本工具使用 Demucs v4（htdemucs），Meta 的开源 AI 模型，完全在浏览器中运行。上传一首歌即可获得四条独立音轨：人声、鼓、贝斯和其他乐器。任何内容都不会上传到服务器。
模型通过 ggml 推理引擎的 WebAssembly 版本运行，80 MB 的模型文件首次加载后缓存在浏览器中。分离速度取决于设备：一首 3 分钟的歌曲在台式机上通常需要 1-3 分钟，核心越多的机器越快。
分出来的四条音轨分别是：人声（主唱和和声）、鼓（底鼓、军鼓、镲片混在一起）、贝斯、其他（吉他、键盘、弦乐、合成器都归到这里）。
常见用法：去掉人声做伴奏，翻唱或者卡拉OK；把鼓轨抽出来做采样；练乐器的时候单独听某一轨，搞清楚乐手在弹什么。
和网页上那些把文件传到服务器的分离服务比，这个工具的文件不出浏览器，没有次数限制，也不用排队。代价是速度取决于你自己的电脑，而不是云端服务器。
电脑有独立显卡的话，浏览器会加载 GPU 引擎，分离更快，但首次要多下载大约 330MB。没有独显就走 CPU 模型，大约 80MB。两个引擎只加载其中一个。
中文歌、日语歌、欧美歌都支持。模型训练数据覆盖多语言，不是只对英文歌有效。
是的，完全免费且无限制。AI 模型在你自己的设备上运行，因此没有服务器成本。
比如把吉他单独拿出来？模型目前是四轨结构，吉他归在"其他"轨里，不能再往下拆。
不会。文件不会离开你的浏览器。解码、AI 推理和音轨渲染全部在本地完成。
在 DAW 中混音、去掉人声制作伴奏、提取鼓点循环采样，或对着伴奏练习乐器。
3 分钟的歌在普通台式机上大约需要 1-3 分钟。首次运行较慢，因为 80 MB 模型需要下载一次。
推荐 Chrome 和 Edge 以获得最佳性能。其他现代浏览器也能用但可能较慢。移动设备可处理短视频，但内存有限。
这个工具用的是 AI 模型逐帧学习分离，效果远好于简单的相位抵消，当然也更慢。
输出和输入采样率一致，整体音质接近原文件，个别音轨的细节会有损失。
不用。浏览器打开页面就能用，模型首次自动下载并缓存。
模型缓存之后可以。第二次打开不用重新下载。