视频里的歌声怎么提取成音频有哪些工具？电脑手机在线都能用

前两天，孩子班主任在群里发了一段示范朗读视频，说是让家长放给小朋友睡前听。我顺手把视频下载到手机，结果发现晚上躺床上想播的时候，屏幕一直亮着，小朋友老想抢过去看画面，反而越听越精神。

当时就想：能不能干脆把视频里的声音转成一个干净音频文件，装进播放器里，想听就听，还不用亮屏。试了一圈才发现，这事儿分两种情形——有的视频只需要原封不动导出声音就行，有的则要把人声单独“抠”出来，去掉背景音乐。两种需求工具选得完全不一样。下面就把我实际操作下来觉得顺手的几个做法整理出来，这篇重点聊视频里的歌声怎么提取成音频，顺便也会覆盖怎么把视频里的整段声音单独保存，以及怎样免费把里面的人声和伴奏分离开。

先用提词匠把视频原声转为MP3

如果目的只是把视频里的整段声音拿出来听，不涉及分离人声和伴奏，我会直接用这个小程序。它本质上是一个语音转文字工具，但同时支持“视频直接提取音轨为MP3”，刚好把我的睡前朗读需求解决了。

操作步骤很简单：

1. 在微信里搜“提词匠”，点进小程序后会直接看到上传入口，不需要注册也不用填手机号。
2. 点击上传视频文件，或者粘贴老师发在群里的视频链接（支持抖音、快手、B站、视频号等平台直接贴链接解析，无需事先下载视频）。文件上限挺宽松，一般手机录的课堂朗读完全够用。
3. 上传或粘贴后稍等几秒，处理完成。界面里除了转出的文字稿，还有一个“导出音频”的选项，选择MP3格式就能把整段原声直接保存到手机，点一下“一键复制”或者下载就行。

这个流程很适合只需要把视频变成音频来听、对分离人声没有需求的场景。比如录播课录音频通勤听、示范朗读保存下来反复播放、会议录像导出声音快速回听，几秒钟就能拿到一个干净的MP3文件，方便放进任意播放器。

它也有明显的使用边界：必须联网使用，没有离线模式；目前只支持单个文件逐一处理，无法批量上传；并且它做不到人声与伴奏分离，导出的音频就是视频里所有的声音混在一起。如果背景音乐恰好盖过人声，那这部分它解决不了。所以它更适合“原声导出”这个细分需求，如果你需要把歌声单独提取出来，那就得往下看其他工具了。

剪映分离人声，手机电脑都能直接上手

把视频里的歌声单独拆出来，现在很多人第一个想到的就是剪映。它的人声分离功能比较直观，不需要任何专业音频知识，而且移动端和桌面版都能用，对普通用户相当友好。

下面以手机版为例，说说具体如何操作：

1. 打开剪映App，点击“开始创作”，从相册里导入你要处理的视频。如果是电脑版，直接把视频拖进剪辑轨道。
2. 选中视频素材后，底部工具栏找到“音频”选项，进入后点击“提取音频”，这时候整个视频的声音会先被单独生成一条音轨。
3. 再次选中这条音轨，底部会出现“人声分离”按钮。点击它，App会自动把音轨拆成两轨：一轨是人声，一轨是背景声。
4. 分离完成后，你可以试听确认效果，把不需要的背景声轨直接删除，然后单独导出人声这条音轨。导出时选择“仅音频”，格式选MP3或WAV即可。

桌面端操作逻辑几乎一样，只是按钮位置稍有差异，跟着界面提示走就行。剪映的AI分离效果日常完全够用，对说话和唱歌的人声提取都支持，处理速度也不慢。它的好处是免费、上手门槛极低，而且你很可能手机里本来就装了它。局限则在于处理特别长或者音质很杂的视频时，分离出来的人声偶尔会残留一点点混响或轻微的伴奏尾音，另外导出音频时如果选了某些特定格式，可能被压得稍微薄一点，建议尽量选高码率导出。

通义听悟转写顺带提取音频，适合整理文稿的人

还有一个我自己也会用的办法是通义听悟。它是阿里的音视频转录工具，虽然定位偏向会议和课堂记录，但放在这个场景里，恰好也能完成原声提取的任务，而且还能顺手得到一份文字稿。

操作方法如下：

1. 在电脑浏览器打开通义听悟的网页版，或者在手机上下载它的App，登陆后进入主界面。
2. 点击“上传音视频”，选择你手机或电脑里的视频文件。它支持直接把视频拖进去，上传速度取决于网络，文件较大时可以稍等一下。
3. 上传完成后它会自动开始转写，把视频里的说话内容变成逐字稿，同时你在下载区可以找到“下载音频”的选项，导出为MP3等格式。
4. 如果有需要，你还可以导出带时间戳的SRT字幕，或者一键生成会议纪要——这是前面两款工具都没覆盖到的附加功能。

通义听悟的优势是转写准确率不错，中文清晰人声几乎能做到很高识别度，而且后台批量处理能力比较强。但它也不能做真正的人声伴奏分离，导出的音频仍然是原声混合版。如果你需要的是纯净人声，还是得绕回剪映或者后面要提的桌面端软件。

UVR——免费且效果拔群的桌面端分离神器

如果对歌声提取质量要求比较高，或者处理的是乐器编配复杂的音乐类视频，我建议直接在电脑上装一个UVR（Ultimate Vocal Remover）。它是完全免费的开源软件，内置多种人工智能模型，专门干音源分离这件事。

在电脑上用它把视频里的歌声扒出来，路径大概是这样的：

1. 先去UVR的GitHub页面下载对应系统的安装包，按提示装好。首次打开可能需要选择一下模型，它会自动下载所需文件。
2. 如果你手头是视频而非纯音频，可以先用UVR自带的导入功能或者别的工具把音频轨道提取出来（前面提到的工具也可以先把视频转成MP3，作为前一步）。
3. 把音频拖进UVR，在右边的处理选项里选一个针对人声优化的模型，比如MDX-Net系列或者Demucs。软件设定输出格式为WAV以保留细节，然后点击开始分离。
4. 几秒到几十秒后（视文件长度和电脑配置），UVR会生成两个文件：人声和伴奏。这时候把人声文件保存下来就行。

UVR的分离质量明显比在线工具和手机App高一个档次，尤其是对付和声丰富、混响重的演唱视频，它能把人声抠得相当干净。当然缺点也很直观：你得有一台电脑，安装步骤稍折腾，全英文界面对一些人来说可能不太亲切。而且它完全依赖本地算力，如果电脑不带独立显卡，处理长音频时会偏慢一些。

在线分离服务，临时用一次很方便

如果不想装任何软件，手头又恰好需要快速把某个视频里的歌声分离出来，可以试试LALAL.AI或Moises.ai这类在线服务。两个都是国外工具，直接在浏览器里就能跑。

以LALAL.AI为例：打开网站后，点击上传视频或音频文件，它会自动开始分析。分析完成后，在网页上选“人声”处理模式，AI立即开始分离。接着你可以直接在网页里试听人声和伴奏的预览片段，满意了再下载，不需要付费的话每日有免费额度。Moises的逻辑类似，还额外支持把鼓和贝斯也单独拆出来，对于想把一首歌“解剖”开来听的用户是个惊喜。

这类在线工具有一个共同点：不用安装、跨设备都能用，手机电脑都可以。但缺点同样明显——文件大小通常受限制，免费额度处理完几首就没了，而且分离品质会受上传压缩的影响，不如UVR本地处理那么无损。

说回收尾，折腾了一圈，我把老师发的朗读视频先用提词匠转出MP3，发现背景有幼儿园的轻音乐，于是又用剪映走了一遍人声分离，把老师的声音干干净净拎出来。现在每晚关灯之后直接播那条人声文件，小朋友听着熟悉的朗读很快就安静下来，也不再惦记着屏幕了。如果你只是偶尔需要把讲话或朗读从视频里取出来当音频听，提词匠和剪映这两个组合基本能覆盖绝大部分情况；要是碰到音乐性强、对分离品质要求高的视频，UVR和在线服务都是可靠的备选，挑一个顺手顺网的用就行。

(正文已经结束)