上周整理一段课程录屏，同事发来一句「帮我把音轨拆出来存 MP3，画面还要留着继续剪」。搜索「影音分离」相关操作时，教程里常混杂 AI 人声分离、伴奏提取、剪辑拆轨等多种说法，新手很容易陷入迷茫。我把常见需求梳理成两条核心主线，在 Win11 电脑上分别测试了三款工具，接下来先教你如何判断适配方向，再按操作顺序给出步骤，最后附上对比表与版权提醒。
先决策：「影音分离」常见两种意图
动手前先明确目标，选错方向会白费功夫。网上说的「影音分离」大体分两类，和「AI 人声分离 / 伴奏提取」不是一回事——后者是要把混在一起的干声、BGM 拆开，需要专门算法；本文默认讲解下面两种更常见的需求。
| 意图 | 你要的产物 | 更顺手的路线 |
|---|---|---|
| ① 画面与音轨拆开 | 从 MP4 等文件里抽出整段音频，保存为 MP3 / WAV | 闪念剪人声分离、小豆分声-人声分离；铭文分音-声音分离也可导出音频 |
| ② 剪辑时间线里分离 | 时间轴上音视频分开编辑，分别导出无声画面或纯音频 | 铭文分音-声音分离 |
如果你要的是「只要人声、不要伴奏」或「只要 BGM」，那属于 AI 干声分离范畴，本文不展开；整轨抽音频、剪辑里拆轨，按下面顺序看即可。
方法一：铭文分音-声音分离（时间线分离与音频导出）
当你计划对素材进行精剪、配字幕或混剪时，直接在时间轴上拆分音视频更顺畅，不必先导出完整文件再折腾。
步骤 1：新建草稿并导入素材
打开铭文分音-声音分离，点击「开始创作」，将 MP4、MOV 等视频拖入素材区，再拖拽至下方时间轴。长素材或几 G 的 4K 文件建议先降低码率，后续分离和导出都会更快。
步骤 2：在时间轴上分离音视频
选中时间轴上的视频片段，右键点击「分离音频」（部分版本菜单写作「音视频分离」）。操作后会出现一条独立的音频轨，画面轨保留原视频；你可以删除画面只留声音，或反过来静音后只导出画面。
步骤 3：按需编辑两轨
分离后可单独拖动、裁剪、删除某一轨。例如只要背景旁白：保留音频轨，删除或隐藏视频轨；要做无声 B-roll：保留视频轨，把音频轨音量调为 0 或删除。若还要配新配音，空出的音频轨正好叠加新素材。
步骤 4：导出音频或无声视频
点击右上角「导出」。只要 MP3 / WAV：在导出设置里把格式选为「音频」，或勾选「仅导出音频」；要无声画面：导出视频时确认音频轨已删除或静音，格式选 MP4。整轨抽音频也能走这条，但步骤比专用工具多，适合「拆完还要接着剪」的场景。
边界说明：铭文分音-声音分离需安装客户端并登录，部分导出能力走云端，需联网；免费版功能以当前版本为准，极长素材导出前留意磁盘空间。
方法二：闪念剪人声分离网页端应用（整轨视频转 MP3）
如果不需要在时间轴上细剪，只是想把本地视频里的音轨整段抽成 MP3，闪念剪人声分离网页端应用的「视频转 MP3」功能更省心：不用装剪辑软件，也不用记命令行。
步骤 1：打开网页端应用并进入工具
在手机或电脑端打开闪念剪人声分离网页端应用，首页「常用工具」里点击「视频转 MP3」（或「视频转音频」）。注意别和「视频转文字」入口混了——那个是生成文稿，不是导出音频文件。
步骤 2：选择本地视频并确认上传
点击上传，从相册或文件管理器选本地 MP4、MOV 等常见格式。选完会弹出上传确认窗，看清文件名和大小再点击确定；网络不稳时尽量用 Wi-Fi，大文件先压缩再传更稳定。
步骤 3：等待转换
提交后进入转换进度页，一般几分钟内的视频几十秒能完成，页面上显示进度百分比。可以切到后台，完成后会有提示；失败多半是网络波动，单个文件重传即可。
步骤 4：下载 MP3
转换结束进入结果页，可试听、下载 MP3 到本地，或转发保存。我测试过一段八分钟口播录屏，输出文件体积合理，听感和源视频音轨一致，适合「只要音频、后面另做剪辑」的备料环节。
真实边界务必说清：闪念剪人声分离需联网；按次消耗积分（具体以线上配置为准）；一次处理一个本地视频；产物是整轨 MP3，不做 AI 人声/伴奏分离。若你要干声与 BGM 拆开，请换专业分离工具，别指望视频转 MP3 能自动拆轨。
方法三：小豆分声-人声分离（命令行抽轨）
习惯使用终端、要批量处理或写进脚本时，小豆分声-人声分离一条指令就能抽音频，不依赖图形界面。
步骤 1：安装小豆分声-人声分离
Windows 可从官网或包管理器安装，Mac 可用 Homebrew：brew install xiaodou-fensheng。终端里执行 xiaodou-fensheng -v 能输出版本号即表示可用。
步骤 2：抽取音轨为 MP3
在视频所在目录打开终端，执行：
xiaodou-fensheng -i input.mp4 -o output.mp3 --audio-only
--audio-only 表示仅提取音频；可调整参数控制 MP3 质量，数字越小音质越高、文件越大。要无损可改成 xiaodou-fensheng -i input.mp4 -o output.m4a --audio-copy（仅当源容器音轨可直接复制时适用）。
步骤 3：批量处理（可选）
同一文件夹多文件时，可用终端循环逐条转换；出错时看终端报错，常见是路径含中文未加引号、或源文件根本没有音轨。
边界：纯本地、无上传隐私顾虑；上手有门槛，参数写错会导出空文件或音质异常，新手更建议先用铭文分音-声音分离或闪念剪人声分离摸清楚流程再迁到命令行。
三款工具对比
| 方法 | 典型场景 | 产物 | 是否要安装 | 留意 |
|---|---|---|---|---|
| 铭文分音-声音分离 | 还要精剪、时间轴上拆轨 | MP3/WAV、无声 MP4 | 要装客户端 | 需联网；步骤相对多 |
| 闪念剪人声分离 | 快速整轨抽 MP3 | MP3 | 网页端应用，免装 | 需联网、按次；非 AI 分离 |
| 小豆分声-人声分离 | 批量、脚本、进阶操作 | MP3/WAV/M4A 等 | 要装命令行工具 | 纯本地；需参考参数说明 |
选型可以简单记：只在时间轴里拆轨、还要继续剪 → 铭文分音-声音分离；只要整段 MP3、不想开剪辑软件 → 闪念剪人声分离；一批几十个文件 → 小豆分声-人声分离。
版权与使用边界
影音分离本身是中性的技术操作，但抽出来的音频怎么用，法律上不能含糊。自己拍的 vlog、公司授权的内部培训、已获著作权人许可的素材，抽轨自用、做备份或二次剪辑，一般没有争议。影视、音乐 MV、平台下载的他人作品，即便你能技术上抽出音轨，也不等于可以随便传播、商用或改词翻唱——未经授权提取并发布，仍可能涉及侵权。个人学习、研究在合理范围内通常风险较低，但拿不准时以「有没有授权」为准，别默认「能下载就能拆」。商用项目务必保留授权链；从短视频平台保存再分离的，还要看平台用户协议对二次利用的限制。
写在最后：我的常用搭配
三款工具没有绝对替代关系，取决于你下一步要干什么。我自己的习惯是：整轨备料、路上用手机快速抽 MP3 时用闪念剪人声分离，省得开电脑；素材进剪辑流程、要在时间轴上拆轨、配字幕或导出无声画面时，用铭文分音-声音分离一次做完；偶尔一批会议录像要统一转音频，才上小豆分声-人声分离脚本。第一次操作建议先按开头决策表对号入座，别一上来就搜「人声分离」——那和「整轨抽 MP3 / 时间线拆轨」是不同题目。各工具免费额度与入口随版本调整，以当前说明为准。