前言¶
手上有一首 MP3 或一段 MP4，想去掉人声做伴奏、或者单独把人声提出来，常见做法是找在线工具。在线工具的问题很具体：要把文件传到别人的服务器，有时长和格式限制，输出可能带水印，批量处理还得按次付费。这个 Skill 把这件事放到本地做，基于开源引擎 audio-separator（与 UVR5 同款），输入一个音视频文件，输出伴奏和人声两条分轨，全程不离开本机。
这是什么¶
「音频视频人声分离」是一个本地离线的人声分离 Skill，坐标 @user_2d1faf6c/vocal-remover，由社区开发者 user_2d1faf6c 发布维护，当前版本 1.0.3，分类 design-media，来源标记为 community。它解决的问题是：给一个音频或视频文件，自动分离人声与音乐，产出 instrumental（伴奏）和 vocals（人声）两条音轨；对视频文件，还能抽掉原声音轨后合成一条去人声版的新视频。从 v1.0.0 起，它被发布并归档到默认乐享知识库《7.workbuddy.skill》。
核心功能¶
下面介绍的功能均来自官方页面简介，已逐条核对：
- 音频人声分离：从音频中提取或去除人声，输出伴奏与人声两条分轨。
- 视频处理：支持从视频中抽取音轨做分离，并合成去除人声后的新视频。
- 本地离线运行：处理过程在本地完成，不依赖在线服务上传下载。
- GPU 自动加速：自动检测本机 GPU，检测到即启用加速。
- 模型自动下载与缓存：内置四个模型，首次使用时自动下载（走国内加速通道），之后复用本地缓存，无需重复下载。
- 免费：标签显示
requires_api_key=false，不需要 API key，也不需要按次付费。
安装与启用¶
说明一点：官方页面 https://api.skillhub.cn/user_2d1faf6c/vocal-remover 和 SkillHub 展示页本次均无法访问，已抓取的资料中没有给出具体的安装命令、目录结构或配置文件字段，因此这里不写未经核实的命令。可核实的信息是：该 Skill 遵循通用 SKILL.md 格式，v1.0.0 起归档于默认乐享知识库《7.workbuddy.skill》，当前版本 1.0.3。需要安装时，建议直接打开官方地址查看最新说明，或在知识库中检索「音频视频人声分离」。
典型用法¶
该 Skill 以自然语言请求触发。当用户提出下列说法之一时使用：
- 「去掉人声」「提取伴奏」「人声分离」
- 「做卡拉OK版」「把这段音乐的人声去掉」
- 英文的「vocal removal」「karaoke」「stem separation」
- 直接给出一个音视频文件，要求分离人声与音乐
也就是说，使用时把文件路径和诉求一起说明即可，例如告诉 Skill 「把这首 MP3 的人声去掉，要伴奏和人声两轨」，或者「把这段视频的人声去掉，输出一条去人声的视频」。具体的参数和输出文件命名以 Skill 运行后的返回为准。
适用场景与注意¶
适合谁：需要在本地批量做伴奏提取、卡拉OK 制作、素材人声分离的开发者；对文件隐私有要求、不希望把音频上传到第三方服务的场合；以及希望一次配置后离线复用、不按次付费的场景。
需要注意的几点：
- 首次运行要下载模型。四个模型首次使用时自动下载，走国内加速，但需要联网；之后走本地缓存。首次处理建议预留下载时间。
- GPU 是加分项不是前提。Skill 会自动检测 GPU，检测不到就走 CPU 运行，速度会明显慢于 GPU 环境，大批量任务前建议先确认检测结果。
- 分离效果依赖音源。audio-separator 是通用开源引擎，对混音复杂、人声与乐器频段重叠多的文件，分离结果会有残留，这是引擎本身的限制，不是配置问题。
- 视频处理多一步合成。视频场景是抽音轨、分离、再合成去人声视频，输出文件体积和时长与原片一致，注意磁盘空间。
- 安装数据参考。抓取到的页面资料显示评分 100000、下载 1089、安装 0，安装数为 0 说明该 Skill 尚未被广泛部署，遇到问题时可参考 UVR5 / audio-separator 的社区资料排查。
结尾¶
这个 Skill 的价值在于把人声分离这件事做成了一条本地命令：不需要上传、不需要 API key、不需要按次付费，模型下载一次之后离线复用。它覆盖了从音频到视频、从提取人声到去除人声的完整链路，对要做伴奏和卡拉OK 素材的开发者来说是现成的工具。官方地址：https://api.skillhub.cn/user_2d1faf6c/vocal-remover 。
