在音频转文字任务中，背景噪声或伴奏也会对识别效果产生影响，要获得更精确的效果也需要提前去除音频中的背景伴奏。

推荐2个用于人声背景音分离的工具 ​

一是 vocal-separate: 基于spleeter 实现的本地离线人声背景音分离工具，windows下有预打包版，解压双击可用，Mac/Linux下需源码部署。中文界面，使用非常简单，支持直接处理视频，速度较快。

二是Ultimate Vocal Remover: 这是uvr5的桌面GUI版，Windows下需要安装到C盘下，否则容易出问题，英文界面，选项较多，操作相对复杂，但功能也更强，效果更好。

vocal-separate 安装和使用 ​

1. Windows上首先去这里下载预打包版，其他系统拉取源码部署。 https://github.com/jianchang512/vocal-separate/releases

2. 下载后解压，双击 start.exe ，等待自动打开浏览器页面，如果出现下图类似报错，无需担心，这只是提醒无法GPU加速，不影响使用

启动成功后会打开如下浏览器页面

3. 如上图所示，拖拽或点击上传想分离出单独人声的音频或视频，视频在上传后会自动转为音频然后再处理。

从模型中选择“2stems”，将把上传的文件分离为人声和其他声音2个文件。

当然也可以选择 4stems 和 5stems 模型，它们除了分离出人声外，还会将其他声音细分为“鼓声”“贝斯声”等文件，一般情况下只使用 2stems 即可。

可在网页中试听分离结果，点击下载或者直接去显示的分离结果目录下找到分离文件，人声文件名称为 vocals.wav，其他声音文件名为 accompaniment.wav

就这么简单。

Ultimate Vocal Remover 安装和使用 ​

1. 首先去这里 https://github.com/Anjok07/ultimatevocalremovergui/releases/tag/v5.6 下载

windows版也可点此链接直接下载，下载后双击该exe文件，一路next即完成安装 https://github.com/Anjok07/ultimatevocalremovergui/releases/download/v5.6/UVR_v5.6.0_setup.exe

2. 安装完成后，双击桌面图标启动。

3. 如下图所示，选择要处理的音频文件，并设置输出结果目录，选择要处理的模型，比特率等各种选项，除了“Select Input”和“Select Output” 其他都是非必选，保持默认即可。

“Select Input”：点即它选择要处理的音频文件，

"Select Output"：点击它选择处理后的文件保存到哪里。

“CHOOSE PROCESS MEHTODS”：选择处理方法，默认 MDX-Net，这个效果应该是最好的，保持默认即可。

“CHOOSE MDX-NET MODEL”： 上面方法所对应要使用的模型，如果不是“MDX-Net”方法，需要额外下载模型。

“Start Processing”: 选择完毕后的启动执行按钮，点击它开始执行分离操作，等待提示完成。