音源分離2分ガイド — DemucsとUVR Karaokeをローカルですぐ実行する

実際にローカルで動かした実測結果。macOS Apple Silicon（CPU）、Python 3.11環境。

Demucs — 2行で完了

インストール：

pip install demucs torchcodec

実行：

demucs song.mp3 --two-stems vocals

初回実行時にhtdemucsモデル（～80MB）を自動ダウンロード。

出力：

separated/htdemucs/song/
├── vocals.wav
└── no_vocals.wav

実測： 10秒音声→～10秒処理（CPU、Apple Silicon）。

UVR Karaoke — モデルは大きいが品質が違う

インストール：

pip install "audio-separator[cpu]"

実行：

audio-separator song.mp3 \
  --model_filename mel_band_roformer_karaoke_aufr33_viperx_sdr_10.1956.ckpt \
  --output_dir ./output

初回実行時に913MBモデルを自動ダウンロード（1〜5分）。

実測： 10秒音声→～43秒（モデルロード14秒＋推論13秒＋保存）。

比較表

	Demucs	UVR Karaoke
モデルサイズ	～80 MB	913 MB
処理時間（10秒、CPU）	～10秒	～43秒
バッキングボーカル	除去される	伴奏に残る

結論

手軽に試す→Demucs。 シンプルなインストール、短いコマンド、小さいモデル。
カラオケ品質→UVR Karaoke。 大きくて遅いが、バッキングボーカルが伴奏に残り自然。