想复用几条旧TikTok视频里的旁白，问题卡在背景音乐上——原始录音早就没了。最后的做法是：把音乐去掉，只留人声。

打开网易新闻 查看精彩图片

用的工具是Demucs，Meta发布的一个免费声音分离模型。它完全跑在本机Mac上，两段视频处理完大约花了16秒。整个过程没有把音频上传到任何地方。

Demucs会把音频拆成四部分：人声、鼓、贝斯、其他乐器。它本来是为从歌曲里提取演唱声设计的，但用在"人声叠在背景音乐上"的说话场景，效果是一样的。

能派上用场的地方不少：把旧视频里的声音搬到新视频里；音乐太吵时听清对方在说什么；准备干净的人声样本，比如给文本转语音用。

用大白话指挥Claude Code

作者全程没有查Demucs的文档，也没有学怎么安装，只是用自然语言向Claude Code提要求。第一步贴进视频链接，让它把音频抽出来；接着补一句担心背景音乐会损伤音质；最后让它把文件放进下载文件夹。

这几句话就够了。Claude Code自己完成了保存视频、安装Demucs、分离人声、把纯人声音频写入下载目录这一串动作。

任何能在你电脑上执行命令的AI代理都能做这件事。启动方式分别是：Codex（OpenAI）输入codex，Grok Build（xAI）输入grok，Antigravity（Google）输入agy。作者只实测了Claude Code这一条路径。

为了让其他代理不跑偏，可以粘贴一份把每一步都写死的提示词：

  • 建一个工作文件夹，在里面创建Python虚拟环境
  • 在该环境里安装demucs
  • 用ffmpeg从视频中抽出音频
  • 用demucs加--two-stems=vocals参数，把人声和其他声音分开
  • 把纯人声文件vocals.wav保存到下载文件夹

同时附上两条规则：不要删除工作文件夹以外的任何文件；结束时说明生成了什么、放在哪里。

不用AI代理也能自己跑

在macOS终端里依次执行：创建虚拟环境、激活环境、安装demucs，然后对音频文件运行demucs --two-stems=vocals。这个参数的含义就是把音频切成"人声"和"其余全部"两轨，纯人声会以vocals.wav的名字保存在名为separated的文件夹里。

有两个前提值得记住：只处理自己拍的、或者拿到授权的视频；当音乐和人声音量接近时，分离结果里可能还会残留一点音乐。

整件事的门槛比想象中低——一个免费模型、几句大白话，旧素材里的声音就能重新拿出来用。