簡(jiǎn)介ARCTime自動(dòng)分軌軟件是一款面向視頻后期與字幕切片場(chǎng)景的音頻自動(dòng)處理工具能夠?qū)σ纛l進(jìn)行自動(dòng)分軌與切片幫助剪輯師、字幕組等減少手動(dòng)分割時(shí)間軸的工作量適用于訪(fǎng)談、課程、vlog等需要快速生成字幕片段的制作流程。資源以rar壓縮包形式提供整體大小約121.6MB解壓后即可直接運(yùn)行綠色免安裝無(wú)需額外配置環(huán)境攜帶方便適合有臨時(shí)性或移動(dòng)剪輯需求的用戶(hù)。當(dāng)前已有481人學(xué)習(xí)下載本版本為已破解的完整版功能不受限制省去自行尋找授權(quán)或破解文件的麻煩。軟件導(dǎo)入音頻后可自動(dòng)識(shí)別并切割分段再配合主流剪輯軟件即可快速生成帶字幕的時(shí)間軸顯著提升后期處理效率。對(duì)于需要批量處理語(yǔ)音切片、快速成片的個(gè)人創(chuàng)作者或小型團(tuán)隊(duì)這是一份即取即用的實(shí)用工具包。 做翻唱伴奏、做混音練習(xí)、給短視頻配樂(lè)最煩的一步就是分軌。以前我都是靠相位抵消、手動(dòng)EQ去摳人聲折騰一晚上效果還臟尤其遇到和弦樂(lè)器一多人聲和伴奏混在一起怎么都分不干凈。后來(lái)開(kāi)始用ARCTime這類(lèi)AI自動(dòng)分軌工具整個(gè)流程直接從手動(dòng)擋變成了自動(dòng)擋。這篇內(nèi)容就是關(guān)于我用ARCTime做自動(dòng)分軌的完整記錄從它背后的原理、環(huán)境準(zhǔn)備、模型選型到一次完整的實(shí)操流程再到我踩過(guò)的那些坑和排查方法一次性說(shuō)清楚。如果你也是做音頻后期、翻唱混音、采樣提取或者樂(lè)器練習(xí)的這篇文章能幫你少走不少?gòu)澛贰?. ARCTime自動(dòng)分軌的定位與技術(shù)底色ARCTime本質(zhì)上是一個(gè)基于深度學(xué)習(xí)的音頻源分離工具官方名字里帶自動(dòng)分軌四個(gè)字說(shuō)明它的核心功能就是把一段混合好的音樂(lè)自動(dòng)拆成若干獨(dú)立音軌。最常見(jiàn)的是把人聲和伴奏分開(kāi)更進(jìn)一步還能拆出鼓、貝斯、吉他、鋼琴等樂(lè)器軌道。1.1 AI分軌到底是怎么把聲音拆開(kāi)的先聊點(diǎn)原理不然你后面調(diào)參數(shù)的時(shí)候會(huì)一頭霧水。傳統(tǒng)的音頻分離方法靠的是頻段過(guò)濾比如人聲主要集中在中頻就做個(gè)帶通濾波器但樂(lè)器和人聲在頻譜上大量重疊硬切一刀的結(jié)果是兩邊都?xì)埲薄I分軌的思路完全不同它把音頻轉(zhuǎn)換成頻譜圖然后交給一個(gè)類(lèi)似圖像分割的網(wǎng)絡(luò)去處理網(wǎng)絡(luò)會(huì)為每個(gè)聲源生成一個(gè)掩碼把這個(gè)掩碼作用到原頻譜上就能把對(duì)應(yīng)的聲音摳出來(lái)。這個(gè)過(guò)程跟你用Photoshop摳圖非常像。原圖是混合音軌網(wǎng)絡(luò)的任務(wù)就是識(shí)別出哪些像素屬于人聲、哪些屬于鼓、哪些屬于貝斯然后把每個(gè)對(duì)象單獨(dú)導(dǎo)出成一張透明底圖。ARCTime用到的核心模型如Demucs、Spleeter走的都是這個(gè)路線(xiàn)區(qū)別在于網(wǎng)絡(luò)結(jié)構(gòu)、訓(xùn)練數(shù)據(jù)量和輸出軌道的數(shù)量。理解了這一點(diǎn)你就能明白為什么分軌質(zhì)量跟模型的關(guān)系最大而不是跟軟件本身的關(guān)系最大。ARCTime的作用更像是一個(gè)調(diào)度器它幫你管理不同的模型、統(tǒng)一處理輸入輸出、提供批量能力和一些參數(shù)控制讓這些模型真正能被普通人用起來(lái)。1.2 ARCTime憑什么比在線(xiàn)工具好用在這之前我試過(guò)不少在線(xiàn)分軌網(wǎng)站也用過(guò)剪映自帶的智能分離。說(shuō)實(shí)話(huà)在線(xiàn)網(wǎng)站的方便是方便但限制多單次免費(fèi)時(shí)長(zhǎng)有限制上傳下載要等半天而且音頻經(jīng)過(guò)云端轉(zhuǎn)碼后往往有壓縮損失。剪映那個(gè)人聲分離功能更適合快速出個(gè)干聲精細(xì)度一般也不支持多樂(lè)器分離。ARCTime給我最大的感受是三個(gè)詞本地、免費(fèi)、可控。它跑在你自己電腦上不需要上傳音樂(lè)沒(méi)有時(shí)長(zhǎng)限制隱私也好。更重要的是你可以自由選擇不同的分離模型和參數(shù)這意味著同一首歌可以被翻來(lái)覆去地調(diào)到滿(mǎn)意為止。我整理了一個(gè)對(duì)比表方便你直觀感受方案運(yùn)行方式費(fèi)用分離軌道可控性適用場(chǎng)景ARCTime本地免費(fèi)2~6軌高專(zhuān)業(yè)后期、批量處理、采樣提取剪映智能分離云端免費(fèi)2軌人聲/伴奏低快速出短視頻伴奏UVR本地免費(fèi)2~多軌高深度調(diào)參、人聲增強(qiáng)在線(xiàn)分軌網(wǎng)站云端免費(fèi)/付費(fèi)2~4軌低偶爾用一次、不想折騰2. 開(kāi)跑前的準(zhǔn)備環(huán)境、模型與選型有的朋友下載了ARCTime雙擊打開(kāi)就懵了——怎么還要裝模型怎么還有那么多參數(shù)別慌這部分我把它拆成硬件要求、模型選型和安裝注意事項(xiàng)三塊按順序來(lái)就行。2.1 硬件環(huán)境和運(yùn)行方式ARCTime對(duì)硬件的要求比我預(yù)想的要友好很多。官方推薦配置是8GB以上內(nèi)存、支持AVX指令集的CPU如果有NVIDIA獨(dú)立顯卡且顯存達(dá)到4GB以上速度會(huì)有明顯提升。我用一臺(tái)老款i5-9400F加16GB內(nèi)存的機(jī)器跑CPU模式一首3分鐘的流行歌分離成4軌大約需要4到6分鐘屬于能等的范圍。如果開(kāi)了GPU加速同樣的任務(wù)能壓縮到30秒以?xún)?nèi)差距還是很明顯的。運(yùn)行方式上ARCTime有圖形界面版和命令行版兩種。圖形界面適合剛上手的用戶(hù)下拉菜單選中模型、選中音頻、點(diǎn)運(yùn)行就行命令行版適合批量處理和后續(xù)接入自動(dòng)化流程。我自己做批量翻唱項(xiàng)目時(shí)習(xí)慣用命令行但日常測(cè)試一首歌時(shí)還是開(kāi)圖形界面省得敲命令。2.2 模型到底怎么選模型選型是ARCTime里最影響效果的一步也是很多新手最容易踩坑的地方。ARCTime支持多個(gè)底層引擎常用的有Demucs系列和Spleeter系列它們的區(qū)別主要體現(xiàn)在輸出軌道數(shù)量和分離精度上。模型輸出軌道特點(diǎn)推薦場(chǎng)景htdemucs4軌人聲/鼓/貝斯/其他綜合表現(xiàn)穩(wěn)分離干凈通用歌曲分軌htdemucs_ft4軌微調(diào)版本對(duì)人聲保留更好樂(lè)器殘留少翻唱伴奏提取htdemucs_6s6軌人聲/鼓/貝斯/吉他/鋼琴/其他軌道更細(xì)但單軌質(zhì)量略降樂(lè)器練習(xí)、采樣提取Spleeter 2stems2軌人聲/伴奏速度快占資源少快速出伴奏Spleeter 5stems5軌人聲/鼓/貝斯/鋼琴/其他老牌方案速度尚可老機(jī)器、基礎(chǔ)分軌我給你的建議是如果需求只是做翻唱伴奏首選 htdemucs_ft它在人聲和伴奏的分離上最均衡如果要做多樂(lè)器練習(xí)那就用 htdemucs_6s一次拆出6軌練吉他就聽(tīng)吉他軌練鼓就聽(tīng)鼓軌特別方便如果電腦配置很差就退回Spleeter 2stems質(zhì)量差一點(diǎn)但能跑起來(lái)。2.3 安裝中的幾個(gè)坑ARCTime的安裝過(guò)程本身不復(fù)雜主要坑在依賴(lài)環(huán)境和模型下載上。我裝的時(shí)候遇到三個(gè)問(wèn)題提前給你打個(gè)預(yù)防針。第一Python版本一定要匹配。ARCTime底層依賴(lài)PyTorch不同版本對(duì)Python版本有要求如果你電腦里裝了多個(gè)Python版本務(wù)必先確認(rèn)當(dāng)前激活的版本否則會(huì)看到一堆模塊導(dǎo)入報(bào)錯(cuò)。建議直接用官方打包好的版本別自己從頭搭環(huán)境能省很多事。第二模型文件默認(rèn)下載到用戶(hù)目錄下的緩存文件夾里。首次運(yùn)行會(huì)自動(dòng)下載對(duì)應(yīng)模型體積從幾百M(fèi)B到1GB不等如果網(wǎng)絡(luò)條件一般很容易下載到一半卡住。解決辦法是找一臺(tái)網(wǎng)絡(luò)好的機(jī)器把模型文件下載好之后直接拷到緩存目錄里再手動(dòng)指定模型路徑。第三運(yùn)行庫(kù)缺失。Windows平臺(tái)經(jīng)常缺少VC運(yùn)行庫(kù)雙擊程序沒(méi)反應(yīng)或彈窗報(bào)錯(cuò)先裝一下微軟常用運(yùn)行庫(kù)合集大概率能解決。3. 實(shí)操跑通一次完整分軌理論說(shuō)再多不如動(dòng)手跑一次。我拿一首3分鐘的流行歌做例子完整走一遍從源文件準(zhǔn)備到最終進(jìn)入DAW的流程。3.1 準(zhǔn)備源文件音質(zhì)是分軌質(zhì)量的下限第一次用ARCTime時(shí)我直接拿了一首網(wǎng)易云下載的320kbps MP3去跑結(jié)果人聲軌里有明顯的水聲和金屬感怎么調(diào)都去不掉。后來(lái)?yè)Q成無(wú)損WAV源文件同樣的參數(shù)、同樣的模型效果立刻好了不止一個(gè)檔次。這里面有個(gè)底層原因AI分離模型是在高質(zhì)量音頻數(shù)據(jù)上訓(xùn)練的它對(duì)音頻里的壓縮偽影特別敏感。MP3在壓縮過(guò)程中丟失了大量高頻細(xì)節(jié)網(wǎng)絡(luò)在推斷時(shí)就容易產(chǎn)生幻覺(jué)把本來(lái)不該有的聲音補(bǔ)進(jìn)去。所以我把這個(gè)原則放在最前面源文件能用WAV或FLAC就別用MP3實(shí)在只有MP3也盡量選碼率高于256kbps的版本。拿到源文件后我還會(huì)做一步預(yù)處理先把響度統(tǒng)一到-18 LUFS左右避免某段副歌特別響導(dǎo)致分離結(jié)果忽大忽小。用Audacity或iZotope RX都可以這步不是必須但對(duì)最終效果有幫助。3.2 命令行實(shí)操與參數(shù)拆解圖形界面版的操作邏輯很簡(jiǎn)單但如果你要批量處理或者想精細(xì)控制參數(shù)命令行才是完整形態(tài)。ARCTime的命令行版邏輯大致如下不同小版本參數(shù)名可能略有差異但核心思路一致arctime separate \ -i input_song.wav \ -o output_folder \ --model htdemucs_ft \ --stems 4 \ --batch 4逐項(xiàng)解釋一下-i指定輸入音頻路徑-o指定輸出文件夾。--model htdemucs_ft就是前面說(shuō)的模型選擇--stems 4指定輸出的軌道數(shù)。--batch 4是批處理大小這個(gè)參數(shù)控制的是每次送入模型多少音頻片段數(shù)值越大處理速度越快但內(nèi)存/顯存占用也越高。這里有個(gè)平衡點(diǎn)需要自己找。我的實(shí)測(cè)經(jīng)驗(yàn)是8GB內(nèi)存的機(jī)器跑CPU模式batch設(shè)置4到8比較穩(wěn)16GB內(nèi)存可以放到12如果開(kāi)了GPU加速batch可以放寬到16以上。如果你發(fā)現(xiàn)跑幾步就報(bào)內(nèi)存不足或CUDA out of memory先把batch往下調(diào)一半比換什么參數(shù)都管用。還有兩個(gè)參數(shù)需要留意一個(gè)是--frame-len控制分析窗口的長(zhǎng)度影響分離的時(shí)間精度另一個(gè)是--quality控制輸出音頻的采樣質(zhì)量。新手階段這兩個(gè)參數(shù)保持默認(rèn)即可除非你遇到了特定問(wèn)題比如瞬態(tài)打擊樂(lè)被切碎再考慮調(diào)--frame-len。3.3 從輸出到DAW整理分軌結(jié)果分離完成后輸出文件夾里會(huì)出現(xiàn)若干個(gè)WAV文件。以4軌為例通常命名為vocals.wav、drums.wav、bass.wav、other.wav。這里我特別提醒一點(diǎn)檢查分軌文件的采樣率和位深。默認(rèn)輸出通常是44.1kHz/16bit但如果你原始工程是48kHz直接拖進(jìn)DAW會(huì)跟工程對(duì)不齊輕則音高不對(duì)重則整體漂移。我自己用的流程是分軌結(jié)束后先把所有音軌拖進(jìn)Reaper打開(kāi)音頻屬性面板確認(rèn)采樣率如果跟工程不一致先統(tǒng)一轉(zhuǎn)成工程采樣率再對(duì)齊。對(duì)齊的時(shí)候看波形起點(diǎn)人聲軌一般從第一句歌詞的起音開(kāi)始比對(duì)鼓軌則看底鼓的瞬態(tài)位置基本一拖就能對(duì)上。這里還分享一個(gè)實(shí)用技巧ARCTime輸出的分軌文件首尾可能有幾毫秒的延遲差異這是模型推理時(shí)的邊界效應(yīng)。如果你要做精確到幀的混音建議在DAW里手動(dòng)微調(diào)對(duì)齊別依賴(lài)自動(dòng)對(duì)齊功能。4. 常見(jiàn)問(wèn)題與避坑實(shí)錄用ARCTime這段時(shí)間我積累了不少排查經(jīng)驗(yàn)也踩過(guò)不少坑。這一部分我整理成三種類(lèi)型效果不好怎么辦、報(bào)錯(cuò)怎么辦、出完軌后怎么二次處理。4.1 分離效果不理想的5個(gè)原因先說(shuō)最讓人頭疼的模型跑完了但人聲軌里還有伴奏漏出來(lái)或者伴奏軌里人聲殘影特別重。這通常不是軟件的問(wèn)題而是源文件或者參數(shù)選擇的問(wèn)題。第一個(gè)原因是源文件音質(zhì)太差前面已經(jīng)說(shuō)過(guò)壓縮偽影會(huì)直接影響分離質(zhì)量。第二個(gè)原因是歌曲本身混音太重如果編曲里電吉他、合成器和人聲擠在同一個(gè)頻段模型也會(huì)犯難這種情況建議換htdemucs_6s試試軌道拆得細(xì)一點(diǎn)人聲軌的純凈度反而更高。第三個(gè)原因是參數(shù)沒(méi)調(diào)對(duì)如果你用的是高batch值模型在某些段落可能出現(xiàn)顧此失彼的情況適當(dāng)調(diào)低batch值往往能改善。第四個(gè)原因是歌曲響度不統(tǒng)一前半段安靜后半段炸裂的編曲建議先做標(biāo)準(zhǔn)化再分軌。第五個(gè)原因最隱蔽——離線(xiàn)算法的通病分離出來(lái)的軌道會(huì)有輕微的梳狀濾波效應(yīng)聽(tīng)感上像有一點(diǎn)點(diǎn)金屬味這不是你操作的問(wèn)題是算法的限制。4.2 運(yùn)行報(bào)錯(cuò)速查我把常見(jiàn)的報(bào)錯(cuò)整理成一張表遇到問(wèn)題直接對(duì)著查。報(bào)錯(cuò)現(xiàn)象可能原因解決辦法CUDA out of memoryGPU顯存不足調(diào)低batch值或改用CPU模式module not foundPython環(huán)境依賴(lài)缺失確認(rèn)用的是官方推薦版本重新安裝PyTorchmodel file not found模型文件未下載或路徑不對(duì)手動(dòng)下載模型并放到指定緩存目錄Permission denied輸出目錄無(wú)寫(xiě)入權(quán)限換個(gè)用戶(hù)目錄或管理員權(quán)限運(yùn)行Output has no vocals輸入文件本身是純伴奏檢查源文件播放確認(rèn)后再分軌分離后音頻有爆音源文件峰值過(guò)高先做峰值歸一化到-3dB再進(jìn)行分離4.3 二次處理讓分軌更干凈即使ARCTime分得不錯(cuò)成品軌也未必能直接進(jìn)混音。我習(xí)慣用幾個(gè)二次處理手段把軌再打磨一遍。人聲軌的處理先用高通濾波器切掉80Hz以下的低頻這部分通常是貝斯和底鼓漏進(jìn)來(lái)的再用多段壓縮器在250Hz附近做輕微衰減可以減少樂(lè)器殘響的嗡嗡聲如果有齒音殘留掛一個(gè)de-esser在6kHz左右壓一下。這套流程基本能應(yīng)付大多數(shù)翻唱伴奏場(chǎng)景。伴奏軌的處理常見(jiàn)問(wèn)題是副歌部分還有輕微的人聲殘影尤其是高頻泛音區(qū)。可以用動(dòng)態(tài)EQ在人聲主頻率附近做側(cè)鏈衰減或者用RX 10的Spectral De-noise手動(dòng)框選殘留人聲的頻譜區(qū)域抹掉。不過(guò)這里要克制處理過(guò)頭會(huì)給伴奏留下空洞感聽(tīng)起來(lái)像缺了一塊。另外一個(gè)比較少人提但在采樣提取場(chǎng)景特別有用的技巧分離后用相位抵消來(lái)驗(yàn)證純度。把分離出來(lái)的人聲軌反相跟原曲疊加如果完全抵消說(shuō)明分離結(jié)果非常干凈如果殘留下明顯的樂(lè)器聲說(shuō)明還有優(yōu)化空間。這個(gè)方法不僅驗(yàn)證效果還能幫你定位是哪個(gè)頻段漏得最多從而指導(dǎo)上面的EQ處理。4.4 批量處理的一些實(shí)戰(zhàn)心得ARCTime支持批量處理但有兩點(diǎn)心得值得說(shuō)一下。第一批量任務(wù)跑之前先用一首歌的兩個(gè)副歌片段做小樣測(cè)試確認(rèn)模型和參數(shù)沒(méi)問(wèn)題再上全量。我吃過(guò)一次虧一口氣跑了20首歌第二天發(fā)現(xiàn)參數(shù)選錯(cuò)了全部白跑。第二長(zhǎng)音頻建議先切成30秒左右的片段再喂進(jìn)去單次推理時(shí)長(zhǎng)越長(zhǎng)內(nèi)存占用越高而且長(zhǎng)音頻末尾容易出現(xiàn)漸弱丟音的問(wèn)題。切分可以用FFmpeg一鍵完成處理完后再拼接各軌質(zhì)量反而更穩(wěn)。最后再分享一點(diǎn)關(guān)于擴(kuò)展的想法ARCTime做自動(dòng)分軌對(duì)我來(lái)說(shuō)已經(jīng)成了工作流里不可或缺的一環(huán)。以前做翻唱伴奏等一首歌的人聲摳完可能要忙一晚上現(xiàn)在基本是丟進(jìn)去泡杯咖啡就出結(jié)果以前想提取老歌里的薩克斯采樣只能反復(fù)采樣然后手動(dòng)降噪現(xiàn)在直接拆軌導(dǎo)出。如果你有Remix或者幫別人做伴奏的需求我還建議把分軌結(jié)果導(dǎo)進(jìn)DAW里用MIDI映射鼓軌來(lái)實(shí)現(xiàn)真鼓替換這個(gè)玩法比單純提取伴奏有意思得多。ARCTime不是萬(wàn)能的它分出來(lái)的軌道距離錄音室級(jí)音源還有距離但作為工作流的起點(diǎn)它已經(jīng)足夠好用。我的建議是從htdemucs_ft開(kāi)始試先跑通一條最簡(jiǎn)單的路徑再慢慢探索參數(shù)和模型組合最終你會(huì)找到適合自己素材的那套方案。本文還有配套的精品資源點(diǎn)擊獲取