【即将停止维护】AI音频分离MSST-WebUI整合包1.7版本完整使用教程 新增多个模型/重置旧版本教程/支持自定义预设/介绍详细/干货满满！

不得不说1.7更新的这些模型效果确实很顶，我用的是那个比较大的inst_v2，测试了三十多首歌，分离出来的伴奏清晰度比之前的1296强多了，说它媲美原版伴奏确实不是吹的。但是这些新模型也有个普遍存在的问题，可能是为了保证伴奏的清晰度和还原度，反而对人声的消除不是非常彻底了，戴着耳机听有时会听到轻微的人声噪声或很小的没消干净的人声，虽然这个噪声大小不会影响到实际的使用，不仔细听的话可能注意不到，但不能否认它不存在。不过总体来说还是瑕不掩瑜，毕竟这次的提升是一耳朵能听出来的，现在就期待下个版本会不会解决这个轻微人声噪声的问题了。只能说科技进步的速度是真的夸张，现在我都记得16 17年那会儿想找个伴奏，要是网上没有，甚至还得花不少钱专门找人去消音呢，毕竟AU自带的消音那效果简直是灾难级的，而现在居然只花不到两分钟就能得到如此高质量的伴奏，太牛了[喜欢][喜欢]。也十分感谢up能分享这么好的软件[星星眼]，要不然我估计现在还在用着22年过时的uvr5呢。

♥ 71 ↩ 19

不亏是985的大佬，科班出身就是厉害[doge]

♥ 53

软件相当好用！！！感谢作者的无私制作和分享！！！[热词系列_六到无语][热词系列_吹爆][热词系列_爱了爱了] 另外反馈个问题，当输出格式设为MP3时无论用哪个模型分离，输出的音频都会有“破音”的感觉，不知道是不是音频过载？输出格式设为WAV和FLAC没有此现象，用WAV和FLAC格式输出的音频再转换成MP3也没有此现象，直接用320k比特率的MP3输出就会有，不知道是不是个案，愿意提供相关信息配合解决此BUG

♥ 17 ↩ 4

请教大佬，您在文档中说明了“MSST模型分离结果都比较激进，分离出来的音频可以做为推理源输入AI进行推理。但如果说用来当作训练集的话，可能训练出来的模型效果不是很好”  我想从影视剧的音频或是演讲音频中提取干净并且质量好的人声作为GPT-SoVITS的训练集，请问用什么比较好呢？[保佑][保佑][保佑][保佑][保佑]

♥ 11

为啥没有连招了,好多模型看的好乱,可以给几个方案出来也行啊,辛苦up了[Mygo表情包_让我看看][Mygo表情包_让我看看][Mygo表情包_让我看看]

♥ 7 ↩ 3

处理失败: CUDA error: no kernel image is available for execution on the device CUDA kernel errors might be asynchronously reported at some other API call, so the stacktrace below might be incorrect. For debugging consider passing CUDA_LAUNCH_BLOCKING=1. Compile with `TORCH_USE_CUDA_DSA` to enable device-side assertions.

♥ 6 ↩ 9

为什么我人声分离以后，有时候没分离干净（试着用uvr5可以分离干净），或是分离干净后，人声变了，原本人声是很透亮的，分离后变得很糊。不知道啥原因，也没看到报错。原音频，我试了几款其他分离软件，都能清理干净，不是很复杂的声音。

♥ 6 ↩ 10

关于50系：torch和torchvision用comfyui里附带的，再在这个环境里手动编译一个torchaudio就可以用MSST了，但它这个torch在win下有个特别神奇的问题，只能推理不能训练。用官方torch 2.7 nightly cu128加上上述编译好的torchaudio 2.6可以正常训练，但推理又不行了，同时，直接用2.7 nightly去编译现在的torchaudio源码会错误，编译不了。。于是就这么来回切换环境折腾。 [藏狐]

♥ 6 ↩ 7

现在和声模型感觉都有点拉跨，最新up推荐出了一个becruily训练的卡拉ok模型，sdr能达到10.47但是使用以后感觉效果还是有点问题，容易把主人声削掉一块，虽然比之前的好多了。我在想如果进行ai翻唱的话小和声应该不需要去除的那么彻底吧，能否省略去除和声这个步骤，毕竟混响模型也可以去除一部分和声，特别是那个avuew训练的去混响模型，虽然sdr没有up训练的模型高，但是对于小混响和和声下手是真的狠

♥ 5

有web UI的话能不能弄一下端口监听[打call][打call][打call]因为不支持a卡和i卡的话，内网穿透或者端口硬是也是可以用web UI来运行[吃瓜] 还有作者后期要适配的话，我这里有一个A580的i卡[星星眼]可以给作者做适配用[打call][打call][打call]

♥ 5 ↩ 2

我用uvr一直用到今天，也是前几年看你的教程，也知道你一直在推新的东西，只不过一直懒得换。今天有时间了试了一下，卧槽真牛逼。

♥ 3

UPUP，提取出来的伴奏很纯净，但是有爆音，明显是那种音量超过极限导致的刺拉拉地爆音，但是音量本身正常，请问这是怎么回事啊

♥ 3 ↩ 3

博主你好 非官方模型INSTV5.ckpt 在下载链接里只有ckpt 找不到yaml配置文件怎么办[保佑]

♥ 3 ↩ 4

请问colab里最后一个包一直下载不下来该如何解决？谢谢！

♥ 2 ↩ 11

大佬您好，如果将具有杜比全景声版本（eac3joc）的音频用官方的decoder拆分成5.1.2/9.1.6的wav文件，并将每个声道拆分出来全部单独过一次MSST（部分如果没有人声的就不过MSST），最后再重新合成多声道的wav文件，理论上可不可以获得比双声道直接走MSST更纯净的伴奏？如果有可能的话我就去试试[打call]

♥ 2 ↩ 4

感谢up，这个msst确实比uvr好用的多，一针见血

♥ 2

哥，你真是我哥哇，音频死活除不掉杂音和混音导致唱歌识别时老是有噪音，这整合包救我一命呀，不多说，三连了[OK]

♥ 2

三联感谢大佬。刚好有需要提取个带和声的一首歌，以后找伴奏可以自己弄了。。 顺便问问大家，有没有好的提取视频里面音轨的方法。。我手里有音轨和视频合并的软件但没有分离的。。

♥ 2 ↩ 4

全B站最没套路的频道，没有之一。全力支持，，，，，

♥ 2

the launch timed out and was terminated CUDA kernel errors might be asynchronously reported at some other API call, so the stacktrace below might be incorrect. For debugging consider passing CUDA_LAUNCH_BLOCKING=1. Compile with `TORCH_USE_CUDA_DSA` to enable device-side assertions 怎么办，我看教程里没有

♥ 2 ↩ 20