前言¶
手上有一首 MP3 或一段 MP4，想去掉人聲做伴奏、或者單獨把人聲提出來，常見做法是找在線工具。在線工具的問題很具體：要把文件傳到別人的服務器，有時長和格式限制，輸出可能帶水印，批量處理還得按次付費。這個 Skill 把這件事放到本地做，基於開源引擎 audio-separator（與 UVR5 同款），輸入一個音視頻文件，輸出伴奏和人聲兩條分軌，全程不離開本機。
這是什麼¶
「音頻視頻人聲分離」是一個本地離線的人聲分離 Skill，座標 @user_2d1faf6c/vocal-remover，由社區開發者 user_2d1faf6c 發佈維護，當前版本 1.0.3，分類 design-media，來源標記爲 community。它解決的問題是：給一個音頻或視頻文件，自動分離人聲與音樂，產出 instrumental（伴奏）和 vocals（人聲）兩條音軌；對視頻文件，還能抽掉原聲音軌後合成一條去人聲版的新視頻。從 v1.0.0 起，它被髮布並歸檔到默認樂享知識庫《7.workbuddy.skill》。
核心功能¶
下面介紹的功能均來自官方頁面簡介，已逐條覈對：
- 音頻人聲分離：從音頻中提取或去除人聲，輸出伴奏與人聲兩條分軌。
- 視頻處理：支持從視頻中抽取音軌做分離，併合成去除人聲後的新視頻。
- 本地離線運行：處理過程在本地完成，不依賴在線服務上傳下載。
- GPU 自動加速：自動檢測本機 GPU，檢測到即啓用加速。
- 模型自動下載與緩存：內置四個模型，首次使用時自動下載（走國內加速通道），之後複用本地緩存，無需重複下載。
- 免費：標籤顯示
requires_api_key=false，不需要 API key，也不需要按次付費。
安裝與啓用¶
說明一點：官方頁面 https://api.skillhub.cn/user_2d1faf6c/vocal-remover 和 SkillHub 展示頁本次均無法訪問，已抓取的資料中沒有給出具體的安裝命令、目錄結構或配置文件字段，因此這裏不寫未經覈實的命令。可覈實的信息是：該 Skill 遵循通用 SKILL.md 格式，v1.0.0 起歸檔於默認樂享知識庫《7.workbuddy.skill》，當前版本 1.0.3。需要安裝時，建議直接打開官方地址查看最新說明，或在知識庫中檢索「音頻視頻人聲分離」。
典型用法¶
該 Skill 以自然語言請求觸發。當用戶提出下列說法之一時使用：
- 「去掉人聲」「提取伴奏」「人聲分離」
- 「做卡拉OK版」「把這段音樂的人聲去掉」
- 英文的「vocal removal」「karaoke」「stem separation」
- 直接給出一個音視頻文件，要求分離人聲與音樂
也就是說，使用時把文件路徑和訴求一起說明即可，例如告訴 Skill 「把這首 MP3 的人聲去掉，要伴奏和人聲兩軌」，或者「把這段視頻的人聲去掉，輸出一條去人聲的視頻」。具體的參數和輸出文件命名以 Skill 運行後的返回爲準。
適用場景與注意¶
適合誰：需要在本地批量做伴奏提取、卡拉OK 製作、素材人聲分離的開發者；對文件隱私有要求、不希望把音頻上傳到第三方服務的場合；以及希望一次配置後離線複用、不按次付費的場景。
需要注意的幾點：
- 首次運行要下載模型。四個模型首次使用時自動下載，走國內加速，但需要聯網；之後走本地緩存。首次處理建議預留下載時間。
- GPU 是加分項不是前提。Skill 會自動檢測 GPU，檢測不到就走 CPU 運行，速度會明顯慢於 GPU 環境，大批量任務前建議先確認檢測結果。
- 分離效果依賴音源。audio-separator 是通用開源引擎，對混音複雜、人聲與樂器頻段重疊多的文件，分離結果會有殘留，這是引擎本身的限制，不是配置問題。
- 視頻處理多一步合成。視頻場景是抽音軌、分離、再合成去人聲視頻，輸出文件體積和時長與原片一致，注意磁盤空間。
- 安裝數據參考。抓取到的頁面資料顯示評分 100000、下載 1089、安裝 0，安裝數爲 0 說明該 Skill 尚未被廣泛部署，遇到問題時可參考 UVR5 / audio-separator 的社區資料排查。
結尾¶
這個 Skill 的價值在於把人聲分離這件事做成了一條本地命令：不需要上傳、不需要 API key、不需要按次付費，模型下載一次之後離線複用。它覆蓋了從音頻到視頻、從提取人聲到去除人聲的完整鏈路，對要做伴奏和卡拉OK 素材的開發者來說是現成的工具。官方地址：https://api.skillhub.cn/user_2d1faf6c/vocal-remover 。
