花了一天时间，尝试了各种语音分离软件，测试了URV5.6、Spleeter2.9.5、Audacity3.7.7、IZotope9、光普层SpectraLayers11、GoldWave7、Soundify Vocal Remover1.2.7、Vocal Seperate、MSST_GUI、MSST_WebUI 下来，就个人的测试素材来说，语音分离的王者还是MMST，尤其推荐使用MSST_WebUI，操作简单，还有很丰富的文档。

以下引用https://ai.feishu.cn/wiki/Dy0bwG4XIizBgJkePDucILaMnlf提供的模型列表以供查询使用，按需下载模型即可。感谢大佬提供这么丰富的文档。

尤其值得提的一点是，MSST提供了一个对话分离模型，即可以将音频中带有歌曲的对话中对话分离不出，不来人声的背景音乐。一般的模形分离人声时，连同人生的背景音乐也分离出来了，model_bandit_plus_dnr_sdr_11.47.chpt这个模型可以只分离出对话。对话声音与人声还是有很多差别的，大部分模型主要还是用于音乐方面的分离，如果对于要分离说话声，强烈推荐，没发现比这更好效果的。当然，如果是音乐方面的就随便选了，感觉大差不差。

大佬提供的软件及文档，文档地址：https://ai.feishu.cn/wiki/JSp3wk7zuinvIXkIqSUcCXY1nKc，相关模型说明：https://ai.feishu.cn/wiki/Dy0bwG4XIizBgJkePDucILaMnlf
个人对比了一下MSST_GUI和MSST_WebUI，还是更喜欢MSST_WebUI，使用起来更方便。