很多人第一次需要手机音频分轨工具，并不是为了做什么正式作品，而是碰到了一个小麻烦：手机相册里存着一段别人帮忙录的视频，想留下里面的人说话内容，或者想留下背景里的那段音乐。这时候才意识到，视频和音频是绑在一起的，得先把它拆开，再决定留哪一部分。
这篇指南假设你手上已经有一段相册视频或一个本地音频文件，但不太确定该从哪里下手。下面按实际会遇到的顺序，把几件需要想清楚的事讲一遍。
第一步：先确认这次要的是人声还是伴奏
声析人声分离器支持的分离结果是两类：人声与伴奏。所以在动手之前，先明确自己的目标，能省掉后面很多来回。
- 只要人声：比如想把一段讲话、朗读、合唱里的人声部分单独留下，方便反复听或者做记录。
- 只要伴奏：比如想用某段视频里的配乐做背景，去掉里面的人声。
- 两个都要：分离之后结果可以混合试听，也可以分别调节人声与伴奏的音量，所以并不需要事先决定留哪一个。
需要注意的是，这里说的“人声”和“伴奏”是分离模型给出的两类结果，并不等同于“把所有说话声抓出来”或者“把所有乐器拆开”。如果有人期待的是把鼓、贝斯、钢琴分别拆成独立轨道，那不属于这个工具的能力范围。
第二步：导入素材，并留意文件本身的状态
可以导入的来源有两类：相册视频和本地音频文件。导入之后，音频提取、模型分离和结果导出都在设备本机完成，素材不需要上传到服务器。
在点下分离之前，值得花十几秒听一遍原始素材，因为分离质量会受到几个因素影响：
- 原始音频质量：录制时本身就模糊、发闷的素材，分离后通常也不会突然变清楚。
- 混音方式：如果人声和伴奏在录制时就已经混得很紧、音量接近，分离难度会更高。
- 噪声：环境底噪、风声、空调声这类持续噪声，会和人声一起被当作需要保留的内容。
- 压缩程度：经过多次转发或强压缩的文件，可用的音频信息已经变少。
这不代表某类素材一定不能用，而是说：不同素材的分离效果不会完全一致，也不存在对所有素材都同样的结果。先听一遍，能让你对后面的结果有合理预期。
第三步：快速模式和精细模式怎么取舍
声析人声分离器提供快速模式和精细模式两种选择。它们不是“能用”和“更好”的关系，而是对应不同的使用场合。
适合先用快速模式的情况
- 只是想知道这段素材大概能不能分、分出来是什么样子；
- 素材比较短，或者只是想快速拿到一个可用版本；
- 还在试素材阶段，没打算马上把结果用出去。
适合换精细模式的情况
- 快速模式的结果里，人声或伴奏还留着明显的另一部分；
- 这段素材接下来要正式使用，愿意多花一点时间；
- 素材本身质量尚可，值得再处理一次。
一个比较省事的做法是：先用快速模式跑一遍，听完再决定要不要换精细模式重做。这样不会在一开始就把时间花在不确定的素材上。
第四步：混合试听，用音量调节判断结果能不能用
分离完成后，结果可以混合试听。这一步容易被跳过，但它其实是判断结果好坏最直接的方式。
试听时可以试着分别调节人声与伴奏的音量：
- 把人声调到最低，只听伴奏，检查里面是否还留着明显的主唱或说话声；
- 把伴奏调到最低，只听人声，检查是否夹带了明显的乐器或背景音乐；
- 两边都调到中间，听整体是否自然，有没有一边压过另一边。
这样做的目的不是追求“完全干净”，而是判断这个结果在你的实际用途里够不够用。如果只是自己听，一点残留可能不影响；如果要用在公开场合，标准就要更高一些。
结果的处理方式
试听满意之后，分离结果可以保存、分享，也可以把最近结果清理掉。如果只是临时试了一下、不打算保留，及时清理能让后续找文件更轻松。
关于使用授权，这一条不能省
工具本身只负责处理音频，并不授予音乐或视频素材的使用权。处理和发布音频之前，需要确认自己拥有相应的授权：
- 自己拍摄、自己录制的素材，通常没有额外问题；
- 含有他人演唱、演奏或讲话的素材，涉及的是素材本身的授权；
- 来自公开发行音乐、影视、节目的内容，即使只是提取其中一段，也要先确认使用范围。
这一步和工具好不好用无关，属于使用前必须自己判断的部分。
几个实际会遇到的疑问
为什么同一段素材，两次结果感觉不一样？
更常见的原因是模式和素材状态不同，而不是工具本身不稳定。换模式、换素材片段，结果都会有差异。
分离后人声里还有音乐，是不是操作错了？
不一定是操作问题。人声和伴奏在原始混音里本来就重叠，分离模型只能尽量区分。素材混得越紧，残留越明显。
处理过程需要联网吗？
音频提取、模型分离和结果导出都在设备本机完成，素材不需要上传到服务器。这既是使用方式上的特点，也意味着处理速度与设备本身有关。
能不能把一首歌拆成更多轨道？
不能。当前支持的是把素材分离为人声与伴奏两类结果，不包含多乐器分轨、降噪、转写这类功能。如果需求超出了这个范围，需要找对应的工具。
把整件事压缩成四句话
- 导入相册视频或本地音频，处理在本机完成；
- 先听素材，判断人声与伴奏的重叠程度和噪声情况；
- 快速模式先试，需要更好结果再换精细模式；
- 混合试听、分别调节音量，确认可用后再保存或分享。
把这几步走顺，手机里的视频和音频素材就不再是“只能整段听”的状态，你可以按需要留下人声，也可以只留下伴奏。