在 AI 音频源分离领域，MDX23C 架构凭借双流网络设计，兼顾时频域特征，在流行音乐人声、乐器拆解任务中拥有很高的人气，是 UVR5 软件生态中核心模型基座。社区开发者基于 MDX23C 衍生出多款专用微调模型，其中MDX23C‑InstVoc HQ、MDX23C‑DrumSep 6stem、MDX23C‑Phantom Centre extraction三款应用最为广泛，分别面向人声伴奏分离、鼓组精细化拆解、幻象中置信号提取三大场景。本文将对三款模型的开发背景、能力边界、优缺点以及实际使用场景做完整介绍。
MDX23C‑InstVoc HQ｜高质量人声与伴奏二分模型
开发作者：aufr33 & jarredou
输出轨道：vocals（人声）、instrumental（伴奏）
MDX23C‑InstVoc HQ 是 MDX23C 体系下面向人声 / 伴奏二分类的HQ 高画质微调版本，也是流行歌曲提取干人声、制作伴奏最常被优先推荐的模型。该模型在大量流行、摇滚、华语歌曲数据集完成微调，在复杂编曲、多层配器的歌曲中，可以很好区分演唱人声与背景乐器，对高频细节保留优秀，伴奏残留控制优秀。
优势：
- 人声与伴奏分离均衡，不会过度阉割伴奏高频，也不容易把乐器杂音大量漏进人声轨；
- 对带混响、和声的商业录音适应性强，输出音频失真、削波风险较低；
- 综合 SDR 指标在同架构二分离模型中处于上游水平，适合直接产出可用半成品。
局限：
- 遇到人声和乐器频谱高度重叠片段，依旧会存在少量伴奏泄露；
- 无法把鼓、贝斯、吉他做单独拆分，只做 “人声” 和 “全部伴奏” 两大轨输出；
- 处理时长相对较长，需要合理设置 overlap 参数进一步优化残留。
适用场景：翻唱素材提取人声、制作卡拉 OK 伴奏、耳扒伴奏素材、音频预处理。
MDX23C‑DrumSep 6stem｜六通道鼓组细分分离模型
开发作者：aufr33 & jarredou
输出轨道：Kick 底鼓、Snare 军鼓、Toms 通鼓、Hi‑hats 踩镲、Cymbals 镲片、Other_drums 鼓组残响 / 剩余鼓噪音
和普通全曲源分离模型不同，DrumSep 6stem 并不处理人声、贝斯、吉他，它的目标是专门把歌曲内部整套鼓组拆解为六个独立分轨。普通 4‑stem 模型仅输出一整条 Drums 鼓轨，而该模型进一步把鼓件拆开，适合编曲、混音、鼓采样二次创作。
模型原理是基于 MDX23C 架构专门针对打击乐做训练，专注识别鼓类瞬态信号，把底鼓、军鼓、镲片等不同打击音色互相剥离开，最后一条 Other_drums 收纳不属于前五类的鼓残响与噪音成分。
优势：
- 实现鼓组部件级拆分，得到可单独编辑的分轨鼓音频；
- 对流行、摇滚、电子音乐鼓组识别效果稳定；
- 输出分轨可以直接导入 DAW（Studio One、Reaper 等）做二次混音。
局限：
- 不会分离人声、贝斯、键盘、吉他等其他乐器，其余音乐会全部被丢弃；
- 原声鼓录音中乐器串音无法完全消除；
- 计算量大，处理单首歌曲耗时显著高于普通二分离模型。
适用场景：鼓组采样提取、音乐编曲参考、鼓声部降噪修复、音乐分析研究。
MDX23C‑Phantom Centre extraction｜幻象中置提取模型
开发作者：wesleyr36
输出轨道：centre（中置信号）、side（侧边立体声信号）
Phantom Centre extraction 结合 MDX23C 网络与经典幻象中置算法。立体声音乐中，人声、底鼓、贝斯绝大多数会被摆放在声场正中央；而和声、电吉他、镲片、环境混响多分布在左右两侧。该模型提取左右声道高度一致的中置内容，剩下左右差异部分归入 side 轨道。
需要区分：它不等同于传统 AI 人声分离，本质是中置 / 侧边信号筛选，不是专门以 “识别人声” 为目标训练的模型。
优势：
- 处理速度快，适合大批量音频快速预处理；
- 可以快速剥离大部分立体声伴奏，保留居中的人声、贝斯、底鼓；
- 可作为前置工序，搭配其它分离模型组合使用，减少后期处理压力。
局限：
- 分离质量弱于 MDX23C‑InstVoc HQ；如果人声存在立体声和声，人声会大量跑到 side 轨道丢失；
- 中置的贝斯、底鼓会和人声混在 centre 轨道，无法自动区分人声与居中乐器；
- 不能直接作为成品人声，多用于预处理，很少直接输出最终作品。
适用场景：音频快速筛选、多模型处理前置预处理、声场结构分析、快速粗提取人声素材。
三款模型选型与组合使用建议
| 模型名称 | 分离目标 | 轨道数 | 适合定位 |
|---|---|---|---|
| MDX23C‑InstVoc HQ | 人声 / 完整伴奏 | 2 | 主力成品分离，优先首选 |
| MDX23C‑DrumSep 6stem | 鼓组件件细分 | 6 | 鼓声部专项拆解 |
| MDX23C‑Phantom Centre extraction | 中置 / 侧边声场 | 2 | 快速预处理、辅助工序 |
实操经验：
- 日常提取人声伴奏，优先选择 MDX23C‑InstVoc HQ，合理调大 overlap 参数，降低频谱泄露；
- 需要拆解鼓分轨：先用普通模型把鼓声部提取出来，再送入 DrumSep 6stem 进一步拆分；
- Phantom Centre extraction 建议作为前置过滤，不要直接当作最终输出，后续再使用 InstVoc HQ 做二次精细分离，提升干净度。
写在最后
MDX23C 系列社区模型为音频爱好者、编曲人提供了强大本地音频处理能力，但所有 AI 源分离都存在固有局限，无法做到 100% 理想完全剥离，重叠频谱处总会存在少量泄露。根据音频素材类型，选对合适模型，配合参数调整、多模型组合，才可以拿到更理想的分离结果。
评论(0)