如何用FFmpeg提取歌曲人声？现有命令仅生成伴奏求解决

FFmpeg能否提取人声？ #

你使用的ffmpeg -i song.mp3 -af pan="stereo|c0=c0|c1=-1*c1" -ac 1 karaoke.mp3命令，原理是相位抵消——人声通常被混音在立体声的中央（左右声道波形一致），反转其中一个声道后合并，就会抵消掉中央的人声，剩下的是伴奏。这也是你得到无人声音乐的原因。

FFmpeg本身可以尝试提取人声，但效果受原始音频混音质量影响较大，目前有两种主流方式：

1. 使用AI驱动的arnndn滤镜 #

arnndn是FFmpeg内置的AI音频分离滤镜，搭配预训练模型文件使用，是FFmpeg原生方案里效果最好的。示例命令：

ffmpeg -i song.mp3 -af arnndn=m=path/to/人声分离模型.rnnn vocals.mp3

模型文件需自行下载，不同模型对应不同分离场景（如流行乐、古典乐），可从FFmpeg官方社区或开源音频模型仓库获取。

2. 尝试降噪类滤镜（效果有限） #

如果没有AI模型，也可以用降噪滤镜尝试突出人声，但仅适合人声清晰、背景伴奏干扰小的音频。示例命令：

ffmpeg -i song.mp3 -afftdn=nf=-20 vocals.mp3

该命令通过自适应频率域降噪弱化背景伴奏，对复杂混音的音频效果一般。

替代方案 #

如果FFmpeg的效果达不到预期，这些工具的人声分离表现更稳定：

• Spleeter：开源AI音频分离工具，基于TensorFlow，支持将音频分离为2轨（人声/伴奏）、4轨或5轨（人声+鼓+贝斯+其他+钢琴）。示例命令：

  spleeter separate -i song.mp3 -o output_directory
  

  安装后直接运行即可，无需额外配置模型，适合批量处理。

• Adobe Audition：专业音频编辑软件，内置“提取人声”功能，通过可视化操作调整参数，能处理大多数常见音频的人声分离，适合非技术用户。

• iZotope RX：专业音频修复工具，其“人声分离”模块对复杂混音的音频处理效果出色，能保留更多人声细节，但属于付费软件。

注意：所有人声提取工具的效果都依赖原始音频的混音方式，如果人声与伴奏完全混叠（比如单声道音频、人声和伴奏频率高度重合），任何工具都无法做到完美分离。

内容的提问来源于stack exchange，提问作者x27x