ComfyUI音频魔法：AudioSeparation——给你的音乐做个抽脂手术！

这货到底是干啥的？

简单说，AudioSeparation就是个音频分轨器。它利用深度学习模型（比如Demucs或MDX-Net），像剥洋葱一样，把你的立体声音乐一层层剥开，提取出独立的音轨（Stems）。

核心逻辑：AI抽脂原理

• 加载音频：吃掉你的MP3或WAV文件。
• 频谱分析：把声音转换成频谱图，就像给音频做X光扫描。
• AI分离：利用训练好的神经网络，识别哪些频率属于人声，哪些属于鼓，哪些属于贝斯。
• 重建输出：把分离出来的频率重新合成成独立的音频文件。

适配场景：啥时候得用它？

• 卡拉OK制作：一键去除人声，提取纯伴奏。
• 采样制作：从老歌里提取干净的鼓点（Drums）或贝斯（Bass）用于新创作。
• 视频后期：想把视频里的背景音乐换掉？先用它把背景音乐和人声分开，再替换！

实操教程：手把手教你做手术

• 安装插件：推荐使用Demucs（轻量级，4G显存可用）或MDX-Net（功能全）。
• 添加节点：在ComfyUI空白处右键添加AudioSeparation节点。
• 加载音频：在audio参数中，上传你的MP3或WAV文件。
• 选择模型：MDX-Net：分离精度高，适合复杂音乐，但吃显存。Demucs：速度快，适合简单分离。
• 设置模式：Stems模式：标准模式，分出人声、鼓、贝斯、其他。Vocals模式：卡拉OK模式，专门优化人声去除。
• 输出连接：节点会输出多个音频接口（Vocals, Drums, Bass, Other），连到Save节点保存即可。搞定！

参数设置详解：别小看这些框框

参数说明model_name这是手术刀型号。MDX-Net是精密手术刀，Demucs是快速切片刀。segment这是手术范围。数值越大（如300），处理长音频越连贯，但越吃内存；数值小（如15）则速度快但可能有接缝。shifts这是多次采样。设为1-5，数值越高，分离效果越细腻，但处理时间翻倍。

节点对比：DeepExtractV2 vs Audio-separation-nodes

节点说明DeepExtractV2主打开箱即用，无需手动下载模型，对低显存显卡（4GB）友好，适合新手。Audio-separation-nodes功能更丰富，支持节奏匹配、音频重组，适合高阶玩家。

文件与项目地址

• 文件地址：模型通常自动下载，或放在ComfyUI模型目录。
• 项目地址：Demucs或Audio-separation-nodes的GitHub仓库。

避坑指南

• 显存爆炸：如果用的是MDX-Net模型且显存小于8G，记得把segment参数调小，否则会报错。
• 人声残留：去除人声后，如果伴奏里还有人声回音，尝试使用Vocals模式或调整shifts参数。
• 格式问题：输出建议选WAV格式，MP3会有压缩损耗，影响二次创作质量。

好了，关于AudioSeparation的抽脂之旅就到这里。有了它，你的音乐素材库瞬间就能扩充一倍！关于ComfyUI音频系列的最后一篇，咱们来聊聊音频世界里的美颜神器——AudioFace，看看它如何让你的虚拟形象更生动！