AI Vokáleltávolító

Az AI vokális eltávolítása egy mély tanulási modellt (Mel-Band RoFormer) használ, amely elemzi a dal spektrogramját az idő múlásával és a mel-skálázas frekvenciasávok. Becslések a vokális sáv, és az instrumentális az eredeti keveréke annak a vokális sávnak, amit eltávolítottak, tiszta karaoke-stílusú kimenetet eredményezve.

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.

Igen! Megkapja mind az elszigetelt vokálokat, mind az instrumentális pályát. Ez hasznos az acapella verziók létrehozásához, a remixekhez való mintavételhez, vagy a komplex mixek szövegének átírásához.

Támogatjuk az MP3, WAV, FLAC, OGG, M4A és WEBM fájlokat 50MB-ig. A legjobb eredmény érdekében használja a rendelkezésre álló legjobb minőségű forrásfájlt (WAV vagy FLAC preferált a tömörített MP3-nál).

Igen, a karaoke-sávok létrehozása az egyik legnépszerűbb használat. Az instrumentális kimenet elég tiszta karaoke előadásokhoz, énekes videókhoz és háttérzenéhez az eseményekhez.

A dal feltöltése és az eszköz automatikusan előállítja az elszigetelt hangsávot (acapella) és az instrumentalt is. A vokális kivonat a legjobban jól kevert hangsávokon működik, tiszta vokálokkal. Használja a WAV vagy FLAC forrásfájlokat a legtisztább eredményekhez.

Batch feldolgozás érhető el az API-n keresztül, lehetővé téve, hogy több számot küldjön a vokális eltávolításra egy automatizált munkafolyamatban. A webes interfész egyszerre egy dalt dolgoz fel azonnali előnézettel és letöltéssel.

Az eszközünk egy Mel-Band RoFormer modellt használ a vokális szétválasztáshoz. 50 MUSDB18 teszten a mérés 11,3 dB vokális SDR-t és 16,0 dB instrumentális SDR-t mért. Az ilyen transzformer alapú szétválasztás kevesebb műtárgyat hagy maga után, mint a régebbi spektrális alapú módszerek.

Igen, de az eredmények élő hangtól függően változnak. A stúdiófelvételek a legjobb elkülönítési minőséget adják. Élő felvételek közönségzajjal, reverb és átfedő hangszerekkel több átvérzést okozhatnak, bár a modell még mindig használható eredményeket eredményez.

A hangeltávolítás 2000 karaktert használ számonként feldolgozva. Ingyenes számlák 15.000 karaktert kapnak a regisztrációkor. Az eszköz minden fizetett terven elérhető, bőkezű karakteres juttatásokkal a rendszeres használatra.

A fizetett terv alapján külön választható hangok kereskedelmileg is használhatók, és a frissítés kiterjed a korábban a szabad szintnél elválasztott hangokra is; a szabad hanganyag csak személyes, nem kereskedelmi használatra szolgál. A Mel-Band RoFormer vokális modell az MIT licenc alatt kerül kiadásra, így maga a modell nem korlátozza a kereskedelmi felhasználást. Minden esetben meg kell kapnia az eredeti dalhoz való jogokat: szerzői jog által szerzői jog által védett zene engedély nélkül is megsértheti a szerzői jogot, függetlenül attól, hogy az audió hogyan kerül feldolgozásra.

Feldolgozási idő függ a pálya hosszától. Egy tipikus 3-5 perces dal 15-45 másodpercet vesz igénybe a feldolgozáshoz. Hosszabb sávok vagy magasabb minőségű szétválasztási módok akár egy percig is eltarthatnak. Eredmények azonnal visszajátszhatók a böngészőben.