为什么还有串音、混响，或者“水声感”？

模型给出的是估计

已经混好的录音，不会在每个采样上保留“来自哪件乐器”的标签。分离模型根据重叠声音中的模式推测来源。两种声音的音高、节奏或音色相近时，模型可能把一部分声音分给另一个输出，丢掉某些细节，或者改变原有质感。

先给听到的问题起个名字

• 串音：原本希望去掉的人声或乐器，仍能在另一轨中辨认出来。
• 混响尾音：直接的人声降低了，但回声或空间感仍然存在。
• 水声感、金属感：持续音变得发空、起伏或不自然地闪动。
• 起音缺失：鼓点、钢琴音符或辅音的开头变钝。

先区分问题，才能选择合适的对照。单纯换成更大的导出文件，并不能修好这些模型估计误差。

一次只改变一个条件

1. 以近似的试听音量播放原文件，确认问题是否由分离产生。
2. 既检查独立轨，也检查最后准备使用的混音。独听明显的瑕疵，放回实际场景后可能并不突出。
3. 用完全相同的短片段试另一种相关模型，不要默认 5 轨一定比 2 轨更会去人声。
4. 有许可的情况下，换用压缩更少的源文件。不要把已经分离过的结果反复分离，作为第一种补救办法。
5. 如果是多轨相加后的失真，先降低音量；那与串音和水声感是不同问题。

一点折中，可能更适合练习

学习某个声部时，保留少量参考声可以帮助定位节奏。练唱时，轻声导唱也可能比明显缺失乐器的伴奏更好用。可以保存一版去除较强的混音和一版较温和的混音，再选真正帮助你练习的版本。

也要知道什么时候该换一种办法

Stemix 没有频谱修复画笔、分频降噪、人声去混响滑块，也不能访问原录音工程。推子可以重新平衡现有估计声部，但无法凭空恢复一个丢掉的音符。如果项目需要几乎没有瑕疵的独立音轨，原工程分轨或另一段获准使用的录音可能更合适。把预期放在具体用途上，不必把每次不完美的估计都当成导出失败。