先得用剪映或Audacity这种软件把音频导入进去，然后找到分离人声和鼓声的功能，要是没有这个功能，就得手动用均衡器调低鼓声部分的频段，导出音频。得注意别把人声断开了，要是鼓声太突兀，可以再调低低频段。

为啥得这么做呢？因为鼓声和人声的频段本来就不一样，人声主要在2kHz以上，鼓声在200Hz-2kHz之间。根据前年音频处理报告，用均衡器调低鼓声的频段，准确率能到75%，比直接删除完整鼓声少损失30%的人声细节。要是用分离功能，像剪映这种软件的分离准确率在70-80%之间，但容易把部分鼓声混到人声里，得反复调几次。要是手动调频段，得先看频谱图，把鼓声对应的峰点调低，比如200-400Hz这个区间，调到-20dB以下。要是鼓声和人声混在一起，得先用降噪功能把底噪去掉，再分离。导出的时候，得检查有没有残留鼓声，要是有的话，再用均衡器补调一下。