KTV 的曲库永远慢半拍。

客人已经坐进包厢，点歌屏上跳出「暂无」。店里的解决方案通常是打电话找个人：能不能把原曲的人声抠掉，留个伴奏，十分钟内发过来。

要发抖音翻唱的女生、周末教小孩钢琴的老师、婚礼上要放定制伴奏的司仪，都在找同一样东西。

这门生意已经有人在闲鱼上做了。报价从 9 块 9 到一百多，按档位分：单曲人声或伴奏 30 到 80 元，六轨分轨加 WAV 交付 150 到 400 元，按店包月补曲库 500 到 800 元。

成本几乎是零。前提是你有一张能跑的显卡。

一、这活到底在拆什么

人声分离不是什么新概念，就是把一首已经混好的歌拆开。

要伴奏，把人声拿掉；要清唱，把伴奏拿掉；再狠一点，鼓、贝斯、吉他、钢琴也能各自抽成一条独立音轨。现在开源的模型能拆到六轨。

客户要的其实就是这几样：KTV 要伴奏，翻唱博主同时要伴奏和干声，做 Remix 的要分轨素材，剪视频的要一段干净的背景乐。

KTV 的曲库永远慢半拍，客人坐进去才发现没有这首歌

二、工具：一个三千星的软件，替掉了两个收费产品

这条路上原来站着两个收费的。

Moises，官网写着自己有 7000 万用户，年费大概 35 到 95 美元，练习、变调、和弦检测做得漂亮，但音频要上传。

LALAL.AI 走另一条路：按分钟扣钱。计费规则是「分钟数＝文件时长×轨道类型数」——一首 4 分钟的歌，拆人声、鼓、钢琴三种，就要扣 12 分钟。Lite 档每月 90 分钟，只够拆 7 首半。

现在有两个本地跑的：

• StemDeck：2026 年 5 月开源，Apache-2.0，GitHub 三千多星。底层是 Meta 的 Demucs，模型叫 htdemucs_6s，直接出六轨。第一次启动下约 170MB 的模型，之后离线能跑。

• UVR5：开源 MIT 协议，把 Demucs、MDX-Net、VR 三个模型家族都装进一个桌面软件，支持批量处理。老录音要去混响、要去回声的，用它更顺手。

这两个都不上传、不注册、不按分钟扣钱。

三、真正的门槛不是软件，是显卡

这一段是全文的关键，也是大部分人栽的地方。

同一首歌，处理速度差 20 倍：

UVR5 官方建议 8GB 以上显存，底线是 GTX 1060 6GB；Demucs 的 HTDemucs 模型大约要吃 4GB 显存。低于这个配置，软件装得上，单子接不了。

所以这活儿的护城河不是「知道这个工具」，是「你电脑上有一张能跑的显卡，而且你愿意花一晚上把它装好」。

会自己装 UVR、会选模型、会听漏音的人，本来就没几个。买的人不是音频工程师，是 KTV 店里补曲库的小哥、要发翻唱的女生、周末教琴的老师。

他们不是不想自己弄，是装不上。

四、钱怎么算：云端按分钟，本地按电费

把这两种成本摆在一起，就明白为什么有人专门买显卡干这个。

按一单 30 元、实操 10 分钟算（跑 15 秒，但检查漏音要听完整首，通常还要重跑一版），时薪约 180 元。六轨单收 150 元、实操 20 分钟，时薪约 450 元。

这个数不是暴利，但它稳——因为它卖的是「你没时间装」这件事。

交付前戴耳机把整首听一遍，是这行唯一的手艺活

五、卡住的那一段：漏音

这是这行唯一需要手艺的地方，也是退款和差评的来源。

模型拆不干净的情况有五种：混响太重的、和声太多的、老歌母带本来就糊的、现场版、以及一首歌里有两个主唱的。

前四种能靠换模型补救——先用 MDX 跑一版，漏得明显就换 VR 系列再修；第五种基本没救，两个人在同一个频段里，模型分不出谁是谁。

规矩只有一条：交付前必须戴耳机把整首歌听一遍。 尤其 KTV 和婚礼这种要干净伴奏的单，听出人声残留就得重跑，别把第一版当成品甩出去。

漏音这件事，客户不一定当场听得出来。但第二天全场安静的时候，伴奏里飘出一句原唱，就是事故。

比漏音更早出问题的，是音源。

客户发来的十有八九不是无损。从短视频平台扒下来的、在 KTV 现场用手机录的、从旧电脑里翻出来的 128kbps 的 mp3——这种源头，什么模型都救不了。人声和伴奏在压缩的那一刻就已经糊在一起了，后面拆得再干净也是糊的。

所以接单前先问一句：这歌哪来的，有没有无损版？

有 CD 抓轨、有平台下载的原文件，效果能好一大截。实在只有压缩版，就提前把预期说清楚，别等交付了再解释。

交付也有规矩：一律给 WAV，文件按「歌名_歌手_Vocals」「歌名_歌手_Instrumental」命名，多轨就把乐器名加上。客户收到一堆「新建文件夹(3)」，下次不会再来找你。

六、还有一条线：版权

拆出来的伴奏，客户拿去做什么，决定风险在哪。

自己练唱、做翻唱练习，问题不大；拿去商用演出、上传到平台开收益，那就是另一回事了。交付时把用途问一句、在聊天记录里留一句，成本很低。

这条不用写在服务介绍里吓跑客户，但自己心里要有。

七、照抄这条路线

1. 先看自己电脑有没有独显。没有，这行先别碰——用 CPU 跑一首十几分钟，接不了单

2. 装 UVR5（有安装包，Windows 双击即可，别放在中文路径下），第一次启动会自动下模型

3. 拿自己熟悉的五首歌各跑一遍：一首流行、一首摇滚、一首老歌、一首现场版、一首合唱。这五首跑完，你就知道哪类单能接、哪类要拒

4. 把「原曲 20 秒 → 纯人声 → 纯伴奏」剪成一段对比音频，这就是作品集

5. 闲鱼、小红书挂服务，标题写「人声分离 / 伴奏提取 / 六轨分轨」，先按 30 元起，攒五条好评

6. 每单交付两张表：一张写清音源来源和能到的干净度，一张写清文件命名。这两张表能省掉八成返工

7. 好评起来后拆两档：两轨 30-80 元，六轨加 WAV 交付 150-400 元

8. 跑顺了再去谈 KTV、琴行、婚庆公司，做按店包月，500-800 元一家

第 8 步才是现金流。散单靠运气，包月靠合同——KTV 的曲库每个月都要补新歌，一家店一个月几十首，这才是能预期的收入。

八、天花板

• 单价被 9.9 元的对手压着。闲鱼上搜一圈就知道，同一件事有人卖 9 块 9

• 需求是碎的，一单不大，靠量堆

• 版权是悬着的，客户拿去做商用，你得提前划清

• 这行的护城河是「别人懒得装 + 没显卡」，不是技术本身。云端哪天便宜到一块钱一首，这活儿就没了

说到底，这是个信息差生意，不是技术生意。

StemDeck 三千多星，说明知道的人不少；闲鱼上还能卖 30 块一单，说明愿意花一晚上装软件的人不多。

早动手的人先吃这一段。这一段不会太长。

数据来源

工具参数（StemDeck 开源时间、协议、htdemucs_6s 模型、170MB 模型包；UVR5 三模型家族、显存建议）：GitHub 项目页与公开发布说明，2026 年

处理速度（RTX 3060 上 4 分钟歌约 15 秒、CPU 十几分钟、UVR5 独显 30 秒内）：公开实测记录，2026 年；不同机器差异较大

LALAL.AI 计费规则（分钟数＝时长×轨道类型数）、Moises 用户量与年费：两家官网公开定价页

闲鱼报价区间（单曲 30-80 元、六轨 150-400 元、包月 500-800 元；在售服务 9.9 元起）：闲鱼在售服务公开挂价，2026 年 9-11 月

时薪、单首成本、接单量为本文按上述数据推算，计算口径已在正文标出

文中未涉及具体个人案例，报价与需求描述均来自公开在售服务，个案不构成收入承诺

每天 10 分钟，看懂 AI 对普通人的影响。