Eliminador de voz de AI

La eliminación de la voz AI utiliza un modelo de aprendizaje profundo (Mel-Band RoFormer) que analiza el espectrograma de su canción a través del tiempo y bandas de frecuencia mel escaladas. Se estima la canción vocal, y el instrumental es la mezcla original con esa canción vocal removida, produciendo una salida de estilo karaoke limpio.

El modelo vocal midió SDR vocal de 11.3 dB y SDR instrumental de 16,0 dB en extractos de prueba de 50 MUSDB18, aproximadamente 3 dB mejor en ambos que el motor que usamos antes. La salida instrumental es típicamente lo suficientemente limpia para karaoke o remezcla.

¡Sí! Obtienes tanto la voz aislada como la pista instrumental. Esto es útil para crear versiones de acapella, para probar voces para remezclas o transcribir letras de mezclas complejas.

Soportamos archivos MP3, WAV, FLAC, OGG, M4A y WEBM de hasta 50MB. Para obtener los mejores resultados, utilice el archivo fuente de la más alta calidad disponible (WAV o FLAC preferido sobre MP3 comprimido).

Sí, crear canciones de karaoke es uno de los usos más populares. La salida instrumental es lo suficientemente limpia para actuaciones de karaoke, videos de canciones y música de fondo para eventos.

Subir la canción y la herramienta produce automáticamente tanto la pista vocal aislada (acapella) como el instrumental. La extracción vocal funciona mejor en pistas bien mezcladas con voces claras. Utilice archivos fuente WAV o FLAC para obtener los resultados más limpios.

El procesamiento por lotes está disponible a través de nuestra API, permitiéndole enviar múltiples pistas para la eliminación vocal en un flujo de trabajo automatizado. La interfaz web procesa una canción a la vez con una vista previa instantánea y descarga.

Nuestra herramienta utiliza un modelo Mel-Band RoFormer para la separación vocal. En 50 extractos de la prueba MUSDB18 midió SDR vocal de 11.3 dB y SDR instrumental de 16,0 dB. La separación basada en transformadores como esta deja menos artefactos que métodos espectrales más antiguos.

Sí, pero los resultados varían con audio en vivo. Las grabaciones de estudio dan la mejor calidad de separación. Las grabaciones en vivo con ruido de audiencia, reverberación e instrumentos superpuestos pueden tener más resultados, aunque el modelo aún produce resultados utilizables.

La eliminación vocal utiliza 2.000 caracteres por pista procesada. Las cuentas gratuitas reciben 15.000 caracteres al registrarse. La herramienta está disponible en todos los planes de pago con generosas asignaciones de caracteres para uso regular.

El audio que usted separa en cualquier plan de pago puede ser usado comercialmente, y la actualización también cubre audio que usted separó anteriormente en el nivel libre; la salida de nivel libre es para uso personal, no comercial solamente. El modelo vocal de Mel-Band RoFormer se libera bajo la licencia del MIT, por lo que el modelo mismo no impone ninguna restricción al uso comercial. En cada caso usted debe tener los derechos de la canción original: usar música con copyright sin permiso puede violar las leyes de copyright independientemente de cómo se procesa el audio.

El tiempo de procesamiento depende de la longitud de la pista. Una canción típica de 3-5 minutos tarda 15-45 segundos en procesarse. Las pistas más largas o los modos de separación de mayor calidad pueden tardar hasta un minuto. Los resultados se reproducen al instante en su navegador.