人声没去干净——AI 残留处理方法

为什么会残留

Remover 和 Splitter AI 的分离逻辑是基于频段 + 语义判断：

• 人声（尤其是主唱）主要集中在 300~3400Hz
• AI 模型学习了数百万首歌的人声频谱模式

但 AI 不是完美的：

• 人声的高频泛音（比如气声、头腔共鸣）可能超出 3400Hz，被归到"其他"轨
• 乐器（比如电吉他泛音、合成器高频）可能落在人声频段里，被归到 vocal 轨
• 和声、合唱、ad-lib 的判断标准不同，可能被漏掉或多割

优化方法一：换 Splitter AI 而不是 Remover

Remover 只有两轨（人声 vs 所有乐器），它必须做一个"二选一"的判断。Splitter AI 有四轨（人声 + 贝斯 + 鼓 + 其他），判断更精细——贝斯和鼓被单独拎出来，不会和人声混淆。

优化方法二：用 Cutter 手动修

AI 分离完后，用 Cutter 把残留的那段剪掉：

• 伴奏里有一点人声 → 用 Cutter 框住那个时间段，"切掉选中段"
• vocal 轨里有一点吉他 → 用 Cutter 框住那段，剪掉

优化方法三：Audacity 里降噪

下载分离后的 WAV 导入 Audacity，用内置的 Noise Reduction：

1. 在 Audacity 里选中一段只有"噪音"的地方（比如伴奏里残留的人声气声）
2. Effect → Noise Reduction → Get Noise Profile
3. 全选整条音轨 → 同样 Effect → Noise Reduction → OK

效果比 VocalRemover 内置的处理好，但需要一点学习成本。

优化方法四：换一个模型

市面上不止 VocalRemover 一家做这个：

• LALAL.AI（Phoenix v2 模型，质量好但贵）
• SplitHit
• RemoveVocals

每家的 AI 模型不一样，同一首歌的处理结果可能差别很大。如果 VocalRemover 处理不好，换一家试试。

接受它不完美

最后要说的是：AI 人声分离本身就不可能 100% 干净。追求"零残留"只能上专业 DAW + 多轨原始工程文件。对于 K 歌、短视频、简单混音等日常场景，"有一点点残留"不影响使用。