人声分离模型对比与试听方法 | UVR5 中文站

人声分离模型对比不能只看榜单，关键在你的音源类型。UVR5 人声向模型主要有 MDX-Net 的 Main、Kim 系列与 Inst HQ 的人声侧重版本，它们在音色、残留与适用曲风上差异明显。本文做横向对比并给出可操作的试听方法，帮你少走弯路。

三颗主力人声模型

• UVR-MDX-NET Main：默认均衡型，人声还原中性，残留乐器少，适合绝大多数流行歌，是最稳妥的起步点。
• Kim Vocal 系列：社区训练模型，部分高音区与气声细节更突出，对清唱与女声表现有时优于 Main，但低频可能略薄。
• UVR-MDX-NET Inst HQ（人声侧重用法）：高计算量变体，音质余量大，适合无损音源与交付级干声，但处理明显更慢。

音色与残留差异

Main 的输出最干净耐听，谐波处理保守，长时间聆听不易疲劳，适合作为默认基准。Kim 在瞬态与齿音上更亮，适合想突出人声质感的用户，但遇到重混响原曲可能保留更多房间感。HQ 系列在极弱人声与背景和声分离上更稳，代价是明显更长的耗时与更高的硬件压力，普通练歌没必要默认开启。三者没有绝对的优劣，只有适不适合你的音源。

试听对比方法

1. 选一首你最熟悉的歌作为基准样本，最好是人声与伴奏层次清晰的流行曲，避免一上来就用最难的分轨。
2. 用同一段设置、同一引擎参数分别跑 Main、Kim、HQ，导出为同格式同采样率，排除变量。
3. 用播放器 A/B 切换，重点听副歌齿音是否刺耳、间奏残留乐器是否明显、结尾混响尾巴是否被带入。
4. 把胜出模型按音源类型归档，下次遇到同类曲风直接套用，不必每次全量对比。

为什么同一颗模型不同歌差异大

分离质量高度依赖音源本身。人声与伴奏在频谱上重叠越少的歌，任何模型都更容易拆干净；而人声被厚重编曲埋住的歌，再强的模型也会带出残留。因此对比结论不能脱离音源，建议建立按曲风分类的样本库，而不是记一个万能答案。同一个模型在轻编曲民谣上可能完美，在满编电子上却一般，这是正常现象。

按曲风给结论

摇滚与电子乐选 Main，重混响现场录音优先 HQ，清唱与女声 demo 可试 Kim。没有模型在所有曲风都赢，建立自己的样本库比追逐新模型更实际。若三颗仍不满意，可考虑把它们纳入集成模式同向叠加，取各家之长。

常见误区

• 以为模型越新越好：新模型往往针对特定音源优化，未必适合你的曲风。
• 一次叠加太多模型：人声向集成两颗足够，再多收益递减且耗时暴涨。
• 只看参数不看听感：客观指标不能替代耳朵，最终以试听为准。
• 用伴奏向模型做人声：Inst 系列偏向抑制人声，拿来提人声会适得其反。

下一步

确定常用人声模型后，搭配去混响模型做二次处理可进一步提纯干声。需要把多颗人声模型合为一组时，参考集成组合页面的同向叠加原则，避免人声向与伴奏向混组。