Ultimate Vocal Remover GUI v5.5.0 Standalone x64 (Repack by Dr. Badan) [20.12.2022]

ктото пользовался сайтом mvsep.com? Есть у кого опыт? какая из тех моделей лучше всего для вырезания вокала?

saludark
Эффективность любого алгоритма изоляции критически зависит от конкретного источника и от тех критериев, которые определяют оценку «лучше всего» для результатов его работы. На mvsep.com есть рейтинг алгоритмов, который формируется на основании метрики соотношения сигнала и искажений. Также для выбора подходящего алгоритма там есть таблица оценки качества. Это достаточно универсальный и распространённый метод оценки, но это не уши и не голова. Поэтому скорее всего придётся слушать.
В плане общего качества, UVR в отличие от сайта позволяет работать с ансамблями алгоритмов, обрабатывая источник сразу несколькими и затем на основании промежуточных результатов рассчитывая наиболее эффективную «сумму», число алгоритмов в ансамбле не ограничено. Кроме того, нет ограничения на размер файла, легко обработает 2 Гб, на сайт можно загрузить только 100 Мб, и нет очереди на ожидание, если работает видеокарта.
Имеет смысл иметь в виду, что если требуется по максимуму сохранить инструментал, в большинстве случаев имеет смысл изолировать вокал, а затем вычитать его в противофазе из оригинального источника внутри хоста — таким образом на инструментале не останется артефактов обработки.

Могу предоставить такой источник, так сказать для экспериментов, но с условием - не для публичного использования или показа, а именно для экспериментов. Поддержу, наилучший вариант - это изоляция вокала и потом удаление его из основного микса путём противофазного вычитания.
Гипотетически можно тоже самое делать и с инструменталом, то есть вычитать в противофазе.

Из доски лидеров!
MDX-Net: UVR-MDX-NET Inst 3 + UVR-MDX-NET Inst Main + Kim_vocal_1 + Demucs: v4 | htdemucs_ft - Shifts: 2 - Ensemble Algorithm: Avg/Avg
Имеется вопрос по поводу "+" Плюс подразумевает комплексный выбор данных моделей одновременно? Если да, то как?
В моём случае я могу выбрать например алгоритм MDX-NET с моделью UVR-MDX-NET Inst 3 и ничего плюсануть к ним уже не является возможным.
Знающие подскажите пожалуйста?

а можете на примере продемонстрировать?
любой материал и три файла:
1- оригинал
2 - минус UVR, указать модель
3 - минус противофазой с той же моделью
спасибо заранее! в окне choose process method укажите ensemble mode

Rus.sak
В интерфейсе программы выпадающий список под названием CHOOSE PROCESS METHOD, в нём нужно выбрать Ensemble Mode. Это режим ансамбля, в котором можно воспользоваться сразу несколькими алгоритмами. Для этого, после выбора режима ансамбля, нужно выбрать соседнюю опцию MAIN STEM PAIR, например Vocals/Instrumental (есть и другие типы изоляции, но в случае данного рейтинга речь идёт именно о вокале/инструментале), в результате станет доступен выбор конкретных моделей, они представлены списком в поле AVAILABLE MODELS — в этом списке нужно выбрать все те модели, которые требуются (без зажатия дополнительных клавиш и тд). Опционально свой набор алгоритмов для ансамбля можно сохранить.
svalex1
Для экспериментов с повышающей компрессией источники есть. В принципе их также несложно сделать из тысяч доступных мультитреков. Если что-то предоставлять, то пусть это будет такой источник, который условно подпадает под критерии «платные программы справляются лучше», независимо от желаемого типа изоляции, и который можно показывать публично, чтобы все могли сравнивать. Это элементарно может быть набор критичных отрезков по 2-3 секунды, составленных подряд вплотную друг за другом в любом редакторе деструктивного монтажа типа саундфорджа, общей длиной 20-30 секунд, и экспортированный без изменения качества. Закрытые тайные файлы не приветствуются, с них толку ровно ноль.

FotoTash Поэксперементируйте, увлекательное занятие. ))
Но не быстрое. ) Позорить людей нельзя, ведь мы все знаем как они "чисто" и "классно" поют и интонируют. )))
Боюсь меня не поймут. )

мне кажется это не более чем демагогия, а не занятие
ваш ответ уже частично подтверждает мою "смелую догадку"))

Дерзайте. )

Тут вопросов нет, просто для открытого тестирования нужен «чистый» вариант, чтобы не дёргаться.

98gurkao
Спасибо за развёрнутый ответ! Правда некоторые вещи не понял), а именно "вычитать изолированый вокал в противофазе из оригинального источника внутри хоста".
"В противофазе" - это в этой программе?) я ей еще не пользовался просто. Не знаю, есть ли смысл качать 12 гигов, когда на сайте в принципе не плохой результат получается, хоть и не идеальный.
"внутри хоста" вот это тоже не понял вообще)))

как изолировать вокал в DAW(хоста)? как изолировать вокал в DAW(хоста)?

saludark
Вычитание в противофазе — это результат микширования двух звуков, когда у одного из них инвертирована фаза, обычно выполняется в любом аудио хосте, он же digital audio workstation или DAW. Например, если в двух параллельных дорожках DAW расположить точно друг под другом один и тот же сэмпл, но один из них инвертировать по фазе, при одновременном их проигрывании результатом будет полная тишина — волны вычтутся в ноль, поскольку пики одной волны совпадают с идентичными впадинами второй, и наоборот. Если один из сэмплов обработать любым эффектом, то в этом случае останется только то, что добавляет к оригинальному звуку эффект. Если в первой дорожке будет полный микс песни, а во второй любой инструмент из этой записи, то при инверсии фазы на дорожке с инструментом он вычтется из микса, то есть этот инструмент не будет звучать. Для описанного метода нужен хост.
UVR или онлайн-аналог получают файл на входе и возвращают файлы на выходе. Результирующие файлы разных алгоритмов всегда отличаются математически, но далеко не всегда на слух. Когда они отличаются на слух это может быть заметно сразу, а иногда может проявиться только в ходе тестирования, на которое у пользователя не всегда есть время. Поэтому инструменты для анализа помогают. Вот, например, результат вычитания полученных по первому в текущем рейтинге алгоритму MDX-Net Kim Vocal (Auto Volume Compensation, Denoise ON) вокала и инструментала из оригинального трека:

В алгоритме-лидере проставлено значение компенсации гейна в автоматическом режиме и включено шумоподавление, поэтому рендерил именно с такими настройками. Как видим, на самом деле результирующие файлы вовсе не суммируются в оригинал, True Peak показывает -37 дБ, тут стоит напомнить, что для другого источника цифры будут другие, но они будут. С другими настройками этого же алгоритма также будут отличаться детали, но не общий принцип — сумма двух полученных файлов никогда не будет равна оригиналу. Тому есть причины.
1. Компенсация гейна в алгоритмах слегка уменьшает громкость изолированного вокала.
2. UVR во всех протестированных алгоритмах обрезает частоты выше 17,7 кГц, а поскольку для получения вторичного стема (например инструментала) используется вычитание первичного стема (например вокала) из оригинала, (где оригиналом служит не звуковой файл, а некое его модельное представление согласно выбранному алгоритму, что-то вроде спектрограммы), на выходе оба файла с обрезанными частотами.
Это принципиальное обоснование для того, чтобы полученный в результате изоляции вокальный трек вычитать в хосте из оригинального файла, поскольку такой метод адресует обеим проблемам. Во-первых, в хосте можно легко выставить гейн для вокальной дорожки на нужное значение, например конкретно для этого случая и этого алгоритма, вокалу потребовалось увеличить громкость на 0.6281 дБ. Можно подкрутить значение ещё точнее и улучшить результат, но для демонстрации хватит и этого, вот итог ручной коррекции громкости:

Всё наглядно и понятно. В случае настройки других значений компенсации громкости в UVR проблема не исчезает, изменяется лишь уровень последующей компенсации в хосте в пределах 0,2-0,8 дБ.
Со второй проблемой обрезания 17,7 кГц всё, думаю, понятно — если вычитать из оригинала, в котором эти частоты есть, файл, в котором эти частоты обрезаны, то эти частоты сохранятся. В отличие от варианта с готовым файлом инструментала, полученным после изоляции — в нём этих частот не будет. Это касается файлов с любым сэмплрейтом выше 44,1 кГц — лучше оставить «побольше» оригинального инструментала, вычитая вокальный изолят из оригинального файла с полным сэмплрейтом.
Это мы рассмотрели практически идеальный случай с профессиональным, топового уровня продакшеном (источником служил Earth, Wind & Fire — September PCM 16/44.1), и наилучшим на текущий момент алгоритмом в рейтинге. При выборе другого источника и другого алгоритма может сложится ситуация, когда изолированные результаты имеют те или иные артефакты, коих существует довольно много, в том числе откровенно слышимых. Особенно это касается продвинутых режимов работы UVR, таких как режим вторичной модели и режим ансамбля, так как артефакты проявляются не только в непосредственной области разделения изолятов, а на всём спектре сигнала, то в зависимости от конкретных случаев артефакты могут более проявляться либо на вокальном, либо на инструментальном результате, в зависимости от выбранного приоритета. Программы изоляции намного лучше отыскивают вокал, алгоритмы просто эволюционно затачивались под эту процедуру, иными словами, изолят вокала как правило имеет более качественные характеристики при выборе его основным стемом, нежели инструментал при выборе его основным. Это видно и из таблиц сравнениях результатов. Следовательно, если алгоритм сфокусирован на вокале, то в нём останется меньше артефактов, присущих тому или иному источнику, когда, например, в треке неудачное сведение, сильная маскировка и прочее. Следовательно и вычитание такого вокала из оригинального трека даст меньше артефактов.
kinezkinez
Внутри DAW ничего изолировать не нужно. Изолирует UVR. Внутри хоста с полученными изолированными файлами можно работать далее.

Не знаю кто как, я делаю так:
Создайте дорожки с записями, которые вы хотите обработать. Одну с исходным полным материалом, вторую с акапеллой.
Создайте для дорожки с акапеллой или с инструментом который хотите вырезать из основного микса, отправку на шину. Уровни везде на 0.
Добавьте плагин из Utility "Gain" к шине (Aux) и поменяйте полярность каналов L & R в стереосигнале.
После Gain Добавьте компрессор в Aux с очень высоким коэффициентом сжатия (20:1 или выше).
Уменьшите порог компрессора на 0 (или -бесконечности) дБ
Установите атаку очень быстро (около 0 мс)
Установите релиз быстро (5-15 мс).
Установите колено компрессора на 1 или 0, если у вас есть регулировка колена. Или поэкспериментируйте, у меня в некоторых случаях хорошо работает 1, в некоторых 0
Если вы замьютируете Aux, вы услышите записи в их первоначальном виде.
Можно ещё добавить эквалайзер в шину, чтобы поиграться с частотами, если что то не устраивает.
Этот проект в стерео, с моно дорожками можно делать тоже самое
Это работает практически в любой DAW, которая позволяет отправлять и инверсировать полярность.
Ещё раз подчеркну: этот метод зависит от исходника и может не до конца удалить сигнал, но этот метод максимально сохраняет основной сигнал без потерь качества.
Так же инверсией неплохо убираются реверберация и лишние резонансы.
Метод в принципе тот же, но немного по другому сконфигурирован - через посылы и компрессор немного по другому настраивается.
Вообще инверсия великое дело, порой творит просто чудеса. )
В моём случае приблизительно так:

На выходе практически без вокала и нетронутым инструменталом.

Для вычитания вообще не нужен компрессор, достаточно выставить постоянную громкость на нужный уровень, вместо того, чтобы ловить её динамическим прибором. Громкость выставляется как в свойствах клипа, так и стандартной утилитой любого хоста, с названием типа Trim (Volume, Gain, Tool), это служит сразу для всей дорожки, также можно использовать фейдер канала, если дорожки просто суммируются. Вся соль наиболее глубокого вычитания — в правильном гейн-стейджинге. Больше там ничего нет, ни компрессирования, ни эквализации.
Чтобы правильно вычесть вокал из оригинала потребуется:
1. Изолировать и вокал, и инструментал из трека, получив два файла в максимальном качестве, разместить их и оригинальный источник в три дорожки DAW точно друг под другом без сдвигов.
2. Средствами хоста или сторонними плагинами инвертировать фазу дорожек, содержащих изолированные вокал и инструментал; в некоторых DAW кнопка инверсии фазы есть прямо в канальном микшере, например в Reaper, в других это делается стандартными утилитами, смотреть хелп для своего редактора.
3. На мастер-трек вешаем систему контроля, например Voxengo SPAN или любой другой анализатор АЧХ, который в состоянии отображать динамический диапазон ниже -100 дБ, чем ниже, тем лучше.
4. Нормально изолированные файлы в такой конфигурации сразу должны вычитаться до довольно низких значений громкости -30 или -40 дБ, обычно инструментал вычитается лучше (в ноль или почти в ноль) и в разнице больше слышен вокал, по АЧХ сигнала это также видно. Убедившись, что инструментала не слышно, аккуратно начинаем менять громкость вокала, я для простоты пользуюсь плагином AOM Triple Fader, который позволяет подстраивать фейдером тонкие значения с несколькими знаками после запятой, в моём случае наиболее глубокое вычитание получается при увеличении громкости вокала на +0,62817 дБ:

За тройным фейдером виден плагин Melda Production MMultiAnalyser, который позволяет внутри одного окна просматривать любое количество инстанций, например здесь на мастере (график белого цвета) одновременно видны показания дорожек с оригиналом (бирюзовый), вокалом (розовый) и инструменталом (оранжевый). Это удобно для наглядности и контроля применяемых изменений. Если игнорировать пик на 17,7 кГц, которого не будет при использовании метода вычитания вокала из оригинала, то с данными настройками доступный динамический диапазон после вычитания составляет более 100 дБ или свыше 17 бит.
Эквалайзер, независимо от того линейный он или с натуральной фазой, как и другие частотные антирезонансные фильтры типа soothe2 или Gullfoss в данном случае без вариантов будут только помехой: все инструменты и голос постоянно меняют высоту тона и амплитуду своих гармоник, обычные эквалайзеры не в состоянии отслеживать динамическое перераспределение энергии по частотам и подстраиваться под АЧХ 44100 раз в секунду, а сложные динамические фильтры при тестировании также как и эквалайзеры ни единого раза не показали улучшения результатов вычитания. Вероятные психоакустические эффекты работы динамических процессоров в расчёт не беру.
Если на мастере всё выше 16 кГц обрезать брикволлом (использовал Kirchhoff Wall-LP), то общая АЧХ разницы спрямляется, это удобно для тонкой подстройки параметров:

Если в таком режиме отображения изменить громкость любого стема хотя бы на 0,000003 дБ, на разнице сразу будут видны изменения. Разумеется, после подстройки брикволл нужно убрать и экспортировать инструментал со всеми полагающимися частотами.
Четыре полученных файла для сравнения — оригинал, UVR-вокал, UVR-инструментал и результат вычитания UVR-вокала из оригинала.
RAR 15 Мб: files.fm/u/5t5a9p4mk

Реально бэки оставляет на хорошем уровне даже на убитом пережатом мп3. Но там два одинаково подписанных режима для этого. Я про режим караоке. Вопрос, я криво поставил прогу или так есть? Я про режим Караоке.
..

Это понятно, но когда разная динамика иногда помогает.
Вообще ничего не придумывал и не изобретал, метод был подсмотрен у какого-то импортного матёрого звукоинженера.
Там же у него подсмотрел как удалять реверберацию и резонансы.

FotoTash
98gurkao
Спасибо!!! В алгоритме Ensamble получилось вокал срезать на порядок лучше.
Испробовал так же противофазу...
Плюсы: 1) Высокие (ХайХэты) без искажений, 2) Можно вернуть съеденные инструменты на место, приглушив\отрезав эти участки в противофазе, конечно при условии, что инструм не слит с вокалом.
Минусы: В некоторых местах вокал всё же будет прослеживаться немного, что не соответствует в полной мере понятию качественной фонограммы. Для себя или банкетов в самый раз.

98gurkao
вашими профессиональными, исчерпывающе чёткими, а также терпеливыми постами вы мне напоминаете пользователя Turov (он же PossibleWorlds), переставшего здесь появляться в марте 2018-го, увы...

w1w2
В настройках не получается найти два одинаково подписанных режима караоке, есть караоке в методе VR и есть караоке в методе MDX_NET. Можно посмотреть в директории программы, не продублирован ли файл одного алгоритма дважды — интерфейс UVR получает данные для отображения напрямую из директорий.
svalex1
Известность звукоинженера роли тут не играет, он либо освоил букварь, либо нет. То, что динамическая обработка громкости трека при вычитании изолированного вокала из оригинала помогает получить более точные результаты, требует подтверждения: UVR не выполняет динамическую обработку, выставляя гейн относительно входного уровня, программа отдаёт весь изолированный трек с единым, но нормализованным уровнем, который выбирается в настройках. Убедиться в этом очень легко — каким бы алгоритмом мы не изолировали вокал, он всегда будет вычитаться с одинаковым уровнем на протяжении всего трека, то есть он полностью повторяет оригинал, отличаясь от него лишь уровнем нормализации, который и нивелируется статическим гейн-стейджингом в редакторе. Компрессор в теории может помочь убрать какие-то определённые участки в треке, которые алгоритмом изолированы чуть хуже других, но в режиме вычитания легко убедиться, что для этого потребуется очень тонкая настройка параметров компрессии, поскольку изменение громкости всего на 0,001 дБ уже спокойно слышно при прослушивании разницы. В миксе такое изменение ни за что не услышишь, но разница это всё обнажает по полной. В этих значениях настраивать компрессор намного сложнее, чем статический гейн, и для этой цели подойдёт далеко не любой компрессор, а только чистый: без окрасов, эмуляции «аналога» и каких-либо внутренних фильтров. Для тестов я приложил рар-архив с четырьмя треками — можно пробовать вычитать изолированный вокал (из этого архива) из оригинала (из этого же архива), пользуясь компрессорами, эквалайзерами и чем угодно ещё, и сравнивать с приложенном (в этом же архиве) результатом после гейн-стейджинга. После получения более лучшего результата, можно опубликовать настройки компрессора и/или эквалайзера, все будут благодарны.
Rus.sak
Предлагаю не плодить заблуждения. Минусы, перечисленные как эффекты вычитания противофазы не имеют никакого отношения к методу вычитания противофазы: то, что в треке остаётся какой-то след вокала имеет отношение исключительно к полученному в результате изолирования файлу. То, как он изолирован, и определяет то, каким получится инструментал, если вокал изолирован плохо, то инструментал, будь то из UVR, или после вычитания в хосте, будет плохим, если вокал изолирован хорошо, то и любой результат при прочих равных будет лучше. При вычитании противофазы в хосте контроль за процессом выше, и он в большинстве случаев покажет лучшие результаты, нежели оригинальный инструментал, полученный алгоритмом. Но для этого потребуется досконально выполнить по пунктам тот алгоритм, который я описал — ключевой момент это гейн-стейджинг и контроль.
--Paolo--
Благодарю, не знаком, но комментарии встречал.

98gurkao
Не совсем согласен!
1 Минусы, как и плюсы перечисленные как эффекты вычитания противофазы именно к ней и имеют отношение т.к речь именно о ней.... вокал при этом uvr вырезал чисто и на минусе следов вокала не оставил-этот полученный материал и был использован в противофазе.
2 Т.ж отношение к результату имеет хост (проверенно в стейнберг, студиован и адоб) исполнение данной процедуры совершенно разное, и результаты разные.
3 Размещать в три дорожки имеет смысл, только если вы собираетесь давить вокал и инструментал по очереди, заглушая ту или иную дорожку, иначе если все дорожки будут сольными мы получаем 1 дорожка-ориг. источник + 2 дорожка-противофаза вокалу + 3 дорожка-противофаза инструмменталу = тишина (касательно студии ван)... в адобе наоборот получаем обратный плюс.
4 Да! гейн расширяет или сужает маску противофазы, что даёт значительную гибкость для вычитания, но малейшее неправильное его использование (изменение громкости, окраса) приводит к краху... короче очень скурпулёзное занятие и требует драгоценного времени.
Т.ч заблуждения заблуждениям рознь.

Если в инструментале UVR нет следов вокала, а при методе вычитания изолята вокала в противофазе они появляются, значит вычитание в DAW выполнено некорректно. Ошибка преимущественно возникает при неправильной установке громкости вокала, поскольку в изоляте вокала его громкость не соответствует реальной громкости вокала в источнике. Это легко компенсируется если следовать алгоритму, который я в описал в этом комментарии, в частности пункту 4. Если же всё это было выполнено, но инструментал UVR всё равно демонстрирует меньше следов вокала, чем метод вычитания, тогда нужно предоставить конкретные файлы полученные из UVR, источник, и результат вычитания в хосте, чтобы можно было разобраться в причинах такого поведения. Получение в разных хостах разных результатов возникает по причине разных выставленных значений громкостей на дорожках, разного pan law и разной компенсации задержки в разных DAW. Всё это ключевые аспекты, влияющие на процесс вычитания, и несмотря на то, что не все хосты позволяют изменять все эти параметры, те, которые позволяют, легко покажут, что разницы суммирования между честными хостами не существует, когда перечисленные параметры компенсированы. Это реально лишь вопрос непосредственной подстройки параметров под задачу в своём хосте, я поэтому и не писал, где именно я проводил тест — это не имеет ровным счётом никакого значения, при одном pan law отличаться будут только уровни громкости и очень редко потребуется компенсировать задержку вручную или отключить её автоматическую компенсацию. Три дорожки нужны для того, чтобы оценивать не то, как вычитание звучит в миксе, а то, какая остаётся разница и насколько она близка к нулю. Для этого дорожка с оригиналом пускается в одной фазе, а изолированный вокал и инструментал в противоположной фазе. В идеальном случае изолирования без артефактов и без изменения громкости в изолятах, мы бы получили ноль — на мастере ничего бы не звучало. В реальном случае на мастере останется обрезанный UVR верх выше 16 кГц, небольшой след вокала, возникающий вследствие компенсации громкости в UVR, и те артефакты, которые могут возникнуть в результате изолирования в UVR каких-то сложных или непригодных источников. То есть три трека в хосте нужны ровно для того, чтобы достоверно установить все перечисленные артефакты и предоставить возможность максимально их компенсировать подстройкой уровней громкости. После того, как в нулевом тесте удалось добиться наиболее низкого уровня различий между оригиналом и двумя изолятами UVR, дорожка с UVR-инструменталом отключается и на выходе у нас максимально детальный инструментал, полученный вычитанием в хосте. Результаты целиком и полностью зависят от точности выполнения метода и от качества изоляции вокала из исходного файла в UVR.

-(Использовал не по назначению)
Подкинули идею. Артефакты (не все, но!) не обязательно компенсировать подстройкой уровней громкости, достаточно отрендерить полученные выскочки и использовать их в качестве следующей дорожки противофазы!!! Уже опробовал и получил то, о чём и мечтал, чистейший минус, ни каких хвостов вокала и без искажения верхов, и всё это на порядок быстрее чем использовать Ensamble с его более хорошим результатом (достаточно одной модели).
Спасибо за наводку.

Пробовал этот режим на разном материале несколько раз. Ваще незачет. И голос не вырезает и артефактов хренова туча.
Пока что выделил 1_HP-UVR и mdx inst 3

Rus.sak
Надо по назначению )))
Отдельные артефакты можно дополнительно вычитать в следующих итерациях работы с противофазой, если они позволяют себя изолировать (средствами DAW или UVR). Однако подстройка уровня громкости в ходе полного вычитания это обязательный и первоочередной этап избавления от всех типов несоответствий изолированных сигналов и оригинала, его в любом случае потребуется выполнить с максимальной точностью. Если его не выполнить, то последующее вырезание хвостов просто мартышкин труд — подавляющее большинство всех хвостов вырезается именно подстройкой громкости изолята вокала. Ровно одним параметром, без каких-то специальных телодвижений. И снова — если существуют такие результаты изоляции UVR, в которых после применения описанного мной метода после вычитания остаются «хвосты ревербераторов», было бы неплохо продемонстрировать эти изоляты, оригинал и результат вычитания.
Режим ансамбля хорош тем, что во-первых у него есть выбор фокусировки на результате, во-вторых на выходе в большинстве случаев ансамбль покажет лучший результат изоляции, нежели любой из включённых в ансамбль алгоритмов. Случаи, когда отдельный алгоритм справляется лучше достаточно редки, и они часто оцениваются вовсе не по предельным характеристикам (типа нулевого тестирования), а на слух. Это нормально, просто надо иметь в виду. Некоторые алгоритмы могут подойти к определённому источнику потому, что они способны обработать такие крайние выпадения из статистики, которые встретятся в этом треке, при этом взвешенная оценка другого алгоритма будет выше, то есть везде вне этих артефактов, он покажет результаты лучше. Иными словами, если при работе продвинутого алгоритма или ансамбля остаются необработанные артефакты, то эти участки источника можно обработать отдельно другим алгоритмом, который эти артефакты улавливает и обрабатывает, и полученные результаты «врезать» в порченные участки более продвинутой версии.

так хочется в это поверить, но хочется не со слов - текстов итак более чем достаточно... хочется это услышать
можешь скажем доработать своим методом уже присутствующие здесь файлы files.fm/u/5t5a9p4mk где про чистейший минус говорить не приходится?

На данный момент результаты своих экспериментов я стёр, но вот только что обработал песню Pantera - Mouth for war. Вокал - фигня, эта модель (7_HP2-UVR.pth) предназначена для удаления вокала, поэтому я его затёр за ненадобностью, по ссылке можно скачать то, что осталось после удаления вокала. Естественно, с разными исходниками результаты будут отличаться. Но, повторюсь, у меня эта модель срабатывает лучше остальных. В задавке по ссылке я слышу пару не очень заметных артефактов, оставшихся от вокала, в самом конце. Если прислушиваться, то еле слышные артефакты есть везде, где был вокал. Но на соответствующих сайтах результаты гораздо хуже, я несколько раз проверял. Попробовал сделать задавку исходника по ссылке (в цитате) с помощью восхваляемой мной модели 7_HP2-UVR.pth, артефакты услышать можно при желании, но они не так заметны, как в файлах в архиве по ссылке.
Упдате: после обработки того же исходника из архива в режиме Ensemble Mode с моделями 1_HP-UVR и 7_HP2-UVR.pth.

да, гораздо лучше...
но смысл чуть другой: в приведенном тесте не пытаются добиться изначально лучшего качества, а сравнивают чистую работу модели с противофазовым вычетом вокала; Russak развил тему повторным вычитанием отрендеренных "выскочек"

Это я понял, просто решил проверить, что получится с данным файлом у меня, без танцев с бубном.

FotoTash
Если вам это действительно важно или очень интересно, то я думаю, что вы либо уже попробовали и убедились в отличных результатах и гибкости их усовершенствования, если нет, то сделать это необходимо вам самому, с тем что вам нравится.