如何把歌曲拆分成分轨：从任何歌曲中提取干净的人声、鼓和贝斯

每一首完成的歌，都像一个封好的盒子。人声、鼓、贝斯和键盘，最初都在各自的音轨上。后来有人把它们混成一个立体声文件，各个独立的声部就不见了。

分轨分离能把这个盒子重新打开。你把一首歌上传到分轨分离工具，就能把它的各个声部重新拿回来，变成独立的音频文件：人声在一条音轨上，鼓在另一条，贝斯在第三条。

如今这项技术已经足以用在最重量级的唱片上。2023 年，为了完成《Now and Then》，The Beatles 背后的团队用音频分离技术，把 John Lennon 的歌声从他当年在家录的旧小样里提取出来，和他的钢琴分开。此前的尝试都失败了，因为没有人能把两者分开。

它不是魔法，也不完美。但如今，它已经足够好：一分钟做出卡拉OK伴奏，为重混提取一条干净的清唱，一个音一个音地学会一条贝斯线，或者给一首老歌重新混音。结果取决于三件由你掌控的事：你上传的文件、你选择的拆分方式，以及之后你怎么处理这些分轨。本指南会把这三点都讲清楚。

简短版：上传你手里质量最好的那一版歌曲。WAV、FLAC 或 AIFF 比 MP3 更好。要人声和伴奏，就选 2 轨；要每个主要声部，就选 6 轨。等大约一分钟。下载之前，在歌曲最密集的段落把每条分轨都独奏听一遍。每条分轨都和整首歌一样长，所以在你的 DAW 里，它们都会在 0:00 对齐。

什么是分轨？

分轨（stem）就是一首歌的某个声部，单独保存成一个音频文件。人声、鼓和贝斯是最经典的分轨。一条分轨可以只包含一件乐器，也可以包含一组相关的声部：鼓分轨就把底鼓、军鼓、踩镲和镲片放在一起。

分轨和多轨不是一回事。多轨是原始的录音音轨，往往每支话筒或每台合成器各占一条。一首现代流行歌可能有 60 条甚至更多。分轨则是把整个工程导出（bounce）成的少数几组，通常是四到八条。

你还会看到几个相关的词：

• 清唱（acapella）：只有人声。
• 伴奏：除人声以外的所有声音。
• 卡拉OK伴奏：伴奏，有时会保留和声。
• 分轨分离：从一首已完成的立体声歌曲中重新得到分轨。它也叫音轨分离、音源分离（source separation）或解混（demixing）。

如果你手上有原始工程，就不需要分轨分离工具。直接从 DAW 导出真正的分轨：它们永远比任何分离结果都干净。分轨分离是为这样的时刻准备的：工程已经找不到了，或者它从来就不属于你。

分轨分离的原理（不讲数学）

一首完成的歌只是一条波形，所有乐器都叠加在里面。你没法用 EQ 把各个声部重新分开，因为乐器之间会共用频率。底鼓和贝斯都在低频。人声和吉他共用中频。

老办法是相位抵消：把立体声声像正中间的所有声音都去掉。这样能去掉主唱，但也会把底鼓、军鼓和贝斯一起去掉，因为它们通常也在正中间。这就是为什么老式卡拉OK伴奏听起来那么单薄。

现代的分轨分离工具使用 AI 模型。模型会从成千上万首各声部已知的歌曲中学习。然后，它去听一首新歌，估算出每个声部单独听起来是什么样。

很多模型看的是频谱图：一张声音的图，从左到右是时间，从下到上是音高，亮度代表响度。对图上的每一个小点，模型都会判断其中有多少属于人声、多少属于鼓，依此类推。也有模型直接处理波形本身，而最强的系统会同时利用这两种视角。

研究人员用 SDR（信号失真比，signal-to-distortion ratio）给结果打分，单位是分贝。SDR 会把你想要的声部，和分轨里所有不对的东西做比较：串音、伪影和缺失的声音。数值越高越好，每提高 3 dB，误差大约减半。在 Music Demixing Challenge 2021 中，最好的系统平均得分 8.3 dB。两年后，Sound Demixing Challenge 2023 的冠军得分接近 10 dB，人声更是超过 11 dB。

分数并不能说明一切。在 2023 年的比赛中，专业工程师还用耳朵比较了各个系统，而他们最喜欢的那个，按分数只排第三。你的耳朵才是最后的检验，本指南会告诉你怎么用好它们。

模型拿不准的时候，你是听得出来的。常见的错误有两种：

• 串音：另一个声部的一点声音漏进了这条分轨。你会在人声里听到若隐若现的踩镲，或者在吉他里听到一丝人声。
• 伪影：声音变得像带着水声、有金属感，或者像“泡在水里”，大多出现在音符之间的空隙里。这是因为模型在那里去掉了太多，或者没能判断某个声音该归哪个声部。

声部重叠得越厉害，这两种问题就越严重：比如两件音域相同的乐器同时演奏。在这些地方，模型只能把声音在几条分轨之间分摊。很多模型还会把整个混音的时间细节（也就是它的相位）原样用在每一条分轨上；在两个声音重叠的地方，正是这借来的相位，让分轨听起来有水声感和相位感。

混响是最难处理的情况。混响尾音属于人声，但它会漫过其他所有声音，所以模型必须决定把它分到哪里。

2 轨、6 轨还是更多：你需要哪种拆分方式？

分轨并不是越多越好。根据你想做的东西来选择拆分方式：

• 卡拉OK或伴奏：选 2 轨。你会得到人声和伴奏。
• 用于重混的清唱：要完整人声，选 2 轨。想要更干净的主唱，就选 6 轨，再用上主唱与和声的拆分。
• 学某个声部或跟着弹：选 6 轨。把你的乐器静音，自己来弹这个声部。
• 鼓 loop 和翻做 beat：选 6 轨，并把整套鼓拆开。
• MIDI 和扒谱：选 6 轨。单件乐器转成 MIDI，效果比整首混音好得多。
• 给整首歌重新混音：选 6 轨，并用上所有进一步拆分的结果，让每个声部都有自己的推子。

在 LoopMastering 的 Stem Splitter 里，6-Stems 会分出人声、鼓、贝斯、吉他、钢琴和其他。“其他”包含前五条之外的所有声音，例如合成器、弦乐、铺底音色和风琴。2-Stems 会分出人声和伴奏。伴奏就是人声以外的一切，所以不会有吉他或合成器在这两个文件之间丢失。

接着，Stem Splitter 会再听一遍，把歌曲里实际有的声部继续拆开：

• 人声拆成主唱与和声。
• 鼓拆成底鼓、军鼓、通鼓，以及踩镲与镲片。
• 吉他在歌曲两种都有时，拆成木吉他和电吉他。
• 其他在歌曲有铜管组时，拆成铜管和其余部分。

没有铜管的歌，不会多出一条空的铜管音轨。而且声部之间不会丢失任何东西：进一步拆分出的各部分，加起来正好等于它们所属的那条分轨。把鼓的各部分重新合在一起，你就又得到了完整的鼓分轨。能加回去不等于完美，所以每个部分还是要用耳朵检查。但继续往下拆分时，不会有任何声音消失。

下面是我们 Stem Splitter 页面上演示的一次真实拆分：Astari Nite 的《The Boy Who Tried》。这首歌没有通鼓，所以鼓只拆成了底鼓、军鼓和镲片。

想要最干净的分轨：先从最好的文件开始

模型只能分离文件里本来就有的东西。你上传的文件对结果的影响比什么都大，而它也是最容易做对的一环。

尽量使用无损文件

WAV、FLAC 和 AIFF 会保留全部音频。MP3、AAC 和大多数流媒体音频会丢掉编码器认为你听不出来的细节。但恰恰是这些细微的细节，能帮助模型分辨两个声部。有损编码还会让声音在时间上稍微变糊，模型随后又会把这种模糊分摊到各条分轨上。

如果你只有 MP3，就用码率最高的版本，例如 320 kbps。不要先把 MP3 转成 WAV。WAV 文件会更大，但丢掉的细节回不来。

使用歌曲的原始版本

拆分专辑版或单曲版。避开“降速 + 混响”（slowed + reverb）版、加速版、“8D 音频”、低音增强版，以及用手机对着音箱录下来的版本。这些版本都会加入混响、失真或噪声，把各个声部粘在一起。

先别处理文件

直接上传歌曲原样。不要给它做 EQ、压缩、“增强”，也不要把它调响。额外的处理会同时改变所有声部，还经常带来不属于任何乐器的失真。

选压得没那么狠的版本

又密又响的母带，分离效果比通透、动态大的母带差。重度限幅会填满每一个空隙，硬削波会把峰值变成失真，而模型没法把这种失真还给某一个声部。如果一首歌有不止一个版本，就拆分没那么响的那个。如果是你自己的歌，就拆分没加限幅器的预母带（premaster），而不是那个很响的母带。

老的单声道录音和现场录音也能拆分，但串音会更多：模型用来区分各个声部的线索更少。

Stem Splitter 支持 MP3、WAV、FLAC、AIFF、M4A 和 AAC 文件，以及 MP4 或 MOV 等视频。

哪些分得好，哪些还很难

按声部来调整你的预期：

• 通常非常干净：主唱和鼓。它们的特征鲜明、清晰，模型学习它们的样本也最多。
• 扎实，但有时发闷：贝斯。低音部分出来得很好。但贝斯明亮的边缘感和拨弦声，与吉他、底鼓共享同一段空间，所以分离出来的贝斯可能比原曲听起来更闷。
• 通常不错：钢琴和吉他，前提是它们在歌曲里担任不同的角色。
• 更难：音域相同、演奏同一条旋律的两件乐器，例如和合成器齐奏同一条线的吉他，或者在同样的低音上一起响的底鼓和 808。和主唱贴得非常近的和声。压在密集镲片上的失真吉他。大混响、合唱团和福音式的多层人声。很重的人声效果，例如声码器和失真。
• 其他：所有没有专属分轨的声音都会归到这里，例如合成器铺底、弦乐、风琴和音效。

这份清单不是说“别试了”。它的意思是：如果某条分轨听起来比较粗糙，这首歌很可能属于较难的那一类，而下面的修正方法能帮上忙。

两分钟检查你的分轨

别凭前十秒就给分离结果下结论，因为大多数前奏都很好分。按下面的方法检查：

1. 在最响的副歌里，把每条分轨都独奏听一遍。那里声部重叠最多，所以问题会最先在那里暴露。
2. 然后听安静的段落：前奏、breakdown 段落和淡出部分。伪影在空隙里最容易听出来。
3. 留意串音（若隐若现的其他声部）和伪影（带水声或金属感的声音）。
4. 把人声静音，听剩下的部分。伴奏里残留的人声影子，是卡拉OK伴奏最常见的问题。
5. 把分轨放回整体里听。分轨放在混音里几乎总是比独奏时好听，而且其他声部一响起来，一点点串音往往就听不出来了。

检查的严格程度要看用途。卡拉OK和练习可以容忍一点串音。要发行的重混，或者用在你 beat 里的采样，就需要更干净的分轨。

独奏检查用耳机，放回整体里检查用音箱。在 Stem Splitter 里，歌曲播放时你可以独奏或静音任意一条分轨。

如何在 DAW 里修正串音和伪影

小问题只需要小修正。如果一条分轨需要串上十个插件才能救回来，不如换一个更好的源文件，或者换一种拆分方式。

• 清唱里有低频轰鸣：在大约 80 到 100 Hz 加一个高通滤波器，就能去掉人声下面大部分的底鼓和贝斯。
• 乐句之间有杂音：用温和的噪声门或扩展器把空隙关上。释放时间设慢一点，这样字尾才能保留下来。
• 轻微的水声伪影：在重混里给清唱加一点混响或延迟，就能把它们藏起来。
• 贝斯里有踩镲：在贝斯分轨上加一个低通滤波器就能去掉。
• 贝斯发闷：用 EQ 稍微提一点中高频，或加一点温和的饱和，让贝斯在小音箱上也听得出来。或者把贝斯转成 MIDI，用你自己的音色重新弹这条线。
• 镲片有水声：不要提升高频。提升只会让伪影更明显。不如把镲片在混音里放低一点。
• 底鼓和军鼓无力或发糊：用底鼓和军鼓的分轨去触发鼓采样，或者把鼓转成 MIDI，用你自己的鼓组来演奏。
• 伴奏里有人声残影：在那一段把中高频稍微压低一点，或者让你新录的人声把它盖住。

分轨能拿来做什么

卡拉OK与伴奏

选择 2-Stems，下载伴奏。或者选择 6-Stems，把主唱静音、保留和声，这样你就能跟着原曲真实的和声一起唱。在 Stem Splitter 里，“下载此混音”会把你听到的内容存成一个文件，不包含你静音的分轨。

如果这首歌对你的嗓音来说太高或太低，练习时可以把它移到你的调上，或者把它放慢。下载时可以保持原来的调性和速度，也可以按新的调性和速度下载。

想快速得到清唱和伴奏，也可以用免费人声分离工具。

清唱、重混和混搭

你需要知道调性和速度。Stem Splitter 两者都会显示：调性附带 Camelot 编码，方便做和声混音（harmonic mixing），还有 BPM。把工程设成这首歌的速度，把清唱放在第 1 小节，它就会对齐。由现场乐队演奏的歌，速度会有浮动，这类歌就用 DAW 的 warp 或速度轨（tempo map）功能。

做重混用的人声时，单独的主唱部分往往比完整的人声分轨更干净。只在你需要的地方把和声加回来。

DJ Edit 版本

现在大多数 DJ 软件都能实时分离分轨，这对即兴发挥很有用。但实时分轨是你演出时由笔记本电脑现场算出来的，而 Digital DJ Tips 发现，它们的效果始终比不上提前准备好的分轨。到了关键时刻，比如用清唱开场，或者只留鼓的结尾，最好在家里先把歌拆好、检查分轨，再把文件带去演出。

练习和学习

把你的乐器静音，跟着乐队弹这个声部。把它独奏出来，学会每一个音。把歌放慢而不改变音高，或者把它移到你的调上。

Stem Splitter 的节拍器会跟随歌曲的拍子，并带有一到两小节的预备拍。现场鼓手的速度忽快忽慢时，节拍声也会跟着鼓手走。你还可以把节拍音轨导出为 WAV。

MIDI 和扒谱

扒单件乐器比扒整首混音容易得多。把贝斯独奏出来，贝斯线就清清楚楚地摆在那里。Stem Splitter 能把贝斯、钢琴、吉他、人声和鼓的分轨转成 MIDI 音符，你可以直接拖进 DAW。MIDI 要用耳朵检查：它能让你快速起步，但不是一份完成的乐谱。想把整首歌转成 MIDI，可以试试音频转 MIDI。

采样

有了分轨，你就能单独取出一段鼓 break 或一下和弦 stab，上面不会压着歌曲的其他部分。从别人的唱片里取的采样，发行之前需要先取得授权。下文会详细说明。

为你自己的老歌重新混音

一首老歌的工程丢了？把立体声 bounce 拆分开，用在线混音给这些分轨做一个新混音，再把这个混音送去做母带。一首你以为早已彻底完成的歌，就这样有了新版本。

如何在 DAW 里使用分轨

• 对齐：每条分轨都和歌曲等长，并从同一时间点开始。把它们全部放在 0:00，就会同步播放。
• 匹配采样率：WAV 分轨是 44.1 kHz。用 44.1 kHz 的工程，或者让 DAW 在导入时转换文件。
• 干活用 WAV：剪辑和混音用 24-bit WAV。练习和快速分享用 MP3 或 M4A 就够了。
• 设置速度：输入 BPM，再拿网格和鼓对照检查。如果速度有浮动，就对分轨做 warp。
• 给音轨命名和上色：一个有十二条分轨的工程，很快就会让人眼花缭乱。

把歌曲拆分成分轨合法吗？

拆分一首歌，并不会改变它归谁所有。每首歌都有两套权利：录音的权利，通常归唱片公司所有；词曲作品的权利，通常归词曲作者及其音乐出版商所有。各国法律不尽相同，本文也不构成法律建议。但大致的规则很清楚：

• 通常没问题：你自己的歌、你已获得授权的音乐，以及用于私人练习或学习的分轨。
• 需要两方权利人都许可：发行重混、使用原版伴奏的翻唱，或者采样别人的录音。上传到流媒体平台和开通收益的视频也是一样。
• 没有“够短”的采样：并不存在一个秒数，短于它的采样就可以放心发行。
• 免费也算传播：在网上免费发布重混，依然属于发行。

官方分轨包和重混比赛是最省事的入门方式，因为文件本身就附带了许可。请只分离你有权使用的音乐，或者只把分轨用于私人练习。在 LoopMastering 上，你上传的内容始终保持私密。

分轨分离快速检查清单

最好的源文件：歌曲的原始版本，如果有的话，用 WAV、FLAC 或 AIFF。

合适的拆分：要人声和伴奏选 2 轨，要每个主要声部选 6 轨，鼓组和多层人声再用上进一步拆分。

用耳朵检查过：你在副歌和安静段落里把每条分轨都独奏听过了。

轻度清理：一个滤波器、一个噪声门或一处小小的 EQ 衰减，而不是一整串修复插件。

已对齐：每条分轨都从 0:00 开始，工程速度与歌曲一致。

权利：这是你自己的歌、你已获得许可，或者分轨只用于私人练习。

分轨分离常见问题

在 LoopMastering 上分离分轨免费吗？

是的。无需账户，你就可以免费分离歌曲，并在浏览器中试听每条分轨。如需下载分轨，请开通 Unlimited，或单独购买这首歌。

分离一首歌需要多长时间？

大多数歌曲约一分钟即可完成，九成歌曲不到两分钟。你可以离开页面，分轨准备好后，我们可以发邮件通知你。

一首歌最多能分出多少条分轨？

六条主要分轨。加上进一步拆分，一首歌最多可得到 16 条音轨：六条主要分轨，外加主唱与和声、底鼓、军鼓、通鼓、踩镲与镲片、木吉他与电吉他，以及铜管和“其他（不含铜管）”。只有歌曲里有相应声部时，才会出现对应的进一步拆分。

分轨加起来能还原原曲吗？

2 轨可以。伴奏就是原曲减去人声，所以两个文件合在一起就能还原整首歌。进一步拆分也是同样的道理：鼓的各部分加起来等于鼓分轨，人声的各部分加起来等于人声分轨。六条主要分轨是六个各自独立的估算结果，所以合在一起会非常接近原曲，但不一定完全一致。而且加起来能对上，并不能证明每条分轨都是干净的，所以每一条还是要用耳朵检查。

为什么我的人声分轨听起来有水声？

因为模型拿不准某些声音该归哪个声部。常见原因有混响、有损的源文件，或者有别的声部和人声处在同一音域。试试无损文件，试试主唱部分，再在混音里加一点混响，把轻微的伪影藏起来。

为什么我的贝斯分轨听起来发闷？

贝斯的低音部分很好分离。但它明亮的边缘感，比如拨弦的声音或合成器贝斯的嗡嗡声，与吉他、键盘和底鼓共享同一段空间，于是有一部分边缘感被分到了其他分轨里。用 EQ 稍微提一点中高频，或加一点温和的饱和，把边缘感找回来。或者把贝斯转成 MIDI，用你自己的音色重新弹这条线。

能分离出完美的清唱吗？

能很接近，但不一定和录音室里的原始人声完全一样。干净的流行或嘻哈人声，分出来可以非常接近原版。混响大、和声密的歌，串音会更多。

应该上传 WAV 还是 MP3？

有 WAV、FLAC 或 AIFF 就用它们。MP3 也可以，但分轨的质量取决于文件本身的质量。

可以分离视频里的音频吗？

可以。上传 MP4 或 MOV 文件，Stem Splitter 会从中提取音频。

之后可以对分轨做混音或母带吗？

可以。把分轨上传到“混音”，得到成品混音后，再把混音送去做母带。两者都是 LoopMastering 的一部分。我们的指南如何用分轨为歌曲混音会讲解每一个步骤。

拿一首你熟悉的歌试试

想知道分轨分离能做到什么程度，最好的办法就是拿一首你烂熟于心的歌来听。把它上传到 Stem Splitter，点开各个声部，然后在副歌里把人声独奏出来。

简短版：从你手里最好的文件开始，选择符合目标的拆分方式，在歌曲最密集的地方检查每条分轨，用小工具解决小问题，再把所有分轨在 0:00 对齐。这样，你就能从一首完成的歌里得到干净的分轨。