把复杂环境下的人声分离，推进到可试听、可制作的质量。

Demixr Pro 的核心不是简单降噪，而是重新估计人声与伴奏的时频归属。

模型会先把音乐拆解成高分辨率频谱，再按人耳感知和音乐能量分布进行频带重组。随后，时频双轴网络同时判断某一瞬间属于人声、伴奏还是两者重叠，并输出细粒度掩码。最后通过多尺度频谱一致性校正，让人声边缘更自然、伴奏残留更少。