浏览器音频处理 | UVR5 中文站
浏览器音频处理，是「UVR5 网页版」这类说法背后的技术想象：既然浏览器能播音乐，能不能也在浏览器里分离人声？答案是「能做一部分，但做不到桌面版那种程度」。本页把浏览器的能力边界讲清楚，帮你理解为什么本地软件仍是主力。
浏览器能做什么
- 播放与基础编辑：WebAudio API 可以做播放、增益、均衡、混响、淡入淡出等实时效果，延迟低、体验好。
- 轻量分析：可以在前端做波形显示、频谱分析、节拍检测这类不算重的计算。
- 编码转换：借助 WASM 能把音频在浏览器内转码，比如 wav 转 mp3，无需上传服务器。
- 调用云端：浏览器本身不跑重模型，而是把音频传到云端推理，再把结果传回来，前端只做展示。
浏览器做不到或很难做的
真正的难点在「重模型推理」。人声分离用的 MDX-Net、Demucs 这类网络，参数量和计算量都大，浏览器里即便用 WebAssembly（WASM）或 WebGPU 跑，也面临三道墙：一是内存，大模型加载就吃掉大量内存，手机和旧电脑直接崩；二是速度，WASM 跑推理远慢于原生加显卡，一首歌可能要几分钟到十几分钟；三是精度，为迁就前端常被迫用更小的模型或更低迭代，质量打折。所以绝大多数「网页版分离」其实是云端跑、前端展示，并非浏览器本地完成。
WebAudio 与 WebAssembly 的分工
WebAudio 负责实时信号链路：把你听到的声音做效果和处理，适合轻交互。WebAssembly 负责把 C++、Rust 写的算法编译到浏览器跑，能做比纯脚本重的计算，但离「桌面级 GPU 推理」仍有距离。两者结合可以做出不错的在线效果器，但面对源分离这种大模型任务，仍是力不从心。WebGPU 在改善，但目前覆盖和成熟度还不足以替代桌面客户端，且旧设备支持参差不齐。
为什么本地软件仍是主力
本地桌面版 UVR5 能直接调用 NVIDIA 显卡做 GPU 加速，模型完整、参数可调（Segment Size 默认 256 可选 512、Overlap 0.25 到 0.75、VR 的 Aggression、Demucs 的 Shifts），批量一次跑完，输出最高 192kHz、24bit。这些能力浏览器短期内给不了：没有独显加速、模型被阉割、参数被锁死、还要先上传再下载。对质量和效率有要求的用户，本地软件是绕不开的主力。即便没有独显走 CPU，效果也与 GPU 一致，只是耗时更长。
合理预期
把浏览器理解为「轻处理和入口」：用它做试听、简单效果、调用云端，是合适的；指望它在本地完整替代 UVR5，目前不现实。真正的重活，交给桌面版或自建服务，浏览器只负责把结果呈现给你。随着 WebGPU 与模型小型化，未来轻量分离会逐步可行，但完整三大引擎加无损批量，短期内仍属桌面端领地。
浏览器以后能本地跑 UVR5 吗？
随着 WebGPU 和模型小型化，轻量分离会逐渐可行，但完整三大引擎加无损批量，短期内仍属桌面端。