Выдаленне голасу AI

Выдаленне голасу AI выкарыстоўвае мадэль глыбокага навучання (Mel-Band RoFormer), якая аналізуе спектраграму вашай песні ў часе і частаце. Яна ацэньвае голас, і інструментальны трэк з' яўляецца арыгінальным міксам з выключаным голасам, ствараючы чысты вывад у стылі караоке.

The vocal model measured 11.3 dB vocal SDR and 16.0 dB instrumental SDR on 50 MUSDB18 test excerpts, about 3 dB better on both than the engine we used before. The instrumental output is typically clean enough for karaoke or remixing. Some bleed-through may occur on heavily processed or compressed tracks.

Так! Вы атрымліваеце як ізаляваны вокал, так і інструментальны трэк. Гэта карысна для стварэння версій acapella, семплінгу вокалаў для рэміксаў або транскрыпцыі вершаў з складаных міксаў.

Падтрымліваюцца файлы MP3, WAV, FLAC, OGG, M4A і WEBM памерам да 50 Мб. Для найлепшых вынікаў выкарыстоўвайце файлы найвышэйшай якасці (WAV або FLAC лепш за сціснутыя MP3).

Так, стварэнне караоке- трэкаў з' яўляецца адным з самых папулярных выкарыстанняў. Інструментальныя вывады дастаткова чыстыя для выканання караоке, відэа- спявання і фонавай музыкі для падзеяў.

Загрузіце песню, і інструмент аўтаматычна створыць як ізаляваны вакальны трэк (acapella), так і інструментальны. Выцягванне вакалу лепш за ўсё працуе на добра змешаных трэках з чыстым вакалам. Выкарыстоўвайце файлы WAV або FLAC для найбольш чыстых вынікаў.

Пакетная апрацоўка даступная праз наш API, дазваляючы вам адпраўляць некалькі трэкаў для выдалення голасу ў аўтаматызаваным працэсе працы. Веб- інтэрфейс апрацоўвае адну песню за раз з імгненным праглядам і сцягваннем.

Our tool uses a Mel-Band RoFormer model for vocal separation. On 50 MUSDB18 test excerpts it measured 11.3 dB vocal SDR and 16.0 dB instrumental SDR. Transformer-based separation like this leaves fewer artifacts than older spectral-based methods.

Так, але вынікі адрозніваюцца ў рэальным часе. Студыйныя запісы даюць найлепшую якасць аддзялення. Рэальныя запісы з шумам, рэверберацыяй і перакрываючымі інструментамі могуць мець большы працёк, хоць мадэль дае выкарыстальныя вынікі.

Выдаленне голасу патрабуе 2 крэдыту на кожны апрацоўваны трэк. Бясплатныя рахункі атрымліваюць 50 крэдыту пры рэгістрацыі. Інструмент даступны для ўсіх платных планаў з вялікай колькасцю крэдыту для рэгулярнага выкарыстання.

Аудыа, якое вы выдзелілі ў любым платным плане, можа быць выкарыстана ў камерцыйных мэтах, і абнаўленне таксама ўключае ў сябе аўдыё, якое вы выдзелілі раней у бясплатным плане; бясплатны план прызначаны толькі для асабістага, некамэрцыйнага выкарыстання. Вокальная мадэль Mel- Band RoFormer выпушчана пад ліцэнзіяй MIT, таму сама мадэль не абмяжоўвае камерцыйнае выкарыстанне. У любым выпадку вы павінны мець правы на арыгінальную песню: выкарыстанне захаванай музыкі без дазволу можа парушыць законы аб аўтарскім праве, незалежна ад таго, як апрацоўваецца аўдыё.

Час апрацоўкі залежыць ад даўжыні трэка. Апрацоўка звычайнай 3- 5- х хвіліннай песні займае 15- 45 секунд. Апрацоўка даўжэйшых трэкаў або больш якасных рэжымаў падзелу можа заняць да хвіліны. Рэзультаты адразу ж праіграюцца ў вашым браўзэры.