ComfyUI-UVR5 音频分离插件 - 超详细小白教程

1. 插件简介

插件原地址： https://github.com/AIFSH/ComfyUI-UVR5

这个插件就像一个超级厉害的音频魔法师！它能帮你把一首完整的歌曲分成两部分：

• 人声部分：只有歌手唱歌的声音，就像卡拉OK的原唱版本
• 伴奏部分：只有背景音乐，就像卡拉OK的伴奏版本

想象一下，你有一首喜欢的歌，但你想要：

• 制作卡拉OK伴奏来练歌
• 提取干净的人声来做音频处理
• 去除歌曲中的回声和混响
• 分析歌曲的音乐编曲

这个插件就能帮你实现这些需求！它基于著名的 UVR5（Ultimate Vocal Remover）技术，就像有一双神奇的耳朵，能精确地把人声和音乐分开。

2. 如何安装

前置要求

首先需要安装 ffmpeg（这是一个音频处理工具，就像音频界的瑞士军刀）：

Windows 用户：

1. 下载并安装 WingetUI
2. 用 WingetUI 搜索并安装 ffmpeg

Mac/Linux 用户：

# Mac 用户
brew install ffmpeg

# Linux 用户
apt update
apt install ffmpeg

插件安装

方法一：使用 ComfyUI Manager（推荐新手）

1. 打开 ComfyUI
2. 点击右下角的 "Manager" 按钮
3. 在搜索框里输入 "UVR5"
4. 找到这个插件，点击安装
5. 重启 ComfyUI

方法二：手动安装

1. 打开你的 ComfyUI 安装文件夹
2. 进入 custom_nodes 文件夹
3. 在这里打开命令行
4. 输入命令：

git clone https://github.com/AIFSH/ComfyUI-UVR5.git
cd ComfyUI-UVR5
pip install -r requirements.txt

5. 重启 ComfyUI

安装成功后，你就能在节点列表的 "AIFSH_UVR5" 分类下找到相关节点了！

3. 节点详细解析

3.1 LoadAudioPath 节点 - 音频文件加载器

这个节点就像一个音频文件管理员，它能帮你从电脑里选择要处理的音频文件。就像你在音乐播放器里选歌一样简单！

节点功能：

• 从 ComfyUI 的输入文件夹中选择音频文件
• 支持多种音频格式（wav、mp3、flac、m4a）
• 提供文件上传功能

3.2 LoadAudioPath 节点参数详解

3.3 UVR5 Node 节点 - 音频分离大师

这个节点是整个插件的核心，就像一个专业的音频工程师！它能使用不同的模型来分离音频，每个模型都有自己的特长，就像不同的工具有不同的用途。

节点功能：

• 使用AI模型分离人声和伴奏
• 支持多种分离模型
• 可以调节分离的强度
• 输出两个音频文件：人声和伴奏

3.4 UVR5 Node 节点参数详解

模型详细说明：

3.5 PreViewAudio 节点 - 音频预览器

这个节点就像一个音频播放器，让你可以直接在 ComfyUI 里听处理后的音频效果，不用跑到别的软件里去听。

节点功能：

• 在界面上直接播放音频
• 支持音频控制（播放、暂停、进度条）
• 可以保存和下载音频

3.6 PreViewAudio 节点参数详解

4. 使用技巧和建议

4.1 新手入门技巧

第一次使用建议：

1. 先用一首简单的流行歌曲测试
2. 使用默认的 HP5 模型
3. agg 参数先用默认值 10
4. 输出格式选择 wav（质量最好）

常用工作流程：

LoadAudioPath → UVR5 Node → PreViewAudio
                    ↓
               PreViewAudio

4.2 不同场景的最佳设置

场景1：制作卡拉OK伴奏

• model: "HP5-主旋律人声vocals+其他instrumentals.pth"
• agg: 12-15（让人声分离更彻底）
• format0: "wav"
• 主要使用伴奏输出

场景2：提取干净人声

• model: "HP5_only_main_vocal.pth"
• agg: 8-10（保持人声自然）
• format0: "wav"
• 主要使用人声输出

场景3：去除录音回声

• model: "VR-DeEchoNormal.pth"
• agg: 10-12
• format0: "wav"
• 适合处理录音质量不好的音频

场景4：处理合唱歌曲

• model: "HP2_all_vocals.pth"
• agg: 10
• format0: "wav"
• 能保留所有人声包括和声

4.3 参数调节技巧

agg 参数使用指南：

• 0-5：温和分离，保持音质，但可能分离不彻底
• 6-10：平衡分离，适合大部分情况
• 11-15：强力分离，分离更彻底但可能影响音质
• 16-20：极限分离，可能产生音质损失

模型选择技巧：

• 不知道选什么就用 HP5 系列
• 想要更干净的人声用 HP5_only_main_vocal
• 录音有回声问题用 VR-DeEcho 系列
• 需要处理和声用 HP2_all_vocals

5. 常见问题解答

Q1: 为什么分离后的人声还有背景音乐？

A:

• 尝试增加 agg 参数到 12-15
• 换用 HP5_only_main_vocal 模型
• 有些歌曲的人声和伴奏混合得太紧密，完全分离很困难

Q2: 为什么分离后的伴奏还有人声？

A:

• 增加 agg 参数
• 确保使用了正确的模型
• 有些歌曲的人声处理过（比如加了和声），分离难度较大

Q3: 处理后的音质变差了怎么办？

A:

• 降低 agg 参数到 8 以下
• 使用 wav 格式输出
• 尝试不同的模型
• 原始音频质量也会影响结果

Q4: 支持哪些音频格式？

A:

• 输入：wav、mp3、flac、m4a
• 输出：wav、flac、mp3、m4a
• 建议使用 wav 格式获得最佳质量

Q5: 处理时间很长怎么办？

A:

• 这是正常现象，AI 处理需要时间
• 长音频需要更多时间
• 确保电脑有足够的内存和显卡性能

Q6: 模型下载失败怎么办？

A:

• 检查网络连接
• 模型会自动从 Hugging Face 下载
• 可能需要科学上网
• 耐心等待，模型文件比较大

6. 实用案例演示

案例1：制作卡拉OK伴奏

需求： 把一首流行歌曲制作成卡拉OK伴奏

工作流程：

1. LoadAudioPath：选择歌曲文件
2. UVR5 Node：
   • model: "HP5-主旋律人声vocals+其他instrumentals.pth"
   • agg: 12
   • format0: "wav"
3. PreViewAudio：连接伴奏输出，预览效果

效果： 得到一个几乎没有人声的伴奏文件

案例2：提取人声做音频处理

需求： 从歌曲中提取干净的人声用于后续处理

工作流程：

1. LoadAudioPath：选择歌曲文件
2. UVR5 Node：
   • model: "HP5_only_main_vocal.pth"
   • agg: 10
   • format0: "wav"
3. PreViewAudio：连接人声输出，检查质量

效果： 得到一个干净的人声文件

案例3：去除录音回声

需求： 处理一个有回声问题的录音

工作流程：

1. LoadAudioPath：选择有回声的录音
2. UVR5 Node：
   • model: "VR-DeEchoNormal.pth"
   • agg: 10
   • format0: "wav"
3. PreViewAudio：预听处理效果

效果： 回声明显减少，声音更清晰

7. 进阶使用技巧

7.1 批量处理技巧

虽然这个插件主要是单文件处理，但你可以：

1. 保存工作流程模板
2. 快速切换不同的音频文件
3. 使用相同的参数设置处理多个文件

7.2 质量优化建议

1. 输入音频质量：使用高质量的原始音频
2. 格式选择：处理过程中都用 wav 格式
3. 参数调节：根据具体音频调整 agg 参数
4. 模型选择：针对不同类型音频选择合适模型

7.3 与其他节点配合使用

这个插件可以和其他音频处理节点配合：

• 音频增强节点
• 音频格式转换节点
• 音频效果处理节点

8. 技术原理简单解释

这个插件使用了深度学习技术，就像训练了一个超级聪明的"音频分析师"：

1. 训练过程：用大量的歌曲和对应的人声、伴奏数据训练AI
2. 分离原理：AI学会了识别哪些频率和特征属于人声，哪些属于乐器
3. 模型差异：不同模型针对不同类型的音频进行了专门优化

9. 总结

ComfyUI-UVR5 插件是一个功能强大的音频分离工具，虽然只有3个节点，但能满足大部分音频分离需求：

主要优势：

• 多种专业模型可选
• 分离效果出色
• 操作简单直观
• 支持多种音频格式

适合使用的场景：

• 制作卡拉OK伴奏
• 提取人声素材
• 去除录音回声
• 音频后期处理
• 音乐分析研究

记住这几个要点：

1. 选择合适的模型很重要
2. agg 参数需要根据具体情况调节
3. 输入音频质量影响输出效果
4. 不同类型的音频可能需要不同的设置
5. 耐心等待处理完成，AI 需要时间

希望这个教程能帮助你轻松掌握这个实用的音频分离插件！记住多实践，每种音频都可能需要不同的设置，熟能生巧。