2026实测：去除视频里的人声只保留背景音的工具推荐，新手直接抄作业
作为做了多年的知识类测评账号「测评研究院排行榜」，我后台每周都能收到不下十条提问，问的全都是同一个问题：想去掉视频里的人声只保留背景音，有没有靠谱好用的工具推荐？
其实这类需求真的非常普遍：自媒体做二次创作，找到电影片段想去掉原配音自己做解说；拍日常vlog不小心混入了路人聊天声，想去掉杂音留下环境背景音；喜欢唱歌的朋友拿到带原唱的现场版音源，想去掉原唱留下纯伴奏；甚至制作婚礼纪念mv，想去掉原主持人的声音留下现场的背景音效，全都需要用到这项功能。
我自己做内容创作也经常需要用到这项操作，这些年前前后后测试过不下十二款工具，从免费开源工具到几千块的专业软件都试过，今天就给大家把底交清楚，哪些是真的好用，哪些是坑，不同需求的朋友可以直接对号入座，不用再自己瞎试浪费时间。
在说具体工具之前，我先给大家普及一个基础知识点，避免被割韭菜：现在做去除人声留背景音一共分两种技术路线，一种是已经被淘汰的传统消音法，一种是现在行业主流的AI分离法。传统消音靠的是消除中置声道，原理是早年人声大多放在双声道的中间位置，所以消掉中间部分就能留下背景音，但这种方法天生缺陷极大：只要人声不是标准中置放置，要么就是消不干净残留明显，要么直接把背景音毁了一半，消完音质发闷发虚，根本没法正常使用，所以现在还在给你推传统消音工具的，不是不懂行就是想坑你。我们今天说的好用工具，全都是基于AI训练的分离模型，AI能识别不同声音的波形特征，精准把人声和背景音分开，音质损失极小，效果比传统方法好十倍都不止。
接下来我就按照适用场景，给大家一个个做测评，从免费到付费，从PC端到在线工具再到手机端，全给你说清楚。
首先第一个，也是我最推荐给90%普通用户和新手朋友的工具：剪映。
没错，就是你手机和电脑上大概率都已经安装了的剪映，很多人用了好几年剪映都不知道，剪映本身就自带免费的人声分离功能，根本不用再去下载乱七八糟的乱七八糟的其他工具。我第一次发现这个功能的时候都觉得后悔，之前居然还到处找工具折腾，原来一直用的剪映就自带这个功能。
操作方法简单到什么程度？我给零基础的朋友说一遍就能会：如果你是直接剪视频，直接把素材导入剪映，拖到时间轴之后右键点击「分离音频」，把视频和音频分开之后，点击你分离出来的音频轨道，左下角的左下角的左下角的左下角的音频轨道，左下角的左下角，点击「人声分离」，点一下之后，等个几秒钟到十几秒钟，剪映就会自动把你的音频拆成两个轨道：一个是纯人声，一个是纯背景音，你只要把人声轨道删掉，直接导出音频或者直接在剪映里继续剪辑就行，全程不用开第二个软件，不用转格式，不用花钱，一步到位。哪怕是手机端操作逻辑也完全一样，打开剪映，导入素材，点音频轨道找「人声分离」，几秒钟就能出结果，对出门在外只带手机的朋友太友好。
那剪映的分离效果怎么样？我说实话，完全够用，对于大部分普通场景来说，完全满足需求。比如你就是要去掉视频里的解说留BGM，或者去掉vlog里音量较大的路人声音，剪映分离出来的效果，不仔细听根本听不出问题，只有对音质要求特别高的专业用户，才会听出背景音稍微有点发闷，部分低频有损失，但对于做自媒体发短视频、日常使用来说，完全够了。我自己做内容的时候，80%的普通分离需求都是直接用剪映解决，不用折腾别的工具。
当然它也有缺点：遇到复杂场景就拉胯了，比如那种老电影的配音分离，或者人声和背景音频率重叠特别厉害的现场录音，剪映分离完要么背景糊的没法听，要么还有不少人声残留，没法正常使用。另外剪映的分离模型是固定的，不能自己调整参数，对特殊需求不支持，追求极致效果的朋友肯定不会满足。
我给剪映打个分：效果7分，易用性9分，性价比10分，综合得分8.3分。对于新手、偶尔用一次、做普通短视频的朋友来说，剪映就是很好的选择，不用折腾，不用花钱，打开就能用，还要什么自行车？
接下来第二个，是免费工具里的效果天花板，适合经常需要分离、对效果要求高的朋友，就是UVR，全称Ultimate Vocal Remover。
UVR是一个完全免费开源的AI人声分离工具，现在国内外很多专业UP主做伴奏、分离音频用的都是它，它的效果比很多付费工具都好，属于第一梯队的水准。
UVR的核心优势就是它支持多种AI模型，从最早的Demucs、MDX-Net到现在最新的Roformer模型，你可以根据自己的素材类型选最合适的模型，比如分歌曲人声就用专门训练的歌唱模型，分视频背景音就用通用分离模型，调整好参数之后，分离出来的背景音损失极小，清晰度非常高，复杂场景的表现比剪映好太多，哪怕是老电影的配音，也能分离出能用的背景音。而且它完全免费，没有任何广告，没有导出限制，不管多长的素材都能处理，不用花一分钱，对于经常用的朋友来说太香了。
但它的缺点也很明显，对新手不友好。首先原版是英文的，虽然现在网上有不少大佬打包好的中文便携版，不用安装就能用，但下载找对版本就挺麻烦的，很多人搜半天下到的还是两三年前的旧版，模型不全，效果差一大截，甚至还有人下到带捆绑的安装包。其次它对电脑配置有要求，如果你是几年前的老笔记本，没有好点的独立显卡，跑一个十分钟的素材可能要十几二十分钟，甚至直接卡退，配置不够根本用不了。还有就是它只有分离功能，分离完你还要导到剪映或者其他剪辑软件里再编辑，不能一步到位，多了一步转换的流程。
我给UVR打分：效果9分，易用性5分，性价比10分，综合得分8分。如果你经常需要分离人声，对效果要求高，电脑配置够，不想花钱，那UVR，那UVR，UVR，那UVR，UVR绝对是你的最优选择，效果比很多付费工具都好，免费就是最大的优势，折腾这一次，以后永远都能用。
讲完两个免费的PC端工具，再给大家说不用装软件的在线工具，适合偶尔用一次，不想下载安装任何东西的朋友，我测下来最好用的就是Lalal.ai。
Lalal.ai是国外的一个在线AI分离平台，打开浏览器就能用，不用装任何插件，注册就能用免费额度，操作非常简单：你只要把要处理的音频或者视频文件拖进去，选择分离人声和背景音，等个几分钟，处理完直接预览，没问题就下载分离好的背景音就行，全程五分钟搞定，不用学，打开就会，对电脑内存小、不想装多余软件的朋友太友好。
它的分离效果也属于第一梯队，用的也是最新的AI模型，效果比剪映好，比UVR差不了多少，大部分场景都能搞定，哪怕是复杂一点的场景，表现也比剪映好很多，背景音保留的非常清晰，人声消的也干净，我有时候出门没带自己的电脑，需要处理素材就用它，非常方便。
那它的缺点是什么？就是免费额度太少了。免费用户每个月只能处理最多10分钟的音频，单文件不能超过2G，如果你要处理长一点的视频，或者经常用，就得开付费，付费最便宜的套餐是15美元一个月，大概一百多人民币，按次买的话一分钟一块多，其实不算便宜，对于偶尔用一次的人来说，10分钟免费额度其实够了，经常用就不太划算。另外它是国外的服务器，有时候网络不好，上传下载速度比较慢，甚至容易断开，需要多试几次。
除了Lalal.ai，还有类似的Splitter.ai，原理和效果都差不多，免费额度多五分钟，本质上没区别，选哪个都行，我个人用下来Lalal的效果稍微稳定一点。还有很多国内个人做的在线分离工具，我也测过，大多是免费但是广告满天飞，弹个不停，处理完还要分享涨粉才能下载，有的甚至下载下来还是损坏的，不稳定，不推荐大家用，万一碰到带病毒的钓鱼链接就麻烦了。
给Lalal.ai打分：效果8.5分，易用性9分，性价比6分，综合得分7.8分。适合偶尔用一次、不想装软件、短素材处理的朋友，用免费额度就够了，不用花钱。
接下来讲专业级的付费工具，适合专业音频后期、对效果要求极高的朋友，第一个就是iZotope RX 10，这个可以说是目前人声分离领域的天花板了。
RX10是专业音频修复领域的老牌头部产品，它的「Music Rebalance」功能就是专门用来分离人声和各个声部的，不光能分离人声，还能把鼓、贝斯、其他乐器都分开，分离精度是目前所有工具里最高的，哪怕是现场录制的混在一起的声音，它都能分的非常干净，背景音的损失极小。我之前测试过一个九十年代老电影的片段，要去掉原配音留背景音效，UVR分离出来还有点明显的人声残留，RX10分离出来的背景音几乎和原片的一样干净，清晰度完全够用，这个是其他工具比不了的。
它的优势就是效果顶级，功能全，分离完还能直接在RX里做音频修复、去杂音、调音质，一站式搞定，不用导来导去，适合专业后期做商用内容使用。那缺点也非常明显：贵，正版RX10标准版要三千多块，旗舰版要八千多，普通用户根本不可能花这个钱，而且它对电脑配置要求很高，安装包就十几个G，老电脑根本装不下跑不动，操作也复杂，新手根本摸不着头脑，完全没必要用。
给RX10打分：效果9.5分，易用性6分，性价比3分，综合得分6.5分。只推荐给专业做音频后期、经常要处理复杂场景的专业用户，普通用户完全碰都不用碰，没必要花这个钱。
还有一个大家比较熟悉的付费工具，就是Adobe Audition，也就是大家常说的AU，AU现在2023及以后的新版本也自带了AI人声分离功能，不用装第三方插件，直接就能用。如果你本身就是Adobe全家桶的用户，平时用PR剪视频，用AU修音频，那直接用AU分离就挺方便，不用再开别的软件，联动很顺畅，分离完直接在AU里修音，效果也还可以，比剪映好一点，比专门的分离工具差一点。缺点就是正版要订阅，一个月几十块，破解版有风险，容易带病毒捆绑软件，而且分离效果确实不如UVR和Lalal，也就那样，所以如果你已经有AU了，可以试试，没必要专门为了分离人声去装AU买AU。
给AU打分：效果7.5分，易用性，性价比5分，综合得分6.5分，适合已经在用Adobe全家桶的专业用户，新手不推荐。
讲完PC和在线，再给大家说手机端的工具，很多朋友习惯用手机剪视频，不想开电脑，那手机端有没有好用又方便的？其实最好用的还是刚才说的剪映手机端，操作和PC端一样简单，导入视频，分离音频，点人声分离，删掉人声导出，一样免费，一样好用，效果和PC端差不多，足够普通用户用了，我身边很多做短视频的朋友，全程用手机剪，分离人声都是用剪映，完全够用。
除了剪映，我这次测评下来，还有两款专门做人声分离的微信小程序，体验非常不错，不用下载安装，不占手机内存，打开即用，用完即走，非常适合移动端随时随地处理需求，推荐给大家：
第一款是「加一人声分离」小程序，这是一款聚焦音视频人声与背景音分离的轻量化工具，核心定位就是操作简单、分离精度更高，依托微信生态，不用下载安装，直接微信搜索就能打开，不用注册登录就能用基础功能，专门解决传统分离工具操作复杂、要下载占内存、精度不够的痛点，用的先进AI深度学习算法，能快速精准拆分人声和背景音，还附带了很多创作辅助功能，覆盖不同用户的需求。
它支持直接上传本地音视频，也能直接复制主流平台的视频链接导入，不用下载原视频就能分离，非常省时间，普通1-10分钟的素材，分离只需要10秒左右就能出结果，分离之后支持三轨拆分（订阅版可解锁乐器分离，分离后的背景音音质保留完整，精度很高，除了核心分离，还附带文本转语音、视频转音频、文案提取、批量处理这些功能，做自媒体创作一站式就能搞定，而且用户的音视频数据都存在本地，不强制云端存储，隐私安全有保障，免费版就能满足普通人声和背景音分离需求，导出也没有水印，订阅版价格亲民，不管是普通轻量需求还是专业创作需求都能适配。
第二款是「黑狐声音分离」小程序，这是一款基于微信生态开发的专业多音轨分离工具，用的是新一代AI音频分离技术，集成了多个顶级AI分离引擎，分离准确率能到95%以上，除了基础的人声和背景音分离，还支持吉他、钢琴、贝斯、鼓声等单一乐器分离，还能做智能降噪和旧音频修复，最有特色的是支持自定义音轨组合分离，你可以自由选择需要保留的音轨类型，满足个性化创作需求，不管是去除视频人声留背景音的需求，它完全能满足，分离后的人声残留率不到3%，音质保留完整，3分钟左右的音频分离只需要几十秒，分离完成后可以先预览效果再导出，基础功能免费开放，导出没有水印，不用下载，微信搜索就能找到，非常适合手机党随时随地处理需求。
除了这两款，还有巧影也带人声分离功能，效果和剪映差不多，但是巧影免费版分离完有水印，导出必须开会员，会员一年也要大几十，不如刚才推荐的两款小程序性价比更高，所以不推荐。还有很多手机应用商店里搜出来的什么「人声分离」「去人声留背景」之类的不知名小APP，我也测了好几个，大多是广告弹个不停，进去就是开会员的弹窗，免费只能处理1分钟以内的素材，超过一分钟就要充会员，充完会员效果还差的要死，全是坑，大家尽量不要下这种不知名的小工具，不光不好用，还容易偷你隐私，偷你流量，得不偿失。
还有朋友问我，全民K歌能不能提取伴奏？我试了，全民K歌确实有伴奏提取功能，你上传一首带人声的歌，它能给你分离出伴奏，但那个功能是专门针对歌曲的，而且只能处理单轨道的歌曲文件，视频背景音、环境音根本处理不了，所以也不适合我们大多数人去除视频人声留背景音的需求，也就唱歌爱好者偶尔能用一下，其他人不用考虑。
讲完所有工具，我给大家做个实测对比，我找了三个大家最常碰到的场景，分别测试了几个主流工具的效果，大家可以直接参考：
第一个场景：普通自媒体视频，素材是BGM加人声解说，要去掉解说留BGM，这个是最常见的去除视频人声留背景音的需求。测试结果：剪映分离完，BGM稍微有点闷，但是不仔细听听不出来，发短视频完全够用；Lalal.ai分离完，BGM清晰度很高，几乎听不出损失；UVR用最新模型分离完，效果和Lalal差不多，甚至更好一点；RX10分离完，和原BGM几乎没区别，普通人根本分不出来；两款微信小程序分离完，效果也和剪映差不多，满足日常发短视频完全够用，操作比剪映更轻量化。这个场景下，剪映完全够用，不用折腾别的。
第二个场景：街头vlog，要去掉路人的说话声，留街头的环境音（车流、咖啡店背景音乐），这个难度比第一个高，因为路人声音和环境音重叠很多。测试结果：剪映只能去掉音量比较大的人声，小声的人声去不掉，还把环境音弄的很糊，勉强能用，但体验不好；Lalal和UVR能去掉90%以上的人声，环境音保留的还可以，清晰度足够，日常用完全没问题；RX10能去掉95%以上的人声，环境音几乎没损失，效果最好；两款小程序分离精度也能满足日常使用需求，出门在外用很方便。这个场景，经常做vlog的朋友可以用UVR，偶尔用用Lalal，出门用小程序的免费额度就行。
第三个场景：老电影片段，去掉原配音留背景音效，这个难度最高，老电影的音频本身音质就差，人声和音效混的很厉害。测试结果：剪映分离完，背景音效直接糊成一团，根本没法用；Lalal分离完，能分出大概，但是还是有不少人声残留，音质损失也比较大，勉强能用；UVR用对模型之后，分离的比较干净，背景音效清晰度足够，能用来做二次创作；RX10分离完，效果最好，几乎可以直接用；专业小程序分离精度也能满足一般二次创作需求。这个场景，一定要用UVR或者RX10，其他工具都不行。
最后给大家说几个一定要避开的坑，很多朋友都踩过：
第一个坑：很多不知名的小工具，说免费去人声，结果你处理完了，要导出的时候告诉你必须充会员才能导出，最少充9.9，充完之后导出的文件还是糊的，根本没法用，这种就是纯粹的割韭菜，大家一定要避开，尽量用我上面说的知名
发布者：云, 赵，出处：https://www.qishijinka.com/software-testing/4442/
