如何使用 AI Stem Splitter 製作練習用的伴奏帶

大多數樂手的練習日常都有一個明顯的缺口：沒有樂團。

你可以對著節拍器把一首歌跑一個小時，但要等到實際對著真正的鼓、真正的貝斯、真正的人聲一起彈，才學得會怎麼把副歌穩穩送進去。以前的解法是去 iTunes 一首一首買伴奏帶——幾百首，每首 1.99 美元，大多還是你根本不想彈的歌、被混得很糟的版本。

AI 音軌分離直接幹掉了這個市場。現在你可以拿任何一首你擁有的歌（或任何一條 YouTube 連結），在幾分鐘內把你自己那項樂器抽掉。做出來的伴奏帶會完全貼合原始錄音，因為它就是原始錄音減去你而已。

這篇文章會帶你走過四種常見情境的實作流程——人聲、吉他、貝斯、鼓——再加上這招行不通的那些歌、以及需要放慢速度時該怎麼處理。

你最後會得到什麼

每首歌一個音訊檔，裡面是完整的原版錄音減掉你的樂器。把它丟進手機的 Spotify、Anytune、隨身 looper，或任何 DAW，然後跟著彈。

對主唱來說，那就是卡拉 OK 的伴奏。對吉他手來說，是少了吉他的整個樂團。對鼓手來說，是中間挖了一個鼓位空缺的歌。同一套邏輯，差別只在抽掉哪一軌。

先挑對模型

這是大多數人會搞錯的關鍵決策，搞錯就得整首重跑一次。

你的樂器	用這個模型	為什麼
人聲（唱歌）	4 軌（預設）	4 軌模型的人聲分得最乾淨
貝斯	4 軌（預設）	貝斯有自己的獨立音軌
鼓	4 軌（預設）	鼓有自己的獨立音軌
吉他	6 軌	不用 6 軌的話，吉他會被丟進「other」裡跟合成器、弦樂混在一起
鋼琴	6 軌	同樣的原因——鋼琴需要自己的獨立音軌
薩克斯風、小提琴、銅管	4 軌（接受現實）	沒有專屬音軌，這些樂器只能待在「other」裡

6 軌模型是我們最常看到大家踩的坑。 吉他手習慣性選 4 軌，然後納悶為什麼自己做出來的「伴奏帶」還是有吉他聲漏出來。這不是模型的 bug——4 軌模型裡根本就沒有專屬吉他軌。如果你彈吉他或鋼琴就選 6 軌，其他情況選 4 軌；4 軌比較快，每一軌的分離也稍微乾淨一點。

兩種模型成本相同，所以不用為了省錢去糾結這個。（每次呼叫的成本算式我們在這裡寫過。）

工作流程：練唱

這是最簡單的情境，因為「除了人聲之外的全部」只要點一下就好。

挑一首歌。 任何製作乾淨的歌都行。避開現場錄音（什麼聲音都會互相干擾），以及主唱被疊軌、過度 auto-tune、或埋在 reverb 底下的歌。
跳過音軌分離器，改用 karaoke maker。 這就是同一個流程的一鍵「給我伴奏版」捷徑。
等大約 60 秒。 一首 3 分鐘的歌大概就是這個處理時間。
下載伴奏檔。 那是已經幫你混好的鼓 + 貝斯 + other。丟到手機，搞定。

唯一的小陷阱： 如果歌曲裡有你也想去掉的明顯和聲（Beatles 那種疊起來的和聲），karaoke maker 會保留那些和聲。網路上沒有任何公開模型可以乾淨地把主唱和和聲分開——它們共享太多頻率內容。換一個錄音，不然就接受你的伴奏帶裡會有和聲存在。

工作流程：練吉他

這裡 6 軌的決策就很重要了。

挑歌。 那種只有一把明顯錄出來的吉他的歌最理想——音色乾淨、聲道分離好。有五層吉他疊軌的歌（大部分金屬、很多現代流行）對任何模型來說都是硬骨頭。
打開 AI Stem Splitter 選 6 軌。 上傳檔案或貼一條 YouTube 連結。
等 2 到 3 分鐘 處理。
下載除了吉他以外的所有音軌。 你會拿到六個檔案：人聲、鼓、貝斯、吉他、鋼琴、other。留五個，跳過吉他。
把它們混回一個檔案。 把那五軌拖進 Audacity（免費）或任何 DAW。所有軌都設成 0 dB。匯出成 MP3。

成品就是少了吉他的整個樂團。在任何支援 A-B repeat 的播放器裡 loop 住 solo 段落，把那個 lick 練個五十次。

節奏陷阱： 你可能會手癢想把鼓也靜音，做出「更乾淨」的練習混音。別這樣。大多數樂手沒有鼓當參考就會抓不到節奏，而跟著原始錄音彈的整個重點，就是要學會你的聲部要怎麼坐進那個 groove 裡。

工作流程：練貝斯

幾乎跟吉他一模一樣，只是用 4 軌。

把歌上傳到 AI Stem Splitter，選 4 軌。
等大約 60 秒。
下載人聲 + 鼓 + other。 跳過貝斯軌。
在 Audacity 裡把它們混回去。匯出。

貝斯專屬的坑： 有合成貝斯或重 sub-bass 的歌，常常會在「bass」軌和「other」軌之間被切得很怪。如果你的 bassline 從 bass 檔裡消失了，卻在 other 裡淡淡地出現，那是因為原始混音把貝斯接上了合成器或用了重 sidechain。這在模型層級沒辦法修——換首歌，或者把兩軌疊回去，接受你的「伴奏」帶裡會有 ghost bass。

工作流程：練鼓

同樣的流程，換一個音軌丟掉。

上傳到 AI Stem Splitter，選 4 軌。
下載人聲 + 貝斯 + other。 跳過鼓軌。
混回一個檔案。

鼓專屬的坑： 「人聲」軌會有微弱的鈸聲漏出來（鈸跟齒音人聲共用很多高頻內容），而「other」軌偶爾會有 ghost-snare 的雜訊殘留。練習用的話無所謂——你打得夠大聲，沒人聽得到那點漏音。如果你要把鼓錄進伴奏帶裡，把鼓位以外的所有軌道都用 ~80 Hz 高通濾掉，漏音就會消失。

哪些歌行得通、哪些行不通

這是大家都不講的另一半。再完美的模型，也分不了當初錄音時就沒打算分軌的音訊。

效果好：

經典搖滾（66 年後的 Beatles、CCR、Tom Petty、Springsteen）
鄉村音樂幾乎全部都行——人聲永遠在最前面
木吉他創作型歌手
製作乾淨的現代流行（2010 年後的大多數作品）
小編制爵士標準曲

效果差：

重 shoegaze 與 lo-fi（刻意做模糊的製作風格）
重度 auto-tune 加上加了效果的和聲疊唱
現場錄音（每樣聲音都會互相干擾）
用了重 parallel/bus 壓縮的歌
1965 年以前的單聲道混音
有吉他牆疊軌的重金屬

耳機測試： 如果你用便宜耳機就能清楚聽出每樣樂器在哪、叫得出名字，模型大概也分得開。如果在便宜耳機裡聽起來就是一面 wall of sound，模型也只會給你一面 wall of stems。

放慢速度或變調

原速的伴奏帶在你還在學的時候通常不太實用。兩種處理方式。

分軌之後再放慢。 正常跑一次音軌分離，把你的伴奏帶混好，然後丟進 slowed + reverb maker。在 15% 以內的減速都還能用。超過這個範圍就會開始聽到鈸上的 time-stretch 雜訊。

分軌之前先放慢。 反直覺地，這常常會讓分軌品質更好。模型在同一段音訊上用更低的每秒取樣密度去處理，遇到棘手的瞬態時就有更多東西可以分析。如果某首歌預設分出來很糊，試試這招。

要變調的話，把 pitch changer 用在你最終的伴奏帶上。不要在分軌之前變調——pitch-shift 的雜訊會干擾模型，最後拿到更糟的音軌。

三個值得知道的雷

1. 不要在混音之前正規化每個音軌。 音軌分離本來就已經保留了原始混音的相對音量。如果你在合起來之前把每一軌都 normalize 到 0 dB，做出來的伴奏帶會突然變成貝斯最大聲——對著原版錄音完全不對。匯入原始的音軌，所有軌道增益都設 0 dB，匯出。

2. 一次性使用的話不必特別分軌。 音軌分離適合那些你會練 50 次的歌。一首你只會彈過兩次的歌，直接跟著原版彈、把音量調到你聽得見自己的程度就好。「5 分鐘處理 + 30 秒混音」的時間成本只有在多次練習中才划算。

3. 如果來源音訊本身聽起來就爛，不要相信第一次的分軌結果。 位元率有差。一段 128 kbps 的 YouTube rip 分出來會明顯比 320 kbps MP3 或無損檔案差。如果結果聽起來怪怪的，先檢查來源——你能從低位元率來源裡榨出的品質有實實在在的上限。

實際操作起來大概長這樣

一個典型的工作流程主動花的時間大概三分鐘：

30 秒上傳歌曲、選模型
1 到 3 分鐘處理（這段你什麼都不用做）
30 秒下載並在 Audacity 裡合併

總計：從「我想練這首歌」到「伴奏帶已經在手機上」不到 5 分鐘。

如果你只需要把人聲拿掉，karaoke maker 完全省掉手動混音那一步。除此之外，把檔案一拖一放進 Audacity 就是整個工作了。

重點整理： 模型本身才是最簡單的部分。為你的樂器挑對模型，以及挑一首當初錄音時就有乾淨分離的歌，這兩個決策才是決定接下來一小時你是在練琴還是在排錯的關鍵。

如果你想在不架設本地工具鏈的情況下試試看，AI Stem Splitter 對最前面幾分鐘的音訊是免費的。