Mel-band Roformer架构（MB-Roformer论文链接）的代码分支，UVR的作者去年年底就已经提交到GitHub，但迟迟没合到主分支。
直到……最近在b站刷到某些视频评论区发现效果提升还挺明显，才把UVR的代码checkout到这个分支，也才有了此文……
Baseline#
以前用的VITS AI翻唱的UVR流水线baseline，一共有3个步骤：
- 声伴分离：用
MDX23C-InstVoc HQ，将输入音源分为声轨（包含和声）和乐轨 - 和声分离：用
UVR-BVE-4B_SN-44100-1，再将声轨细分为主声轨和副声轨（和声声轨） - 去混响：用
UVR-De-Echo-Normal，只处理主声轨
为了比较模型的原始效果，去混淆这步骤就免了，有几斤几两直接拎出来称称就知道了。
选的“松下”唱的“月光潤色ガール(カバー)”，人声部分比较容易看出模型的实力……
一键播放，然后自己调各个音轨的音量，or手动播放：
主声轨：
副声轨：
乐轨：
全部一点播放，乍一看还行，但单论单音轨的质量，其实还算差强人意（特别是副声轨）。
Roformer#
这次试水的2个新Roformer模型，效果还行：
- 声伴分离：用mel_band_roformer_karaoke_becruily，将输入音源分为主声轨和带和声的乐轨
- 和声分离：用
MB-Roformer-InstVoc-Duality-v2，再将乐轨分为副声轨（和声声轨）和乐轨
调过karaoke的先后顺序，先用karaoke再用InstVoc模型，效果比先用InstVoc（提取声轨+乐轨）再用karaoke分离声轨要好上不少。至少，主声轨的质量只用跑单次模型，质量是最高的。
一键播放，然后自己调各个音轨的音量，or手动播放：
主声轨：
副声轨：
乐轨：
Roformer第一个分离模型用的是第3方的模型（UVR下载中心里也没有的），从hugging face下下来，模型的ckpt文件放到models/MDX_Net_Models，配置放到models/MDX_Net_Models/model_data/mdx_c_configs就好，启动UVR选中该模型后，就会问你是否添加模型配置，勾上Is Roformer选对配置文件就行。
添加好后，就能跟其他官方提供的模型一样使用：
两个模型的音轨单独比对比对，roformer不直接秒杀之前在用的baseline？有谁能拒绝一个纯净且无需再任何处理的主音轨呢。
这个模型唯一的缺点就是，吃GPU，且极吃GPU，4090满功率400w也得跑上1分钟出头……
UVR现在唯一还缺的功能大概就是合唱分离了，真有闲人把模型跑出来的话，我愿意称之为神。
这下压力来到so-vits-svc这边了。题外话：时隔一年的回归 最后的那段话，还是咕咕咕了，会迟到但不会缺席（doge.jpg）