着的笑声、观众互动，会被一并当成人声保留，通常正是你想要的。
• 主播戴耳返漏出的返听声，可能和 BGM 混在一起，分离后偶尔会留一点，属正常。
• 多人连麦时几路声音混成一路，UVR5 分不出谁是谁，只能整体提人声。

所以直播音频处理更适合「提纯解说」，不适合「区分多个说话人」。后者要用专门的说话人分离工具。

处理流水线

下一步建议

下一步，拿一段你最近的直播录屏，先转音频跑一次 Main，听解说提得干不干净。残留多的片段记下来，下次用 Min Spec 集成模式专门处理那几段。把「录完再处理」这个节奏养成习惯，别等发布前才发现 BGM 盖了解说。