1、要去掉原声但保留背景音乐，首先需要将配音视频中的原声音轨分离出来，然后将背景音乐文件添加到视频中，最后再将原声音轨从视频中删除即可。
2、打开抖音，点击底部加号。点击右下角“相册”，从相册中导入视频素材。导入视频后，点击右上角下一步。点击顶部“选择音乐”。在底部选项中，取消勾选“视频原声”，视频原声就会被去掉。
3、要去掉对白而保留背景音乐的前提是：对白和背景音乐在两个音轨上。而要把两个音轨去掉一个，可以使用格式转换软件来实现，如：格式工厂。
4、先打开运行软件，点击“新建项目”，接下来后面弹出的界面都点击“确定”就可以了。在项目：未命名的面板里空白处双击鼠标或是单击鼠标右键菜单，点击“导入”。在电脑目录里选择把要消人声的视频，点击“打开”。
5、消除人声保留背景音乐的方法如下：首先打开GlodWave软件，点击文件，打开我们想要编辑的音乐。
首先打开剪映APP，开始制作导入你想要编辑的视频，然后点“关闭原音”就可以把原来的音乐去除，然后添加音频，里面有很丰富的音频资源，先好添加你想要的不一样的音乐就可以了。当然剪映的功能远不止于此。
打开抖音，点击下方【+】按钮。上传需要发布的视频，进行裁剪后点击【下一步】。接下来预览视频效果，点击右上角【声音】。上面这条线指的就是视频原声，向左拖动即可将声音消除，点击旁边的【√】。
抖音里伴奏不要原唱怎么弄答案是：方法如下：首先打开抖音app，在首页点击右上角放大镜，进入搜索页面。接着搜索“对口型唱歌”，点击打开喜欢的视频。打开视频后，再点击右下角图标，进入音乐页面。
在抖音APP上传视频后，点击选择音乐；在弹出的音乐窗口点击音量；可以调整原声和配乐的音量，将原声调到0即可消除原声。音乐是一种艺术形式和文化活动，其媒介是按时组织的、有规律的声波(机械波的一种)。
用视频音频分离软件把音频导出出来之后，再运行消除人声保留背景音乐软件，也是在左侧空白处双击鼠标添加音频或单击鼠标右键，点击“导入”选择用视频音频分离软件导出来的音频，点击“打开”。
首先打开GlodWave软件，点击文件，打开我们想要编辑的音乐。打开后我们可以看见音乐转化为声波的样子，红色和绿色表示有两个声道，是立体声，而如果只有单个颜色就表示只有一个声道，这个时候是无法进行人声消除的。
可以使用第三方软件“英语趣配音”进行消音。具体步骤：打开“英语趣配音”APP软件。点击首页右上角的放大镜图标。输入“安吉”。点击跳出来的结果之一——安吉丽娜朱莉感谢母亲。这样就打开了视频。
视频如何去掉人声保留背景音乐？
推荐使用轻秒音分轨，在线分离人声，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。