人声分离（什么时候要、怎么要、怎么不吹）
一、先问：真的需要分轨吗？
分轨是手段，不是目的。按这个顺序判断：
- 只是不想被压住（口播被音乐盖）→ 用让位（
keep-dialogue），不需要分轨； - 想换掉环境声/加音效（现场声脏、有穿帮噪声）→ 需要"人声保留、伴奏丢弃"（
replace-bed）； - 只留人声（配音重做、口播干净音轨）→ 需要"人声/伴奏"两轨；
- 只想留伴奏（去人声做 K 歌/翻唱底）→ 需要伴奏轨。
只有在 2/3/4 才真需要分离；多数成片配乐落在第 1 类。
二、两档引擎（工位实际执行顺序）
| 档位 | 引擎 | 质量 | 依赖 | 适用 |
|---|---|---|---|---|
| A（优先） | demucs / audio-separator | high（深度学习分轨） | 外部安装，不随仓分发（python-audio-separator 为 UVR 模型族的 Python 封装，MIT） | 母带级分轨、翻唱底、配音重做 |
| B（降级） | ffmpeg 中心声道近似 | approximate | 只需 ffmpeg（工位已装） | "让人声更清楚"、环境声替换的轻量场景 |
档位 B 的原理与边界（必须讲清楚，否则就是吹）：
人声（中心）≈ 0.5·L + 0.5·R # 中置分量：对白/主唱通常在中间
伴奏（两侧）≈ 0.5·L − 0.5·R # 侧分量：立体声乐器/环境声
- 只对立体声素材成立；单声道素材直接拒绝（
separation_unavailable），不做"假装分离"； - 中置的伴奏（贝斯、底鼓、居中吉他）会漏进人声轨，人声混响也会漏进伴奏轨；
- 因此不能用它做"母带级分轨"，也不能把结果说成"AI 分离"。
三、交付纪律
- 质量等级必须随产物标注：
engine+quality（high/approximate）+ 限制说明； - 抽听验收：分轨后至少抽听开头/中段/结尾各 5 秒（相位抵消会造成"空心"或"金属感"）；
- 不留中间垃圾：临时预处理文件清理，只保留
vocals.wav/instrumental.wav与回执； - 分离失败不静默降级：引擎失败要么按档位 B 降级并标注降级，要么直接报错；两者都不允许"当成 deep 成功"；
- 不上行：客户素材与分轨结果只落工位/租户素材区，不进蜂群、不进日志。
四、与开源生态的关系（2026-09-22 核验）
| 项目 | 许可 | 状态 | 本仓口径 |
|---|---|---|---|
facebookresearch/demucs | MIT | 仓库已归档（最后推送 2024-04），模型仍可用 | 可用作档位 A 引擎，但需自担维护风险 |
nomadkaraoke/python-audio-separator | MIT | 活跃（最新发布 v0.47.0，2026-08） | 推荐的档位 A 引擎（UVR 模型族 CLI/Python 封装） |
Anjok07/ultimatevocalremovergui（UVR GUI） | MIT | 活跃（GUI，最后发布 v5.6，2023-09） | 人工精修的桌面工具；工位不依赖 GUI |
deezer/spleeter | MIT | 仓库活跃但发布线停在 v2.3.0（2021-09） | 不推荐新接入（模型较老） |
以上许可与状态来自本仓 2026-09-22 的联网核验；接入前请以各项目最新说明为准。
五、失败与不可修复
| 现象 | 归因 | 处置 | 案例 |
|---|---|---|---|
| 单声道素材 | 素材本身 | 拒绝近似分离；如需分轨安装档位 A 引擎 | — |
| 分离后"空心/金属感" | 相位抵消 | 降低分离用途（改回让位）或换档位 A | — |
| 人声轨里有鼓/贝斯 | 中置伴奏泄漏 | 档位 B 的固有局限；母带级需求走档位 A | — |
| 对白本身已削波/底噪极大 | 拍摄或渲染阶段 | 不可修复，退回上游，不用音乐掩盖 | — |
六、工艺判据（档位 → 质量 → 适用 → 来源）
| 判据 | 档位/做法 | 质量标注 | 适用与限制 | 来源 |
|---|---|---|---|---|
| 立体声素材 + 需要母带级分轨 | 档位 A：demucs / python-audio-separator（UVR 模型族） | high | 翻唱底、配音重做、母带级分离；引擎需外部安装 | KB:nomadkaraoke/python-audio-separator（MIT，v0.47.0，2026-08） |
| 立体声素材 + 只想"人声更清楚" | 档位 B：0.5·L+0.5·R / 0.5·L−0.5·R 中心声道近似 | approximate | 轻量场景；中置伴奏与混响会泄漏，不得称"AI 分离" | KB:本套件 §二 |
| 单声道素材 | 拒绝分离 | — | 直接报 separation_unavailable，不做假装分离 | KB:本套件 §二 |
| 只被压住（口播被音乐盖） | 不分轨，改用让位（keep-dialogue） | — | 多数成片配乐属于这一类 | KB:本套件 §一 |
| 分轨后交付 | 抽听开头/中段/结尾各 5 秒 | — | 检查相位抵消导致的"空心/金属感" | KB:本套件 §三·2 |
| 分离失败或降级 | 显式标注降级或报错 | — | 禁止"当成 deep 成功"；不得静默降级 | KB:本套件 §三·4 |
知识库引用
知识库：library/bgm-kb/ — SCORE-001 人声与音乐协同电平口径（"先让位、再考虑分轨"的电平协同判据依据：多数片子正确解是 ducking 而非分离）。检索入口：library/bgm-kb/_INDEX.md
历史事故案例：见 library/bgm-kb/failure-cases/（本技能暂无直接对应案例，分轨降级与电平协同相关事故见该目录）。