模型列表&各模型详解
输入“/”快速插入内容
模型列表&各模型详解
模型列表&各模型详解
飞书用户61078月15日修改
36413
91144
💡
说明
1.
该文档列出了目前所有可供使用的MSST模型和UVR模型，以及这些模型的作用，各个模型的推荐度将使用⭐数量表示。表中部分模型无推荐度是因为作者本人也没用过。比较推荐的加红表示。
2.
关于详细的分离技巧，可以结合本文的模型列表，以及音频分离技巧（已更新1.7）选择合适的模型进行使用。
3.
若你有自己训练的MSST模型或者是我还没有添加到模型列表中的模型，你可以参考加载第三方&自训练模型（已更新1.7）添加至整合包使用。
💡
1.7版本新增的模型在表中使用淡绿色标注。共新增14个MSST模型，1个VR模型
目录
•
•
MSST模型列表
以下模型可以在WebUI安装模型处，或者DownloadManager模型管理器中直接下载到
模型分为以下三个类别
◦
multi_stem_models：多音轨分离模型
◦
single_stem_models：单音轨分离模型，通常只提取两个stem，目标音轨和剩余音频
◦
vocal_models：针对于人声和伴奏分离的模型
特别提醒：手机用户可以右滑表格查看表格超出屏幕的部分哦！
第三方MSST模型分享（不定期更新）
上次更新时间：2025年6月25日
💡
注意
•
以下模型需要手动下载模型和配置文件，并前往“WebUI--安装非官方MSST模型”页面手动安装。安装方法请参考加载第三方/自训练模型。模型仓库中同时包含模型（一般以ckpt结尾）以及对应的配置文件（以yaml结尾）一些仓库还有README文档说明。有些仓库有多个不同版本的模型的话，根据模型名字，注意区分一下配置文件就行。
•
比较建议可以下载下来试试的模型用蓝色标出了
1.
Huggingface国外网站（需要魔法），打不开的可以把网站中的huggingface.co改成hf-mirror.com，其余部分不变，使用国内镜像站。也可以使用Watt Toolkit (即Steam++)，选择加速Github。也能同时加速huggingface.co。谷歌云盘需要魔法才能访问。
2.
非官方MSST模型不做单独介绍，想了解这个模型可以做什么，可以通过模型名字了解或者下载下来使用。如果一个模型仓库中有多个模型，一般可以根据模型名字，以及模型上传时间，择优选取
3.
4.
MSST模型指标解释
一些常用的指标：
◦
SDR（源失真比）
SDR是衡量预测源（估计值）与参考源匹配程度的指标。它通过参考信号的能量与误差（参考信号与估计值之间的差异）的能量比来计算。返回的结果是以分贝（dB）为单位的 SDR 值。值越高表示性能越好。
◦
SI-SDR（尺度不变源失真比）
SI-SDR 是 SDR 指标的一种变体，它对于估计值相对于参考信号的尺度变化是无关的（即忽略响度振幅变化）。其计算方法是先将估计值按比例调整以匹配参考信号，然后再计算 SDR。值越高表示性能越好。
◦
Bleedless & fullness
参考信号和估计信号之间的“溢出”（bleed）和“饱满度”（fullness）度量。“溢出”指标衡量估计信号在多大程度上溢出到参考信号中，而“饱满度”指标则衡量估计信号在多大程度上保持其相对于参考信号的独特性。简单理解就是分离的完整性。这两个值越高表示完整性越好，说明分离特定乐器时，饱满程度越好。举个例子，例如分离人声伴奏，对于人声来说，溢出的越少（即bleedless指标越高），饱满度越高（即fullness指标越高），说明人声在伴奏中的残留越少，分离的越完整。
【点击展开】一些不常用的指标：
VR模型列表