StemRoller 可以将歌曲的人声和伴奏分离，生成单独的清唱音轨和伴奏音轨。我试用的效果很好。
但是，它只支持处理 Youtube 的视频。另外，CPU 占用很高，一首歌要处理10分钟到15分钟。GitHub 有源码。
https://www.stemroller.com/
https://github.com/stemrollerapp/stemroller

https://twitter.com/ruanyf/status/1555842617254227969