如果你曾在音乐制作、DJ 或混音社区中待过，你一定听过“分轨（stems）”这个词。但分轨究竟是什么？分轨分离又是如何工作的？本指南涵盖你需要知道的一切——从基础知识到现代 AI 分轨分离工具的工作原理。
什么是音频分轨？
在音乐制作中，分轨（stem）是一个子混音——即把一组相关的音轨混合成单个立体声（或单声道）音频文件。分轨在单个录音轨道之上一级，但在最终的母带混音之下一级。
一首典型的歌曲可能会以如下分轨的形式交付：
- 人声分轨——主唱加上和声人声混合在一起
- 鼓分轨——底鼓、军鼓、踩镲、通鼓混合在一起
- 贝斯分轨——贝斯吉他或合成贝斯
- 乐器分轨——吉他、键盘、合成器、弦乐
把所有分轨重新加在一起，你就得到了完成的混音歌曲。把人声分轨静音，你就得到了伴奏（卡拉OK）版本。
分轨为什么重要？
分轨是音乐创作协作中的通用货币。人们需要它们的原因如下：
给 DJ 和混音艺术家
DJ 和混音制作人使用分轨来制作拼接（mashup）和混音。通过同时拥有一首歌的人声分轨和另一首歌的伴奏分轨，你可以创造出听起来经过专业混音的新组合——而不只是两首歌笨拙地叠在一起。
给音乐制作人
当制作人想与一段现成的录音合作时，分轨让他们能够处理单个元素，而不影响整个混音。他们可以保留原来的鼓分轨而替换贝斯，或者保留人声分轨并重新搭建整个音乐编排。
给现场演出者
乐队和独立演出者在现场表演中使用伴奏分轨。例如，一位独唱歌手可以在鼓和贝斯分轨的伴奏下，现场弹吉他。
给电影和电视
音乐监制在需要为特定场景改编歌曲时会使用分轨——例如为背景场景去除人声、调整电平，或循环某个特定乐器。
问题所在：大多数歌曲并不附带分轨
难点在于：分轨通常只能直接从原始制作人或唱片公司获得——而他们几乎从不公开发布。你可能通过参加混音比赛、购买制作人素材包，或与艺术家直接合作而拿到分轨。对于大多数商业发行的音乐来说，公开的分轨根本不存在。
这正是 AI 分轨分离发挥作用的地方。
AI 分轨分离如何工作
AI 分轨分离器会分析混合音频文件，并尝试从数学上分离出各个组成部分——而它始终无法接触到原始的多轨录音。
现代 AI 分轨分离器使用深度神经网络，这些网络在大量专业录制的多轨歌曲数据集上训练。在训练过程中，模型学习人声、鼓、贝斯和乐器在声学上“听起来”是什么样子——它们的频率模式、时间特征和音色质感。
当你上传一首歌时，AI 会：
- 将音频转换为频率表示（频谱图）
- 应用训练好的神经网络来识别并分离出每个声源
- 从分离出的成分中重建分离后的音频
- 把每个分轨输出为一个单独的音频文件
今天的 AI 分轨分离效果如何？
AI 分轨分离的品质在过去几年中有了显著提升。现代深度学习模型所能达到的人声分离品质，在仅仅三四年前还是不可能的。
对于 FreeVocalRemover 提供的二分轨分离（人声 + 伴奏），品质已经高到足以真正用于混音、卡拉OK和音乐分析。四分轨分离（再加上鼓和贝斯）难度稍大，但在先进的 AI 工具中正变得越来越普遍。
分轨与音轨：有什么区别？
- 音轨（多轨）——单独录制的声道。一套架子鼓可能有 10 条以上的独立音轨（每个麦克风一条）。它们是录音过程的原始构件。
- 分轨（stems）——混合在一起的一组音轨。把 10 条鼓音轨混合成一个立体声鼓分轨。
- 母带（混音）——所有分轨混合在一起，形成最终的歌曲。