从0到1用免费本地AI音频分离插件给Audacity装上一颗分离大脑【免费下载链接】openvino-plugins-ai-audacityA set of AI-enabled effects, generators, and analyzers for Audacity®.项目地址: https://gitcode.com/gh_mirrors/op/openvino-plugins-ai-audacity如果你也想过不花一分钱、不把音频传上网就在自己的电脑上完成专业的AI音频分离——把一首歌的人声、鼓点、贝斯、伴奏干干净净地拆开——那么 OpenVINO AI Plugins for Audacity 这套免费开源的插件就是为你准备的。它专为 Audacity 音频编辑器而生让没有专业设备、没有剪辑经验的普通用户也能在家里的电脑上轻松完成过去只有付费软件才能做到的事。一场生日派对让我第一次认真找伴奏事情发生在朋友生日前一周。他想在派对上唱一首歌但死活找不到无原唱的伴奏版。我在网上翻了半天搜索结果不是要注册付费就是要把音频上传到某个云端处理平台。一想到要上传朋友喜欢的歌到陌生服务器我心里就犯嘀咕——万一流出去怎么办而且传一首、等一会儿、再下载回来来回折腾效果还常常差强人意。直到一个做音频的朋友丢给我一句你装个 Audacity再加个免费的开源插件人声和伴奏在你电脑本地就能分开。说实话我当时半信半疑。免费、本地、还分离得专业听起来像天方夜谭。说白了它就是给Audacity请了一位拆音轨的AI师傅先花一句话讲清楚这东西到底是干嘛的。Audacity 是一款免费的音频编辑软件而 OpenVINO AI Plugins for Audacity 是它的AI增强插件包。其中最有代表性的功能就是音乐分离它能把一首已经混音好的歌拆成鼓、贝斯、人声、其他乐器这几条独立的音轨。你可以这样理解一首歌的混音就像一锅把各种食材炖在一起的汤人声、鼓点、贝斯全都融进了同一锅。而这个插件就是一位会反向拆解的厨师能把汤重新分回食材——它靠的是 Meta 开源的 Demucs v4 模型再经由英特尔的 OpenVINO 工具包加速运行。整个推理过程 100% 在你自己的电脑上完成不用联网不用担心隐私唯一的成本是你机器上的一块 CPU 或 GPU。我的第一次从下载到分离出第一版伴奏安装比我想象中简单。我先把 Audacity 装好然后去项目 Releases 页面下载插件包把里面的mod-openvino.dll文件复制进 Audacity 的 Plug-Ins 目录Windows 下通常在安装目录里。重启 Audacity 后打开编辑 → 偏好设置 → 模块把列表里的mod-openvino从已禁用改成已启用再重启一次就生效了。全程不超过五分钟。接着就是最激动人心的部分。我导入那首歌用鼠标框选了想处理的那一段然后从菜单栏找到效果 → OpenVINO AI Effects → OpenVINO Music Separation。弹出的设置窗口里有两个关键选项分离模式Separation Mode和推理设备OpenVINO Inference Device。我的目的很明确——做卡拉OK伴奏人声和伴奏分开就够了所以我选了2-Stem模式它会生成乐器人声两条新音轨。设备这里我一开始选的 CPU因为我的电脑没有独立显卡求稳。点击 Apply 之后弹出一个加载窗口。第一次运行时大约等了二三十秒这期间插件要把模型针对我的 CPU 单独编译一次属于正常现象编译好的模型会缓存到磁盘上以后再跑就快多了。等进度条走完音轨栏里果然多出了两条新轨道——一条叫乐器一条叫人声。我把耳机戴上按下播放键人声轨道里只剩干净的歌声伴奏轨道里则是完整的背景音乐几乎没有串音。那一刻我真的很惊喜。过去要花几十块甚至上百块买服务才能得到的分离效果现在免费、本地、一键完成。朋友生日那天伴奏放出来全场跟着唱效果出奇的好。如果你换一个需求该怎么选体验完第一版我开始琢磨如果我换一种需求这些选项该怎么调这也是我觉得这个插件做得体贴的地方——它给不同的人留了不同的路。比如你做卡拉OK伴奏2-Stem 就够了两条音轨清爽利落但如果你是个想做混音的音乐爱好者那就值得试试 4-Stem 模式它会一次性拆出鼓、贝斯、人声和其他乐器四条轨道你可以单独调整每条轨道的音量甚至重新编曲。这就好比做菜2-Stem 是荤素分开4-Stem 是连调料都给你分好盘。再比如设备选择。CPU 就像骑自行车哪里都能去速度中规中矩如果你有独立显卡GPU 就像开车处理速度快上好几倍尤其处理三四分钟的完整歌曲时差别特别明显。现在一些新款硬件还支持 NPU能效比更高适合长时间挂着批量处理。我第一次用 CPU 跑了首歌又换到别人的独显上试了一次速度差距让我立刻理解了硬件加速四个字的分量。还有一个藏在高级选项里的参数叫 Shifts它代表 AI 模型把音频重复处理多少遍再综合结果。你可以把它想象成校对文章校对一遍能发现大部分错别字校对四遍更稳妥但时间也会成倍增加。日常试听 Shifts 设成 1 或 4 就够做最终成品时再考虑更高的值毕竟处理时间是跟着它线性增长的。几个过来人才知道的坑作为刚趟过一遍水的人有几个经验我想直接塞给你省得你走弯路。第一第一次运行慢千万别慌。它需要下载模型、再把模型针对你的设备编译一次等上几十秒甚至更久都是正常的缓存好了之后第二次就是秒开。第二处理长音频时注意内存。插件跑在本地很吃内存一首五六分钟的歌通常没事但如果你一次性丢进一段很长的录音建议先切成 5 到 10 分钟的片段分别处理同时关掉后台那些占内存的浏览器标签页。第三源文件尽量用 WAV 或 FLAC 这种无损格式分离完再转成 MP3音质损失最小——这和你拍照先拍 RAW 再导出是一个道理。第四分离结果别急着删原始音轨留着对比你会发现 AI 的耳朵偶尔也会走神多听几遍再决定用哪一版。想再往前一步你可以试试这些熟悉了音乐分离你大概就摸到了这个插件的脾气它把复杂模型封装成了几个简单选项剩下的交给你的耳朵。顺着这个思路你还可以试试它的其他本事——给播客录音去噪的智能降噪用的是 DeepFilterNet 系列模型、把会议录音转成文字稿的语音转录基于 Whisper、甚至用一句文字描述直接生成一段音乐基于 MusicGen。它们都藏在你熟悉的 Audacity 菜单里操作逻辑和音乐分离一脉相承上手几乎零成本。想深入了解可以翻翻项目里的功能文档doc/feature_doc/想研究音乐分离的实现细节对应的核心源码在mod-openvino/目录下比如htdemucs.cpp。想自己动手编译或看完整代码也可以把仓库克隆到本地慢慢看https://gitcode.com/gh_mirrors/op/openvino-plugins-ai-audacity。说到底这个项目最打动我的地方是它把专业级的能力真正交到了普通人手里——免费、本地、离线可用没有订阅没有上传隐私和数据始终在你自己的硬盘上。别犹豫了挑一首你最喜欢的歌亲手把它的伴奏拆出来试试。当那条干净的伴奏音轨在 Audacity 里亮起来的时候你会和我一样忍不住想找下一首歌继续玩。【免费下载链接】openvino-plugins-ai-audacityA set of AI-enabled effects, generators, and analyzers for Audacity®.项目地址: https://gitcode.com/gh_mirrors/op/openvino-plugins-ai-audacity创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 从0到1，用免费本地AI音频分离插件给Audacity装上一颗“分离大脑“
从0到1用免费本地AI音频分离插件给Audacity装上一颗分离大脑【免费下载链接】openvino-plugins-ai-audacityA set of AI-enabled effects, generators, and analyzers for Audacity®.项目地址: https://gitcode.com/gh_mirrors/op/openvino-plugins-ai-audacity如果你也想过不花一分钱、不把音频传上网就在自己的电脑上完成专业的AI音频分离——把一首歌的人声、鼓点、贝斯、伴奏干干净净地拆开——那么 OpenVINO AI Plugins for Audacity 这套免费开源的插件就是为你准备的。它专为 Audacity 音频编辑器而生让没有专业设备、没有剪辑经验的普通用户也能在家里的电脑上轻松完成过去只有付费软件才能做到的事。一场生日派对让我第一次认真找伴奏事情发生在朋友生日前一周。他想在派对上唱一首歌但死活找不到无原唱的伴奏版。我在网上翻了半天搜索结果不是要注册付费就是要把音频上传到某个云端处理平台。一想到要上传朋友喜欢的歌到陌生服务器我心里就犯嘀咕——万一流出去怎么办而且传一首、等一会儿、再下载回来来回折腾效果还常常差强人意。直到一个做音频的朋友丢给我一句你装个 Audacity再加个免费的开源插件人声和伴奏在你电脑本地就能分开。说实话我当时半信半疑。免费、本地、还分离得专业听起来像天方夜谭。说白了它就是给Audacity请了一位拆音轨的AI师傅先花一句话讲清楚这东西到底是干嘛的。Audacity 是一款免费的音频编辑软件而 OpenVINO AI Plugins for Audacity 是它的AI增强插件包。其中最有代表性的功能就是音乐分离它能把一首已经混音好的歌拆成鼓、贝斯、人声、其他乐器这几条独立的音轨。你可以这样理解一首歌的混音就像一锅把各种食材炖在一起的汤人声、鼓点、贝斯全都融进了同一锅。而这个插件就是一位会反向拆解的厨师能把汤重新分回食材——它靠的是 Meta 开源的 Demucs v4 模型再经由英特尔的 OpenVINO 工具包加速运行。整个推理过程 100% 在你自己的电脑上完成不用联网不用担心隐私唯一的成本是你机器上的一块 CPU 或 GPU。我的第一次从下载到分离出第一版伴奏安装比我想象中简单。我先把 Audacity 装好然后去项目 Releases 页面下载插件包把里面的mod-openvino.dll文件复制进 Audacity 的 Plug-Ins 目录Windows 下通常在安装目录里。重启 Audacity 后打开编辑 → 偏好设置 → 模块把列表里的mod-openvino从已禁用改成已启用再重启一次就生效了。全程不超过五分钟。接着就是最激动人心的部分。我导入那首歌用鼠标框选了想处理的那一段然后从菜单栏找到效果 → OpenVINO AI Effects → OpenVINO Music Separation。弹出的设置窗口里有两个关键选项分离模式Separation Mode和推理设备OpenVINO Inference Device。我的目的很明确——做卡拉OK伴奏人声和伴奏分开就够了所以我选了2-Stem模式它会生成乐器人声两条新音轨。设备这里我一开始选的 CPU因为我的电脑没有独立显卡求稳。点击 Apply 之后弹出一个加载窗口。第一次运行时大约等了二三十秒这期间插件要把模型针对我的 CPU 单独编译一次属于正常现象编译好的模型会缓存到磁盘上以后再跑就快多了。等进度条走完音轨栏里果然多出了两条新轨道——一条叫乐器一条叫人声。我把耳机戴上按下播放键人声轨道里只剩干净的歌声伴奏轨道里则是完整的背景音乐几乎没有串音。那一刻我真的很惊喜。过去要花几十块甚至上百块买服务才能得到的分离效果现在免费、本地、一键完成。朋友生日那天伴奏放出来全场跟着唱效果出奇的好。如果你换一个需求该怎么选体验完第一版我开始琢磨如果我换一种需求这些选项该怎么调这也是我觉得这个插件做得体贴的地方——它给不同的人留了不同的路。比如你做卡拉OK伴奏2-Stem 就够了两条音轨清爽利落但如果你是个想做混音的音乐爱好者那就值得试试 4-Stem 模式它会一次性拆出鼓、贝斯、人声和其他乐器四条轨道你可以单独调整每条轨道的音量甚至重新编曲。这就好比做菜2-Stem 是荤素分开4-Stem 是连调料都给你分好盘。再比如设备选择。CPU 就像骑自行车哪里都能去速度中规中矩如果你有独立显卡GPU 就像开车处理速度快上好几倍尤其处理三四分钟的完整歌曲时差别特别明显。现在一些新款硬件还支持 NPU能效比更高适合长时间挂着批量处理。我第一次用 CPU 跑了首歌又换到别人的独显上试了一次速度差距让我立刻理解了硬件加速四个字的分量。还有一个藏在高级选项里的参数叫 Shifts它代表 AI 模型把音频重复处理多少遍再综合结果。你可以把它想象成校对文章校对一遍能发现大部分错别字校对四遍更稳妥但时间也会成倍增加。日常试听 Shifts 设成 1 或 4 就够做最终成品时再考虑更高的值毕竟处理时间是跟着它线性增长的。几个过来人才知道的坑作为刚趟过一遍水的人有几个经验我想直接塞给你省得你走弯路。第一第一次运行慢千万别慌。它需要下载模型、再把模型针对你的设备编译一次等上几十秒甚至更久都是正常的缓存好了之后第二次就是秒开。第二处理长音频时注意内存。插件跑在本地很吃内存一首五六分钟的歌通常没事但如果你一次性丢进一段很长的录音建议先切成 5 到 10 分钟的片段分别处理同时关掉后台那些占内存的浏览器标签页。第三源文件尽量用 WAV 或 FLAC 这种无损格式分离完再转成 MP3音质损失最小——这和你拍照先拍 RAW 再导出是一个道理。第四分离结果别急着删原始音轨留着对比你会发现 AI 的耳朵偶尔也会走神多听几遍再决定用哪一版。想再往前一步你可以试试这些熟悉了音乐分离你大概就摸到了这个插件的脾气它把复杂模型封装成了几个简单选项剩下的交给你的耳朵。顺着这个思路你还可以试试它的其他本事——给播客录音去噪的智能降噪用的是 DeepFilterNet 系列模型、把会议录音转成文字稿的语音转录基于 Whisper、甚至用一句文字描述直接生成一段音乐基于 MusicGen。它们都藏在你熟悉的 Audacity 菜单里操作逻辑和音乐分离一脉相承上手几乎零成本。想深入了解可以翻翻项目里的功能文档doc/feature_doc/想研究音乐分离的实现细节对应的核心源码在mod-openvino/目录下比如htdemucs.cpp。想自己动手编译或看完整代码也可以把仓库克隆到本地慢慢看https://gitcode.com/gh_mirrors/op/openvino-plugins-ai-audacity。说到底这个项目最打动我的地方是它把专业级的能力真正交到了普通人手里——免费、本地、离线可用没有订阅没有上传隐私和数据始终在你自己的硬盘上。别犹豫了挑一首你最喜欢的歌亲手把它的伴奏拆出来试试。当那条干净的伴奏音轨在 Audacity 里亮起来的时候你会和我一样忍不住想找下一首歌继续玩。【免费下载链接】openvino-plugins-ai-audacityA set of AI-enabled effects, generators, and analyzers for Audacity®.项目地址: https://gitcode.com/gh_mirrors/op/openvino-plugins-ai-audacity创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考