Голос: спикеры и звукМузыка и звук

UVR / MDX-Net / RoFormer (разделение звука)

Большая открытая коллекция моделей для отделения голоса от музыки и шумов: MDX-Net, BS-RoFormer, Mel-RoFormer, SCNet. Лидеры по качеству вокала среди открытых решений.

Разработчик
Сообщество: Ultimate Vocal Remover (Anjok07), ZFTurbo, MVSep, Международное сообщество
Первый выпуск
дек 2022
Последний выпуск
авг 2026
Размеры
от десятков до сотен миллионов параметров
Лицензия
Коммерция с условиямиКод MIT; у отдельных весов разные условия, проверять по каждой модели
Запуск
Через свой серверРаботает и без видеокарты
Сферы
Медиа и продакшн
Поставить на свой сервер GitHub

Какие задачи решает

  • Чистый голос из записи с музыкой
  • Минусовки и стемы для караоке
  • Удаление фоновой музыки и шума из роликов

Где применяется

Медиа и продакшнМузыкальные студииКараоке

Требования к железу

НоутбукНоутбук или обычный ПК, до 8 ГБ видеопамяти — младшие версии
подходит
1 видеокартаОдна видеокарта на 16–80 ГБ — средние версии
подходит
КластерСервер с несколькими видеокартами — флагманские версии
нет версий

Версии

  1. DTTNet
  2. BS PolarFormer, MVSep Mega
  3. SCNet XL
  4. Mel-/BS-RoFormer
  5. MSST: MDX23C и первые веса
  6. UVR 5.6
  7. UVR 5.5

Как запустить

На своём сервереВеса скачиваются с Hugging Face, запуск — через vLLM (нагрузка и API) или llama.cpp (скромное железо). Так модель работает в закрытом контуре, без оплаты за запросы.
Сколько нужно железаПосчитайте видеопамять под нужный размер модели, контекст и число одновременных запросов.Открыть калькулятор железа

Ставлю и настраиваю под ключ: подберу размер модели, разверну на вашем сервере, подключу к вашим системам.

Частые вопросы

Можно ли использовать UVR / MDX-Net / RoFormer (разделение звука) в коммерческом проекте?

С условиями. Лицензия: Код MIT; у отдельных весов разные условия, проверять по каждой модели. Ограничения бывают разными — регион, выручка компании, требование указывать авторство. Перед коммерческим запуском проверьте условия с юристом.

Какое железо нужно для UVR / MDX-Net / RoFormer (разделение звука)?

Минимум: Ноутбук или обычный ПК, до 8 ГБ видеопамяти — младшие версии. Есть версии, которые работают и без видеокарты, на обычном процессоре. Точный объём видеопамяти под ваш размер модели и контекст можно посчитать в калькуляторе железа.

Поддерживает ли UVR / MDX-Net / RoFormer (разделение звука) русский язык?

Для этой модели язык не важен: она работает не с текстом.

Где скачать UVR / MDX-Net / RoFormer (разделение звука) и сколько это стоит?

Веса UVR / MDX-Net / RoFormer (разделение звука) лежат в открытом доступе и скачиваются бесплатно. Платить нужно только за железо, на котором модель работает, и за настройку. Ссылки на первоисточник — в конце страницы.

Как внедряю у заказчика

  1. ПодборВыбираю размер модели под задачу и ваше железо, проверяю на ваших примерах.
  2. УстановкаРазворачиваю на вашем сервере или в закрытом контуре, отдаю API.
  3. ДообучениеДообучаю на ваших данных (LoRA) или подключаю базу знаний — что дешевле для задачи.
  4. ВстраиваниеПодключаю к CRM, 1С, боту, сайту или рабочему чату, настраиваю мониторинг.

Сравнения

Похожие модели

Голос: спикеры и звукDemucsMeta AI, затем Александр Дефоссе · ФранцияМожно в коммерцию

Классическая модель, которая разделяет трек на голос, барабаны, бас и остальное. Версия v4 с гибридным трансформером остаётся эталоном; сейчас проект поддерживает автор в своём репозитории.

ПодробнееГолос: спикеры и звукSAM AudioMeta · СШАКоммерция с условиями

Модель вырезает из записи нужный звук по текстовому описанию, по отметке на видео или по отрезку: голос, инструмент, шум. Доступ к весам выдают по заявке.

Подробнее

Источник: github.com/ZFTurbo/Music-Source-Separation-Training/releases. Данные сверены с карточкой модели 22.09.2026. Лицензию перед коммерческим запуском проверьте с юристом.