把视频里的人声与背景音乐分开的步骤如下：
1、把自己所需处理的视频拉到Au轨道上。
2、按Ctrl+A键选中音频。
3、点击菜单栏的效果，选择立体声声像，点击提取中置声道。
4、点击预设，选择移除人声，就保留着伴奏。
5、点击预设，选择无伴奏和声来降低伴奏声音，增强人声，选好后点应用。
6、生成新的音频之后，鼠标右击音频，选择存储选区为。
7、格式选择MP3音频模式，保存即可。此时就成功的把视频里的人声与背景音乐分开了。
怎么把视频里的人声与背景音乐分开？
推荐使用轻秒音分轨，在线分离人声，傻瓜式操作，极速分离背景音乐和人声。
人声分离是一种音频处理技术，旨在从混合音频中分离出特定的人声部分。这对于语音识别、语音增强、音频编辑等应用非常有用。AI在人声分离中的应用通常涉及深度学习和神经网络技术。以下是人声分离的一般原理：
深度学习模型： 使用深度神经网络（Deep Neural Networks，DNN）或卷积神经网络（Convolutional Neural Networks，CNN）等深度学习模型。这些模型能够学习复杂的特征表示，有助于从混合音频中分离出人声。
训练数据： 为了训练模型，需要大量包含人声和背景音的音频数据。这些数据用于训练模型，使其学会识别人声和其他噪声的特征。
标签数据： 训练数据通常需要标签，即指示每个时间点上哪些声音是人声，哪些是背景噪声。这有助于模型学习正确的分离模式。
特征提取： 在深度学习模型中，通常会使用卷积层来提取音频中的特征。这些特征可能包括频谱信息、时域信息等，有助于区分人声和其他声音。
递归神经网络（Recurrent Neural Networks，RNN）： 在音频处理中，时间序列是很重要的，因为音频是一个随时间变化的信号。RNN等循环神经网络结构能够捕捉到音频信号的时序信息，有助于更好地处理音频数据。
损失函数： 在训练过程中，需要定义一个损失函数，用于衡量模型输出与实际标签之间的差异。常见的损失函数包括交叉熵损失函数。
优化算法： 通过梯度下降等优化算法来调整模型参数，使得模型能够更好地分离人声和背景音。
推断： 训练完成后，模型可以用于推断，即在新的音频数据上分离出人声。推断阶段通常使用前向传播，通过模型预测音频中每个时间点上的人声和背景音。
人声分离的性能取决于训练数据的质量、模型的架构、参数调整等多个因素。近年来，随着深度学习技术的不断发展，人声分离在实际应用中取得了显著的进展。
将视频导入就右键击“视频轨”上面的视频，点击“分割音频”，视频和音频就分开了，不需要就删掉或分离出来音频。点击静音，重新配乐也可以。
如果不是电影，就没有多声道的音轨了，对于普通立体声音频，有些音频编辑软件有消除人声的功能，这个效果不能保证，因为与素材质量、操作技巧有很大关系。本回答被提问者采纳
