把一首歌拖进浏览器里的消音工具，几秒钟后它会还你两个文件：一条人声，一条把声音抽走后的伴奏。下载伴奏，这就是一首卡拉OK伴奏。整个过程在浏览器里跑，文件不会离开你的设备。

但很多人拿到结果的第一反应是困惑：同一款工具，为什么这首歌唱得干干净净，那首歌的伴奏却像被掏空了一块？答案藏在"分离"这两个字里。

你拿到的不是录音室母带

先分清两种伴奏。市面上发行的"伴奏版"，是当初混音时就单独做出来的一版。而AI分离出来的伴奏，是在原始混音上把人声减掉之后重建的产物——这个减法会留下痕迹。

工具返回的是两条立体声文件：一条是人声，主唱和和声都被从乐队里拎出来；另一条是伴奏，编曲不变，人声被减去。两条轨道放在同一条时间线上，下载前可以先对比试听。

为什么伴奏会发空

分离模型并不像人耳那样理解"人声"。它做的是两件事：去掉立体声像中间的内容，再去掉模型学过的、听起来像人声的东西。

麻烦就出在第二件事上。底鼓、贝斯、混在中间的钢琴，都可能跟着人声一起被抽走——因为在模型眼里，它们同样是居中的、频率接近人声的内容。结果就是人声没了，低频和鼓也没了。

这就是分离伴奏和真正伴奏的差别，也是同一款工具对不同歌曲给出截然不同结果的原因。

哪些歌能分干净

人声清晰地站在最前面、乐器被铺到两侧的歌曲，分离效果通常不错。编曲稀疏、各元素之间留有余地的作品，也更容易出好结果。录音年代较近、制作水准在线的歌，同样占优势。

反过来，混音密集、人声被混响和延迟包裹的歌曲，伴奏容易发空。底鼓、贝斯和人声全挤在中间、频率互相重叠的，也难逃此劫。年代久远、压缩严重、接近单声道的录音，情况最不乐观。

动手前先花30秒测一下

跑一次分离，然后单独播放人声那条轨道。如果里面能听到大量低频的轰隆声或节奏感，那这些正是伴奏即将失去的东西。如果听起来就是干干净净的一条人声，那这首的伴奏大概率能成。

操作流程本身不复杂：打开消音工具，无需安装；拖入歌曲，支持 MP3、WAV、FLAC、M4A、AAC、OGG，时长上限五分钟；等待分离，模型跑在你自己的处理器上，一首两分钟的歌在较新的笔记本上远不到一分钟就能完成；试听两条轨道；最后把伴奏导出为 WAV、MP3 或 AAC。

几个必须说清的限制

  • 时长上限五分钟。处理在本机跑，不在服务器集群上，所以需要哪段就裁哪段再处理。
  • 会有残留。密集或重度处理的混音，可能在伴奏里留下淡淡的人声痕迹，也可能在人声轨里留下乐队的影子。
  • 只有两条轨，不是多轨。你拿到的是人声和伴奏，拿不到单独的鼓、贝斯、吉他和键盘。

版权这件事绕不开

能不能用，取决于素材来源。分离一首歌并不改变它的归属，只有在你拥有该录音权利的情况下才能使用结果。商用也是同理：工具本身对输出不设限制，但歌曲本身仍受自身权利保护。商业歌曲的伴奏属于该录音的衍生作品，公开或商业使用需要相应的授权。

至于文件会不会被上传——不会。模型下载到浏览器里，跑在你自己的处理器上。处理前打开网络面板盯着看，不会有任何数据发出去。

所以下次拿到一条发空的伴奏，别急着怪工具。先看看那首歌的混音，答案多半写在里面。