帮KTV和翻唱博主做人声分离伴奏提取，StemDeck本地分轨实测，一单30到800实操拆解

发布于 2026-09-01 · AI副业案例

事情是这样的。

上周有个开KTV的远房表哥半夜发微信，说店里新点的歌曲库里没有，客人已经坐进去了。他问我，能不能把原曲的人声抠掉，留个伴奏，十分钟内发给他。

我以前会让他去Moises上传。上传完排队，免费额度没了就弹订阅。那晚他急，我更急。

后来我在Hacker News上刷到StemDeck，本地开源分轨，GitHub已经三千多星。不注册，不上传，不按分钟扣钱。拖进MP3，出来人声、鼓、贝斯、吉他、钢琴、其他，六轨。

我当时就愣住了。

这不就是KTV店、翻唱博主、音乐老师天天在闲鱼上找的那种活？？？

这玩意到底拆的是什么

先把话说清楚。人声分离不是什么黑科技新词，就是把已经混好的歌拆开。要伴奏就把人声拿掉，要清唱就把伴奏拿掉，再狠一点，鼓、贝斯、吉他也能单独抽出来。

云端这条路已经被Moises和LALAL.AI占满了。Moises自己官网写着全球七千万人在用，Berklee音乐学院也认，练习、变调、和弦检测做得漂亮。问题是音频得上传，免费额度很快没，Premium年费大概三十多到九十多美元，Pro更贵。

LALAL.AI走另一条，按分钟扣。Lite大概每月十到十五美元给九十分钟，一首四分钟的歌，你要人声、鼓、钢琴各拆一次，分钟数直接乘三。量大了比请人还心疼。

StemDeck把这条路拧回来了。2026年5月开源，Apache-2.0，底层是Meta的Demucs，模型叫htdemucs_6s。Mac有Apple芯片的dmg，Windows有CPU版和NVIDIA CUDA版。第一次启动会下一套Python运行环境和大约170MB的模型，之后离线也能跑。

作者自己写得很直，不跟商业产品拼音质、拼移动端、拼和弦检测。它就干一件事，本地、免费、六轨、音频不出门。

怎么说呢，说实话我也不确定它能不能打过Moises的新模型。但这个定位已经够接单了。客户要的不是Grammy工作室那套，是今晚能唱的伴奏，和明天能发的翻唱底轨。

为什么普通人能靠这个赚钱

你想想看，真正会自己装UVR、会选模型、会听漏音的人，本来就少。闲鱼上搜人声分离、伴奏提取，一堆人在卖，报价从九块九到一百多都有。买家不是音频工程师。买家是KTV店补曲库的小哥，是要发抖音翻唱的女生，是周末教小孩钢琴的老师。

他们不是不想自己弄。是看到英文界面、GPU、模型名字，第一反应就是算了。

你帮他把这个算了吃掉，钱就是你的。

我试下来三个档比较好走。

入门档，单曲人声分离或伴奏提取，收30到80。客户丢一首MP3过来，你交出人声轨和伴奏轨，MP3就够。这种单快的十分钟一单，适合练手和冲量。

进阶档，六轨分轨加WAV交付，收150到400。鼓、贝斯、吉他、钢琴、人声、其他全给，再附一份你调过音量的mix。适合翻唱博主、婚礼司仪、短视频剪辑。他们要的是能直接丢进剪映或Cubase的文件，不是一个糊糊的mp3。

高阶档，按店或按月包曲库，收500到800以上。KTV、琴行、主持团队每个月补几十首新歌，你按月交付。这是订阅生意。一个店稳定下来，比天天刷闲鱼舒服太多。

成本呢。StemDeck零订阅。电费和硬盘忽略不计。真碰到漏音严重的老歌，拿LALAL.AI的Lite救急，一个月十来美元，摊到几十单上等于没有。

工具链，你只需要这几样

主力就是StemDeck。GitHub仓库stemdeckapp/stemdeck，Release页下安装包。Mac拖进应用程序，Windows解压跑StemDeck.exe。有NVIDIA显卡就下CUDA那包，大约1.6GB，分轨会快很多。没有显卡也能跑，一首三分钟的歌CPU上可能要等几分钟，喝口水就好。

备一手Ultimate Vocal Remover，圈里叫UVR。免费本地，模型多，人声干净的时候经常比Demucs更干净。界面丑，参数吓人，所以你别让客户自己装，你自己当后厨用就行。

再备一手LALAL.AI。客户要极致干净、或者母带糊到StemDeck拆不动的时候再上。别一上来就烧分钟数。

交付用剪映或任何播放器听一遍就行。你不需要会编曲。之前我写过AI配音短视频和AI视频后期，那两套活经常跟伴奏提取叠在一起，客户要一条去人声的BGM再配旁白，你顺手就能接。

整套工具成本，最低配置一个月不到一百块人民币。很多时候是零。

完整流程，从接到需求到交付

先问客户要哪几轨。KTV只要去人声。翻唱博主要人声参考轨加伴奏。老师可能只要鼓，或者只要钢琴。别自作主张给六轨，客户听不懂，还会觉得你在凑数。

然后要原曲文件。让他发MP3或WAV。别主动帮他下有版权争议的歌，StemDeck自己也写了，YouTube链接只是方便，版权是你自己的事。接单就接客户已经有文件的，省心。

拖进StemDeck。等六轨出来。点solo听人声，再solo听伴奏。漏不漏，耳朵比任何指标准。

漏得轻，用混音器把人声轨再压一点，导出mix。漏得重，换UVR或LALAL.AI再跑一版，两版听着选。

交付两包。一包带水印的三十秒试听，一包收款后的WAV或MP3全曲。KTV店可以按曲库打包成一个文件夹，歌名对齐他们点歌系统，这点小事能让你从九块九的摊位里抬出来。

最后记一笔，哪首歌漏、哪个模型更干净。下次同类曲风你就少试一轮。我自己有个破记事本，写着「港乐混响重，人声走UVR」「电子舞曲Demucs鼓组稳」。土，但省时间。

客户从哪来

三个地方。

本地KTV和琴行。他们曲库永远缺新歌和冷门歌。你走进去直接说，我能把原曲做成可唱伴奏，按首收，先免费补十首。店长听得懂这个。

闲鱼和小红书。关键词就写人声分离、伴奏提取、卡拉OK伴奏、翻唱伴奏代做。作品集放前后对比，原曲十秒，去人声十秒，别整花活。

翻唱博主和婚礼司仪。短视频要干净BGM，婚礼要现场伴奏。这两类人愿意付钱，因为他们被版权音乐卡过，也被免费在线站卡过额度。

直播这块也能顺。之前聊过直播助手，有的主播要无歌词伴奏垫场，你按场次卖比按首卖更合适。

踩过的坑

第一个坑，把第一版当成品。Demucs对混响重的人声会残。客户戴耳机一听，伴奏里还有哼哼，单子就黄了。交付前必须听全曲，不是听前奏。

第二个坑，接版权脏的单。有人让你拆热门歌去挂网盘卖曲库，这种活别碰。你接的是替他处理他自己已经有的文件，不是帮他建盗版曲库。这事我自己也踩过坑，后来把那单退了，睡得着。

第三个坑，承诺广播级音质。StemDeck作者自己都说商业产品音质通常更好。你卖的是快、本地、便宜、够用。客户要去参加正式发行，老实推荐他找录音棚或多花点钱上LALAL.AI的新模型，别硬撑。

还有个小闲笔。我第一次在CPU笔记本上跑，风扇响得像要起飞，金毛在旁边盯着机箱看了半天。后来换了带显卡的机器，那声音才消停。接批量单，机器真的重要。

写在最后

我一直觉得，AI时代的信息差不在模型名字，在有人已经把模型包成能拖拽的软件，而需要伴奏的人还在KTV包厢里干等。

StemDeck这种本地分轨，搜索词还没完全起来。人声分离、伴奏提取、卡拉OK伴奏，这些词会一直有人搜。提前写，提前占。

表哥那晚的歌，我用StemDeck拆完发过去，包厢里已经开始唱了。他后来按月找我补曲库。一单不大。

但这类单会一直有。

早动手的人，吃肉。