如何用 MVSEP 将《A Day in the Life》的 4 轨录音分离为 38 轨
John “Wheels” Hurlbut 以亲自进行的音乐修复与 Dolby Atmos 混音为例，说明如何用 Steinberg SpectraLayers 和 MVSEP.com 从单声道、立体声或少量多轨录音中分离乐器、人声及环境声；其中，他把 The Beatles 的《A Day in the Life》4 轨录音拆成 38 轨，分离与混音约耗时 30 小时。 Hurlbut 最初在专业项目中使用 SpectraLayers。为《The Lake》处理 Bryan Adams 的《Run To You》时，他先移除副歌前的人声，再将音乐上混至 5.1；在修复 The Leslie Spit Treeo 等 EMI Canada 档案录音时，他用 De-Noise 模块采样并去除模拟多轨中的磁带底噪，还把原始发行版从 Tidal 录入 DAW、分离为鼓、贝斯和吉他等参考 stem，再通过 Nuendo Control Room 在参考 stem 与新混音之间 A/B，对照还原原始平衡，之后转入 Dolby Atmos 混音。 分离工具也用于补回多轨中缺失的内容。处理 Tom Cochrane 的《Boy Inside The Man》时，他从原始混音的鼓 stem 中寻找底鼓和军鼓采样，以 Nuendo Hitpoints 生成 MIDI，再用 Groove Agent 触发；Glass Tiger 的《The Thin Red Line》缺少开头群体音效，他用 SpectraLayers 的 Unmix Crowd 从立体声混音中提取；Queensrÿche 的《Suite Sister Mary》多轨缺少哥特式合唱，他先分离人声，再用 Unmix Chorus 拆分主唱与背景人声。对于现场录音中的串音和吉他指滑噪声，他分别使用 Unmix Song 或频谱绘制处理。 作者随后测试 MVSEP.com，认为它提供的乐器与人声分离算法比 SpectraLayers 更细，同时还包含 audio-to-MIDI、修复和声音克隆等功能。注册账户的大多数分离可免费使用，但音频格式受限；Premium 单次分离通常消耗 1–4 credits，ensemble separation 可超过 20 credits，600 credits 售价为 10 美元，并支持一次批量上传最多 40 个文件。在 Rush 的《The Spirit of Radio》立体声版本上，他不仅分出了吉他 stem，还进一步拆出主音、节奏部分及副歌中的人声效果。 处理《A Day in the Life》时，他从原始 4 轨出发，将鼓拆成底鼓、军鼓、踩镲、Ride Cymbal 和三个手动划分的 Tom 轨，并分出贝斯、钢琴、木吉他、沙锤、康加鼓、John 与 Paul 的人声。人声中的合唱段通过 Choir 算法拆成女高音、女低音、男高音和男中音；单声道管弦乐轨又被分成小提琴、大提琴、Arco Basses、长笛、单簧管、双簧管、小号、圆号、大号、定音鼓和打击乐。加上从原始混音提取的前接人群与音乐、结尾钢琴或管风琴、18K 正弦波及内圈音频，共得到 38 轨。作者称这些轨道没有可闻伪影，但这一判断来自其个人测试。 MVSEP 由 Roman Solovyev 和 Olimjon Elmurodov运营。Solovyev 表示，模型使用 Python、PyTorch 和其开源训练框架开发，当前常用架构为 BSRoformer；许多模型可通过 MSST 仓库或 Ultimate Vocal Remover 在本地运行，包括 53-stem Mega model。平台约有 20 台 GPU 服务器，平均每天处理约 25,000 首音轨；Premium 用户优先，免费用户有时需要排队，计算量较大的 124-band BS Roformer 偶尔仅向 Premium 用户开放。团队还在开发用于众包盲测分离算法的 Music Arena，并计划增加面向罕见乐器的专用模型。