去除视频的背景音乐
去除视频中的背景音乐（BGM），生成保留台词、旁白和音效的视频。可在能使用 GPU（WebGPU）的电脑上的 Chrome 和 Edge 中运行（不支持手机和平板）。音源分离 AI 在浏览器内运行，视频不会发送到外部。
首次运行会下载 AI 模型（约 27 MB），之后使用浏览器中保存的副本。您的文件绝不会被上传。
处理过程中使用约 3 GB 的 GPU 内存。
设置
使用方法
- 1
添加视频
拖入 1 个 MP4、MOV、WebM、MKV 等格式的视频。较长的视频先用“裁剪视频”只保留需要的部分，可以缩短等待时间。
- 2
选择“保留的声音”并运行
默认设置是“人声和音效（去除背景音乐）”。也想去除音效时选择“仅人声（也去除音效）”。首次运行会获取 AI 模型（约 27 MB）。处理完成前，请让此标签页保持在前台。
- 3
播放确认并保存
在页面上播放结果视频，确认背景音乐的残留情况后按“保存”。画面保持不变，并以与原视频相同的格式保存。
去除背景音乐的原理与“保留的声音”的选择
AI 使用 TIGER-DnR（在 ICLR 2025 上发表的研究的模型，权重的许可证为 Apache-2.0），它把音频分成人声、音效和音乐三部分。“保留的声音”的默认设置是“人声和音效（去除背景音乐）”。在讲座或采访中还想去除杂声时，请选择“仅人声（也去除音效）”。画面不重新编码，原样写出，只替换音频，因此画质不变。只处理一条音轨，字幕轨和章节不会写出。
处理时间大致与视频长度成正比。在我们测试的迷你电脑（集成显卡）上，1 分钟的视频约需 1 分钟，不到 12 秒的视频包括准备 AI 模型在内也需要约 25 秒。根据 GPU 的不同，可能需要数倍的时间。处理过程中使用约 3 GB 的 GPU 内存，首次运行会获取 AI 模型（约 27 MB）。对于较长的视频，先用“裁剪视频”只保留需要的部分，可以缩短等待时间。
要去除歌曲中的人声，请使用“人声去除（伴奏提取）”；只想提取歌声，请使用“人声提取（清唱提取）”；要减少录音中的杂音，请使用“音频降噪”。要让人物背后的背景变透明，请使用“视频去背景”。如果想把讲座或会议的录像转成文字，请使用同一运营者的语音转文字工具 Transcriber。
本工具的规格
- 输入
- MP4、MOV、M4V、WEBM、MKV、TS、3GP
- 输出
- 与输入相同、MP4、MOV、WEBM、MKV
- 限制
- 一次 1 个文件；输出每个文件最大 3.5 GB（预计超过的视频不予处理）
- 免费・无需注册・无需安装应用
- 文件不会上传到外部（在浏览器内处理）
常见问题
视频会发送到服务器吗？
不会。去除背景音乐和写出视频都在您设备的浏览器中进行，视频数据不会发送到外部。AI 模型（约 27 MB）只在首次从网络获取。此外，用于修复问题的处理统计（设备性能、音频长度的范围、错误类型等，不包含视频本身和文件名）会发送到本站服务器，可通过页面底部“诚邀协助提升服务品质”中的开关停止发送。
手机和平板也能用吗？
iPhone 和 iPad 无法使用。AI 处理需要约 3 GB 的 GPU 内存，因此本工具面向可使用 GPU（WebGPU）的电脑上的 Chrome 和 Edge。在 Android 手机、平板以及 Mac 的 Safari 中可以运行，但可能会中途停止。
带歌声的背景音乐和音效会怎样？
带歌声的背景音乐往往会连同歌声一起被去除，也可能残留一部分歌声。这是因为 AI 被训练为把说话声作为“人声”保留。音效会保留，但难以与背景音乐区分的声音可能会一起变小，也可能残留少许背景音乐。请先在页面上播放结果确认后再保存。
去除背景音乐后的视频可以公开吗？
如果是您自己拍摄或制作的视频，或已确认权利的视频，可以公开。即使去除了背景音乐，画面和说话声等的权利仍归原权利人所有。加工他人的视频并公开或分发，需要获得权利人的许可。
诚邀协助提升服务品质
转换或压缩失败时，若能把当时的情况发送给我们，将有助于查明原因。了解哪些设备、哪些格式更容易失败，以及处理需要多长时间之后，我们就能调整支持的格式并修复相应问题。如果方便，保持开启会帮上很大的忙。
会发送的信息
- 使用的工具和所选设置（输出格式、质量等）
- 设备性能（有无 GPU、内存、核心数）
- 输入格式和大致大小
- 成功与失败的数量和耗时
- 失败时的错误类型和内容
不会发送的信息
- 文件本身、文件名
- IP 地址
数据只发送到本站自有服务器，不会交给第三方服务。
包括各工具发送的明细在内的全部项目，请参阅隐私政策中的“处理统计”。
本工具发送的明细（仅数量、时间、类型和有无）
本工具除“会发送的信息”外，还会发送以下明细。
- 视频去除背景音乐
- 音频长度的范围、每分钟音频的处理时间的范围、中途重新准备 GPU 的次数。