使用 Meta 开源的音乐分离模型 Demucs，在你自己的浏览器中把歌曲拆分成各个部分。保留伴奏用来唱卡拉OK，保留人声做清唱版，或保留全部四条音轨（鼓、贝斯、人声和其余所有声音）用来做 Remix。歌曲始终不会离开你的设备。
使用方法
- 拖入一首歌曲：MP3、WAV、M4A、FLAC，或你想要其中音轨的视频。
- 选择要保留的部分。模型只需下载一次（约 90 MB），之后会被缓存。
- 在页面中试听每个部分，然后下载为 MP3 或 WAV。
常见问题
- 我的文件会被上传吗？
- 不会。模型和所有处理都在你的浏览器中、你自己的设备上运行。你可以自行验证：打开浏览器的开发者工具（DevTools），切换到“网络”面板，然后处理一个文件——你不会看到任何上传。首次访问之后，大多数工具还可以完全离线使用。
- 分离效果有多干净？
- 效果很好，但达不到录音棚级别的纯净度。Demucs 是这类任务中最强的开源模型之一，大多数歌曲都能分离得很干净，但其他声部仍可能残留微弱的痕迹，尤其是人声上的混响，以及与人声频率重叠的镲片声。它只能依据混音后的整首歌来分离，因此无法还原在混音中被掩盖的部分。
- 需要多长时间？
- 在笔记本电脑上实测：如果有受支持的 GPU，耗时约为歌曲时长的一半（一首三分钟的歌大约一分半钟）。没有的话，就改由处理器运行，耗时约为歌曲时长的 1.8 倍，同一首歌大约需要五分钟。开始之前，页面会告诉你的设备将使用哪种方式。
- 用的是哪个模型？分离出的结果可以使用吗？
- Meta AI Research 的 HTDemucs v4，以 MIT 许可证发布，由 Meta 官方的模型检查点导出。该许可证只涵盖模型本身；歌曲仍归其版权方所有，因此从商业曲目中分离出的音轨仅供你自己练习使用，不能用于发行。