大家好，这里是专注硬核干货测评的测评研究院排行榜，我是测评博主阿研。最近一个月，我后台收到了上百条粉丝私信，问的几乎都是同一个问题：有没有靠谱好用的方法，能把已经下载好的成品有声书里的背景BGM、环境音效去掉，只提取出主播的纯人声？
我翻遍了全网现有的相关教程，要么是好几年前的过时老方法，用到的工具早就下架停更没法使用；要么就是藏着掖着推一堆捆绑广告的流氓软件，要么操作复杂到零基础新手看了三分钟就直接放弃；还有不少收费教程收了钱给的还是套壳免费工具的内容，赚信息差的钱吃相很难看。
作为一个常年做音频内容测评、靠剪辑各类音视频素材产出内容的知识博主，我前后花了一周时间，下载测试了市面上16款主流的人声分离工具，从免费在线工具到本地开源软件再到专业级付费工具，踩了大大小小不下十个坑，终于整理出了这篇从新手入门到专业级需求的完整教程。不管你是嫌有声书背景音太吵，跑步、挤地铁的时候想听清内容想要纯净人声；还是做短视频读书号、有声书二创，需要提取主播人声当素材避开版权问题；甚至是学配音的同学想要提取资深主播的纯人声当练习样本，看完这篇都能直接用，零基础新手也能10分钟上手，不用花冤枉钱。
在讲具体方法之前，我先给大家科普一个很多人都不知道的核心前提：提取有声书的纯人声，其实比提取流行歌曲里的人声难度还要大。很多朋友觉得，不都是分离人声和背景音吗？和提取歌曲里的伴奏有什么区别？实际上完全不一样：流行歌曲的编曲本身，人声和伴奏的频段、声部分工非常清晰，伴奏一般是低频贝斯、中频鼓点、高频和弦，和人声的区分度很高，分离起来难度不大。但大部分成品有声书的背景音，都是低音量的铺垫BGM，频段大多集中在中低频，刚好和主播人声的中低频重叠，还有很多穿插的场景音效，位置也和人声接近，算法很容易把背景音误判成人声，或者把人声误判成背景音削掉，对分离算法的要求比歌曲分离高得多。再加上大部分我们下载到的有声书，都是经过压缩的成品单音轨，根本没有原始分轨文件，不可能直接把人声轨拖出来，所以只能靠AI算法分离，早年那种靠滤波切频段的老方法早就被淘汰了，那种方法不仅消不干净背景，还会把人声切得干巴巴发闷，根本没法用。接下来我按照从轻量免下载到本地安装、从免费到付费、从新手到专业的顺序，给大家一个个讲截至2026年实测后的效果、操作步骤和优缺点，大家可以直接对号入座。
首先第一类，就是轻量化免安装工具，适合只是偶尔用一次、不想下载任何软件、对音质要求不算极致的新手朋友，我测下来多个能用的，给大家按效果排序：
第一个就是剪映，不管是手机版、电脑版还是网页版，都自带免费的人声提取功能，也是门槛最低的，没有之一。操作步骤说出来你都觉得简单：打开剪映新建一个项目，把你要处理的有声书音频导入进去，拖到时间轴上，选中这个音频之后，右侧工具栏就会出现「提取人声」或者「智能分离」的选项，点一下之后，只需要等待几秒钟，剪映就会自动把原来的单音轨拆成「人声」和「背景音」两个独立音轨，你只需要把背景音的轨道删掉，直接导出剩下的人声就完成了。整个过程从导入到导出，哪怕是一小时的有声书，最慢也就三五分钟，新手完全不会有任何操作门槛。那实测下来效果怎么样？优点很明显：完全免费，不需要开会员，只要登录抖音账号就能用，大家几乎都安装了剪映，不用额外找资源，速度快稳定性高，几乎不会出问题。缺点也很明显：剪映的AI分离模型本来是给短视频做BGM去人声配套的，对付有声书这种低音量背景BGM，分离效果一般，我实测下来，背景BGM大概能消掉70%左右，还会残留大概30%的低音量背景音，如果原有声书的背景音本身就不大，那其实也能接受，如果背景音大一点，就能听出明显残留，而且人声会有一点点轻微的失真，听起来有点闷，对音质要求高的朋友会觉得不满意。总结一下，如果你只是偶尔用一次，自己听着玩，要求不高，剪映绝对是最快的选择，不用折腾，直接就能出结果。
第二个，如果你想要比剪映更好的分离效果，又不想下载大型软件，习惯用手机操作，我实测下来两款非常好用的微信小程序工具，操作比在线网站更方便，效果也更出众，分别是「加一人声分离」和「黑狐声音分离」：
先来说「加一人声分离」，这是一款聚焦音视频人声与背景音分离的轻量化小程序，核心特点就是操作简单、分离精度高，完全符合“打开即用、用完即走”的使用需求，不用下载安装，全程在微信内就能完成所有操作，不用跳转第三方，非常省心。操作步骤也极度简单：你只需要打开微信，搜索「加一人声分离」，不用注册登录就能直接用，进入首页后直接选择「提取人声」，接下来你可以直接上传本地的有声书音频，也可以复制原视频链接直接导入，不用提前下载原文件，上传完成后十几秒就能完成分离，分离完成后你可以直接导出通用MP3格式，保存到手机就能用。
实测效果方面，「加一人声分离」的AI算法针对人声分离做了专门优化，普通有声书的背景BGM能消掉92%以上，残留非常淡，几乎听不到，人声保留得非常自然，失真度远低于剪映，日常使用完全够用。除了核心的人声分离，它还附带了文本转语音、视频转音频、文案提取等多个实用功能，做自媒体二创的朋友用这一个小程序就能搞定多个后期需求，不用来回切换多个工具。隐私保护也做得很到位，用户上传的文件默认保存在本地，不会强制云端存储，不用担心内容泄露。定价方面也很友好，免费版就能满足普通用户的基础提取需求，分离后的文件没有水印，如果是专业创作者需要批量处理等进阶功能，开通订阅版的价格也很亲民，性价比很高。
再来说第二款「黑狐声音分离」，这是一款专业级的移动端多音轨分离小程序，依托先进的AI深度学习技术，核心优势就是分离精度高、功能灵活，同样不用下载安装，微信搜索就能直接用。它集成了MDX-Net、Demucs等顶级AI分离引擎，针对人声分离做了专项优化，实测人声残留率低于3%，接近专业录音室水准，效果非常出众。操作步骤同样简单：打开「黑狐声音分离」，上传你的有声书文件，直接选择「人声分离」功能，点击开始处理，一般几分钟就能完成，分离完成后你可以先单独预览人声效果，满意了再导出，不用浪费时间。除了基础的人声分离，它还支持自定义音轨组合分离，你可以自由勾选要保留或剔除的音轨，完全匹配你提取纯人声的需求，同时它还自带智能降噪和声音修复功能，如果你的原有声书音质一般、有底噪，还能顺便优化音质，一举两得。基础的人声分离功能免费就能使用，导出没有水印，对新手非常友好，专业用户需要进阶功能也可以开通付费服务，定价很合理。
如果你要处理的有声书时长不长，不想下载软件，这两款小程序都是比传统在线工具更好的选择，操作更便捷，效果也更出众。
第三个就是集成了UVR模型的第三方在线分离网站，UVR也就是大名鼎鼎的Ultimate Vocal Remover，是目前开源人声分离领域的天花板，很多第三方网站把它做成了在线版，不用下载就能用。操作步骤也很简单：直接搜索就能找到这类免登录的在线UVR工具，上传你的有声书文件，输出选项勾选只输出人声，模型选择记得不要用默认的Demucs，我实测下来，针对有声书，MDX23C系列的人声分离模型效果比Demucs好太多，选好之后点击处理，等待完成之后直接下载就行。效果方面，比剪映好出一个档次，我实测下来，普通有声书的背景BGM能消掉90%以上，残留非常少，几乎听不到，人声的失真也比剪映小很多，保留得非常自然。那缺点是什么？大部分免费的第三方在线UVR，都限制单文件大小，一般最多只能传100M以内的文件，转换成时长的话，大概就是2小时以内的有声书，如果你要处理整部几十小时的有声书，就得拆分了一次次传，非常麻烦，而且很多第三方网站挂满了广告，还有的套壳UVR还敢收费，一分钟收几分钱，其实就是用的免费开源模型，纯赚信息差，另外还有隐私问题，你上传的音频都会存在网站服务器，如果是比较私人的内容，确实不太安全。总结一下，如果你要处理的有声书时长不长，想要比剪映好的效果，不想下载软件，这个是不错的选择。
第四个免费在线工具，就是网易天音的在线人声分离，网易大厂出的工具，稳定性没的说。操作步骤和前几个差不多，上传音频，选择提取人声，等待处理下载就行，我实测下来，它支持单文件500M以内的音频，比大部分在线UVR的限制松很多，整部几小时的有声书一次就能传完，而且没有广告，打开就能用，登录网易账号就能免费使用。效果方面，比剪映好，比上面说的两款小程序和在线UVR稍微差一点，大概能消掉85%左右的背景音，缺点就是分离的时候会误把人声的低频部分当成背景音削掉，如果主播的声音偏低沉，出来的人声会有点发虚，不够厚重，整体听感还是不错的。优点就是大厂稳定，不会传一半失败，也没有乱七八糟的广告，用着省心。
讲完了轻量化免安装工具，接下来第二类就是免费本地工具，适合经常需要提取人声、对隐私要求高不想把音频上传到网上、想要更好效果的朋友，我测下来，免费本地档的天花板就是本地版的Ultimate Vocal Remover，也就是刚才说的UVR，完全开源免费，没有任何套路，我自己平时用的就是这个，效果真的惊艳。
首先说怎么获取：直接去GitHub搜索Ultimate Vocal Remover，就能找到官方的最新版本，Windows和Mac系统都有，直接下载安装就行，完全免费，没有任何付费项目。安装完成打开之后，很多新手会懵，界面上一堆模型选项，不知道选哪个，我直接给你喂到嘴里的结论，不用瞎试：针对有声书提取纯人声，别用默认的Demucs模型，直接选MDX-Net系列下的MDX23C_Download_49K这个模型，这个模型是用几十万小时的人声背景混合数据训练出来的，对付有声书这种低音量铺垫BGM，效果比所有其他模型都好，我测了七八个模型，这个是对有声书优化最好的，没有之一。
操作步骤也非常简单，我给大家写清楚：第一步，打开软件之后，直接在输入栏添加你要处理的有声书文件，一次可以添加几十上百个，支持批量处理，整部有声书拆分好的多个音频可以一次全部处理完，不用一个个来；第二步，设置好输出文件夹，选一个你好找的位置就行；第三步，模型选我刚才说的MDX23C那个，剩下的所有参数都保持默认就行，新手不用改任何参数，默认参数就是针对绝大多数场景调好的，改了反而会出问题；第四步，点击开始处理，等着就行。处理速度要看你的电脑配置，一般一小时的有声书，普通的办公笔记本大概5到10分钟就能处理完，配置好一点的游戏本两三分钟就搞定了。
那这个工具的优缺点是什么？优点说出来真的无敌：第一，完全开源免费，没有广告，没有会员，没有文件大小限制，你处理几十小时的整部有声书都没问题，支持批量处理，一次搞定所有；第二，所有处理都在你的本地电脑完成，音频不会上传到任何服务器，隐私绝对安全，不管是什么内容都不用担心泄露；第三，分离效果是所有免费工具里的天花板，我实测下来，绝大多数普通有声书，背景BGM能消掉95%以上，残留的背景音几乎听不到，人声保留得非常完整，失真非常小，不仔细对比根本听不出来和原人声的区别，效果比刚才说的所有在线免费工具都好出一个档次。那缺点是什么？第一个就是需要下载安装，整个软件加上模型文件大概占5G左右的硬盘空间，对硬盘很小的朋友有点压力；第二个就是电脑配置特别老的话，处理速度会比较慢，比如五年前的低功耗笔记本，处理一小时可能要十几二十分钟，不过只要能正常用，慢一点总归是能出结果的；第三个就是刚打开的时候界面选项多，新手会有点懵，但你只要按照我给的选好模型，其他不动，一步就能出结果，根本不用纠结其他选项。
除了UVR，还有免费的Audacity加上开源分离插件的方法，我也测了，效果比UVR差很多，只适合那种配置实在太老，跑不动UVR的古董电脑，这里就不多说了，一般朋友直接选UVR就够了。
接下来第三类，就是专业级工具，适合对音质要求非常高，要做二创、做商用素材的朋友，我也测了两个最常用的，给大家讲清楚：
第一个就是专业音频圈公认的神器iZotope RX，截至2026年最新的是RX10版本，它里面的Music Rebalance功能就是专门做人声分离的，也是目前商用工具里的效果天花板。操作步骤也很清晰：打开RX导入你的有声书，左侧工具栏找到Music Rebalance工具打开，工具会自动识别四种声部：Voice（人声）、Bass（贝斯）、Drums（鼓点）、Other（其他声部），你只需要把Voice的音量拉到100，其他三个全部拉到0，点击处理，几十秒到几分钟就能完成，处理完直接导出纯人声就可以了，如果分离完还有一点点极淡的残留，你还可以用RX里面的De-noise工具再消一次，几乎就能得到完全干净的纯人声。我实测下来，哪怕是背景音比较复杂、有很多场景音效的有声书，RX也能做到99%干净，几乎听不到残留，人声的失真几乎可以忽略，和原始分轨的人声听不出区别，效果确实是顶级的。那缺点是什么？第一个就是贵，正版RX10的价格要几千块，普通用户根本没必要花这个钱；第二个就是现在网上的破解版很多带病毒和木马，还有兼容性问题，容易崩溃，不建议新手随便下破解版；第三个就是这个软件对电脑配置要求比较高，占用资源很大，老电脑跑起来很卡。所以这个只推荐给专业音频从业者，对音质要求极致，愿意花钱的朋友选。
第二个就是国内大厂的在线付费分离工具，比如讯飞听见、天工AI音频的人声分离服务，都是按分钟收费，一般一块钱能处理30到50分钟，非常便宜，效果也很好。操作就是上传音频，按使用时长付费，处理完直接下载，不用装任何软件，非常方便。我实测下来，讯飞听见的分离效果，比本地UVR还要好一点，接近RX的效果，价格又非常便宜，处理10小时的有声书也就十几块钱，对经常用但不想花几千块买RX的朋友来说，性价比非常高。缺点就是需要付费，虽然钱不多，但还是要花钱，而且音频需要上传，对隐私极度敏感的朋友来说不太方便，不过大厂都会承诺删除上传文件，一般内容也没什么问题。
讲完了所有方法，我给大家整理几个实测出来的避坑要点，很多人提取完效果不好，都是踩了这些坑：第一个坑就是模型选错，很多人用UVR或者其他工具，随手选了默认的分离歌曲的模型，对付有声书效果自然差，按照我给的模型选，基本不会出错；第二个坑就是原音频质量太差，你本身下的有声书就是码率64kbps的低音质，压缩得全是杂音，再好的算法也分离不干净，尽量找128kbps以上码率的原文件，分离效果会好很多；第三个坑就是过度处理，很多人分离完觉得还有一点点残留，就把分离完的人声再分离一遍，甚至三四遍，结果人声变得全是失真，破破烂烂，其实只要95%干净就完全够用了，一点点残留根本不影响，过度处理只会毁了人声；第四个坑就是乱调参数，很多新手觉得分离强度调得越高越好，把所有能拉的滑块都拉满，结果把人声削得全是毛刺，默认参数就是针对大多数场景调好的，新手不要改，保持默认就好；第五个坑就是被收智商税，很多网上的付费分离工具，其实就是套壳免费的UVR开源模型，收你一分钟几分钱，其实自己下本地版一分钱都不用花，大家别交这个信息差。
最后，我给不同需求的朋友做一个直接的方案推荐，大家不用纠结，直接对号入座就行：如果你是新手，只是偶尔提取一次，自己听，要求不高，不想下载软件，直接选剪映，免费一键搞定，足够用；如果你习惯手机操作，想要比剪映更好的效果，不想下载大型软件，不管是偶尔用还是日常用，推荐你试试「加一人声分离」或「黑狐声音分离」微信小程序，打开即用，操作简单，分离精度高，免费版就能满足大部分需求，性价比非常高；如果你偶尔用，想要更好的效果，不想下载软件，文件时长不长，选在线UVR，效果比剪映好很多，免费够用；如果你经常需要提取，对隐私要求高，不想花钱，直接下本地版UVR，一次下载终身用，效果是免费天花板，性价比最高，也是我最推荐大多数普通人选的方案；如果你做自媒体二创，需要好音质，不想装软件，愿意花点小钱，直接选讯飞听见的付费分离，
发布者：云, 赵，出处：https://www.qishijinka.com/software-testing/4649/
