Texto a vozComment Axentes Música Audio para texto Clonaxe de voz Deseño de voz Mercado Máis
Informar dun erro / Solicitar unha funcionalidade

Eliminador de voces AI

Separe os vocais dos instrumentais en calquera canción empregando a IA de última xeración. Cree pistas de karaoke, acapellas e pistas de acompañamento de balde.

Inscríbete gratis
Non o facemos. Vender a túa voz

Enviar a canción ao proceso

3 créditos por canción

Arrastre e solte o ficheiro aquí, ou navegar

Supports MP3, WAV, FLAC, OGG, M4A. Max 500 MB (2 GB on paid plans). Songs up to 10 minutes.

ficheiro.mp3

0 MB
— ou gravar co seu micrófono —
00:00

Configuración da separación

Ambos os dous modos usan o mesmo modelo Mel- Band RoFormer.
Libre para probalo cunha conta gratuíta

Como funciona

Envíe a súa canción
A IA separa as pistas
Previsualizar e obter

A separar os vocais dos instrumentais...

A usar Mel-Band RoFormer en Equilibrado calidade
Leva un tempo? O seu resultado aparecerá no seu historial de xeración cando estea listo.
Completouse a separación de vogais

Vogais

0:00

Instrumental

0:00
Calidade da separación 8.2 dB SDR
Sangrado vocal < 2%
Duración da canción 3:42
Tempo de procesamento 12.4s

Motor de separación

Modelo Mel-Band RoFormer
Saída Vocais + Instrumentais
Vocal SDR 11.3 dB
Instrumental SDR 16.0 dB

Measured on 50 MUSDB18 test excerpts. SDR is the signal-to-distortion ratio: higher is cleaner. Our previous engine scored 8.4 dB (vocals) and 13.1 dB (instrumental).

Por que TTS.ai contra os competidores

Nivel libre dispoñíbel

Probe con unha conta gratuíta. Os competidores como LALAL.AI, Moises e PhonicMind cobran entre 5 e 25 dólares/mes pola eliminación básica de voces.

Calidade da separación medida

Vocals are separated by a Mel-Band RoFormer model. On 50 MUSDB18 test excerpts it scored 11.3 dB vocal SDR and 16.0 dB instrumental SDR, about 3 dB above our previous engine on both.

Sen marcas de auga nin límites de calidade

Obter a saída de calidade completa en WAV, MP3 ou FLAC. Sen marcas de auga, sen recorte, sen restricións de taxa de bits en ningún nivel.

Acceso á API para procesamento por lotes

Procese centos de cancións mediante programación a través da nosa API REST. Perfecto para compañías de produción musical e grupos de DJ.

Consellos para obter os mellores resultados

  • Empregar a entrada WAV ou FLAC para unha separación de máxima calidade
  • Escolla Ambos para obter o acapella e o instrumental dun só envío
  • Os masters de estudio sepáranse máis limpo que as gravacións en directo ou bootleg
  • As cancións con separación estéreo clara producen os mellores resultados
  • Os MP3 fortemente comprimidos (128 kbps ou menos) poden ter unha calidade de separación reducida
  • Para dividir varias cordas (batería, baixo, etc.), empregue o noso Divisor de voz

Como funciona

As redes neurais profundas analizan o espectro de son da súa canción, identifican as frecuencias vocais e sepáranas do acompañamento instrumental en tres pasos.

Paso 1

Envíe a súa canción

Arrastre e solte calquera canción en formato MP3, WAV, FLAC, OGG ou M4A. Soportamos ficheiros de ata 50 MB e cancións de ata 10 minutos de duración. O seu ficheiro cifrarase durante o envío e procesarase en instancias illadas da GPU. Os ficheiros borraranse automaticamente no prazo de 1 hora de procesamento.

Paso 2

A IA separa as pistas

Un modelo Mel- Band RoFormer converte o son nun espectrograma dividido en bandas de frecuencias escaladas en Mel, e logo empregatención do transformador no tempo e na frecuencia para estimar a pista vocal. A instrumental é a mestura orixinal coa pista vocal eliminada, polo que as dúas pistas engadíanse de novo á canción.

Paso 3

Previsualizar e obter

Escoite as pistas vocais e instrumentais separadas lado a lado cos nosos reprodutores de son integrados, e despois descargue cada pista no formato que prefira.

Casos de uso do eliminador de voces

A eliminación vocal de IA abre posibilidades creativas para músicos, DJs, creadores de contido e entusiastas da música nunha ampla gama de aplicacións.

Karaoke

Cree versións de karaoke de calquera canción ao instante. Elimine as voces principais para cantar xunto co acompañamento instrumental orixinal. Perfecto para noites de karaoke, práctica de canto, adestramento vocal, ensaios de coro e bares de karaoke. Funciona con calquera xénero, desde pop a rock a R&B.

Remesturas e mashups

Extraia voces illadas ou instrumentais para crear remixes, mashups e edicións de bootlegs. Combine as voces dunha canción co ritmo doutra. Coloque acapellas sobre as súas propias producións. Esencial para os produtores que crean remixes oficiais e non oficiais.

Produción musical

Mostre voces e partes instrumentais de gravacións existentes para usalas en novas producións. Extraia ganchos vocais, ad- libs e harmonías. Isole riffs de guitarra, liñas de baixo ou parches de sintetizador para mostraxes creativas. Acelere drasticamente o seu fluxo de traballo de produción.

Conjuntos de DJ e actuacións en directo

Cree instrumentais limpos e acapellas para sets de DJ en directo. Construa pistas de transición, cree stems listos para mashup e prepare fragmentos vocais para actuacións en directo. Esencial para DJs que queren mesturas únicas que diferencien os seus sets da competencia.

Educación musical

Illa partes vocais para leccións de canto, adestramento auditivo e estudo da teoría musical. Practica a harmonización con pistas de acompañamento illadas. Analiza as técnicas vocais escoitando a pista vocal illada. Crea pistas de práctica para estudantes de música e adestradores vocais.

Creación de vídeo e contido

Extraia instrumentos para música de fondo en vídeos, podcasts e contidos de redes sociais. Use versións sen voces de cancións populares como pistas de fondo sen distraccións líricas. Cree camas sonoras personalizadas para contidos de YouTube, TikTok e Instagram.

Cancións de portada

Grave as súas propias voces sobre a pista instrumental orixinal de calquera canción. Cree versións de alta calidade con pistas de acompañamento auténticas. Perfecto para cantantes que constrúen o seu portfolio, gravan demostracións ou publican portadas en YouTube e redes sociais.

Transcrición e análise

Isolar os vocais para unha transcrición lírica precisa, especialmente para cancións con instrumentación complexa que dificulta escoitar as palabras. Analizar as melodías vocais, harmonías e ad- libs illadamente. Útil para musicólogos e xornalistas musicais que estudan a interpretación vocal.

O mellor eliminador de voces libre en liña

Desenvolvido por Mel- Band RoFormer

Vocal removal runs a Mel-Band RoFormer model, a transformer that attends across time and across mel-scaled frequency bands of the spectrogram. On 50 MUSDB18 test excerpts it measured 11.3 dB vocal SDR and 16.0 dB instrumental SDR (signal-to-distortion ratio, higher is cleaner), about 3 dB better on both than the engine we used before. Expect some bleed on dense or heavily compressed mixes.

Un motor en cada nivel

As separacións libre e conta executan o mesmo modelo, polo que un resultado libre non é unha vista previa de baixa calidade. O modo que escolla cambia como se factura a tarefa, non o modelo que se executa.

Sen marcas de auga, sen restricións

Ao contrario que moitas ferramentas de eliminación de voz da competencia que engaden marcas de auga, limitan a calidade de saída nos niveis libres ou restrinxen os formatos de descarga, TTS.ai dálle ficheiros de saída limpos e sen restricións. Descárgueos en MP3, WAV ou FLAC con calidade completa. As pistas separadas están listas para usar inmediatamente en calquera DAW ou reprodutor multimedia sen necesidade de ningún postprocesamento.

API REST para desenvolvedores

Integre a eliminación de voz nos seus propios programas coa nosa API REST amigable para desenvolvedores. Procese cancións por programación, construa funcionalidades de eliminación de voz en aplicacións de música, cree fluxos de traballo automatizados de preparación de DJ ou construa ferramentas para plataformas de educación musical. Acceso á API incluído en todos os plans. SDKs para Python, JavaScript e exemplos de cURL na documentación.

Plans de eliminación de voces

Comece de balde, actualice cando precise máis

Libre
  • Mel- Band RoFormer vocal model
  • Cancións de 10 minutos
  • Vocais + Instrumental
  • Saída MP3 e WAV
  • Non se require conta
Máis popular
Conta libre
  • O mesmo modelo que o nivel libre
  • Divisións de 4 ramas no Divisor de ramas
  • Modos rápido / equilibrado / mellor
  • Todos os formatos de saída
  • 15. 000 caracteres libres
Inscríbete gratis
Pro
  • Ficheiros de son máis longos
  • Separación por lotes
  • Acceso á API
  • Procesamento de prioridade
Actualizar

Preguntas frecuentes

A eliminación vocal da IA emprega un modelo de aprendizaxe profunda (Mel- Band RoFormer) que analiza o espectrograma da canción en bandas de frecuencia escaladas en tempo e mel. Estima a pista vocal, e a instrumental é a mestura orixinal coa pista vocal eliminada, producindo unha saída limpa ao estilo do karaoke.

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.

Si! Obtén tanto as voces illadas como a pista instrumental. Isto é útil para crear versións a capella, amosar voces para remixes ou transcrever letras de mesturas complexas.

Admítense ficheiros MP3, WAV, FLAC, OGG, M4A e WEBM de ata 50 MB. Para obter os mellores resultados, empregue o ficheiro de orixe de maior calidade dispoñíbel (prefírese WAV ou FLAC ao MP3 comprimido).

Si, crear pistas de karaoke é un dos usos máis populares. A saída instrumental é limpa dabondo para actuacións de karaoke, vídeos de canto e música de fondo para eventos.

Envíe a canción e a ferramenta producirá automaticamente tanto a pista vocal illada (acapella) como a instrumental. A extracción vocal funciona mellor en pistas ben mesturadas con voces claras. Use ficheiros de orixe WAV ou FLAC para obter os resultados máis limpos.

O procesamento por lotes está dispoñíbel a través da nosa API, o que lle permite enviar varias pistas para a eliminación da voz nun fluxo de traballo automatizado. A interface web procesa unha canción á vez con vista previa e descarga instantáneas.

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.

Si, pero os resultados varían co son en directo. As gravacións en estudio dan a mellor calidade de separación. As gravacións en directo con ruído da audiencia, reverberación e instrumentos superpostos poden ter máis sangrado, aínda que o modelo aínda produce resultados usables.

A eliminación de voces emprega 2000 caracteres por pista procesada. As contas gratuítas reciben 15000 caracteres ao rexistrarse. A ferramenta está dispoñíbel en todos os plans de pago con xenerosas asignacións de caracteres para uso regular.

O son que separe en calquera plan de pago pode ser usado comercialmente, e a actualización tamén cobre o son que separou antes no nivel libre; a saída do nivel libre é só para uso persoal e non comercial. O modelo vocal Mel- Band RoFormer é publicado baixo a licenza MIT, polo que o modelo en si non restrinxe o uso comercial. En todos os casos debe ter os dereitos da canción orixinal: usar música con dereitos de autor sen permiso pode violar as leis de dereitos de autor independentemente de como se procese o son.

O tempo de procesamento depende da lonxitude da pista. Unha canción típica de 3- 5 minutos tarda 15- 45 segundos en procesarse. As pistas máis longas ou os modos de separación de maior calidade poden tardar ata un minuto. Os resultados son reproducidos instantaneamente no navegador.
5.0/5 (1)

Que podemos mellorar? Os seus comentarios axúdannos a corrixir os problemas.

Elimine as voces de calquera canción de balde

Únase a miles de músicos e creadores que usan TTS.ai. Eliminación de voces cun modelo Mel-Band RoFormer en cada nivel. 15.000 caracteres gratuítos ao rexistrarse.

Inscríbete gratis Ver os prezos