AI ხმათა ამოღებაName

AI- ს ხმის ამოღება იყენებს ღრმა სწავლების მოდელს (Mel- Band RoFormer), რომელიც ანალიზებს თქვენი სიმღერის სპექტროგრაფიას დროის და mel- ის მასშტაბის სიხშირის არეების მიხედვით. ის ითვლის ხმის გზას და ინსტრუმენტალური გზა არის ორიგინალური მიქსები ამ ხმის გზასთან ერთად, რომელიც ამოღებულია, სუფთა კარაოკე- სტილის გამონატანის წარმოქმნით.

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.

დიახ! თქვენ მიიღებთ როგორც იზოლირებულ ვოკალს, ასევე ინსტრუმენტულ ტრეკს. ეს სასარგებლოა acapella ვერსიების შესაქმნელად, რემიქსებისთვის ვოკალის ჩასაწერად, ან კომპლექსური მიქსების ლექსების ტრანსკრიპტირებისთვის.

ჩვენ მხარს ვუჭერთ MP3, WAV, FLAC, OGG, M4A და WEBM ფაილებს 50MB- მდე. საუკეთესო შედეგების მისაღებად გამოიყენეთ ყველაზე მაღალი ხარისხის წყაროს ფაილი (WAV ან FLAC უპირატესობას ანიჭებს შეკუმშულ MP3- ს).

კაროკეს დისკის შექმნა ერთ-ერთი ყველაზე პოპულარული გამოყენებაა. ინსტრუმენტული გამონატანი საკმარისად სუფთაა კაროკეს წარდგენებისთვის, თანხმობის ვიდეოებისთვის და ფონური მუსიკისთვის მოვლენების დროს.

ჩატვირთეთ სიმღერა და პროგრამა ავტომატურად შექმნის როგორც იზოლირებული ვოკალის (acapella), ასევე ინსტრუმენტალური ნაწილების ასლებს. ვოკალის ამოღება საუკეთესოდ მუშაობს კარგად შერწყმულ ნაწილებზე, სადაც ვოკალი ნათლად ისმის. ყველაზე სუფთა შედეგისთვის გამოიყენეთ WAV ან FLAC წყაროს ფაილები.

პაკეტის დამუშავება ხელმისაწვდომია ჩვენი API- ს საშუალებით, რაც საშუალებას გაძლევთ ავტომატურად გაგზავნოთ მრავალი მონაკვეთი ხმის წაშლისთვის. ვებ ინტერფეისი ერთდროულად ერთ სიმღერას ამუშავებს მყისიერი წინასწარ ნახვითა და ჩამოტვირთვით.

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.

დიახ, მაგრამ შედეგები განსხვავდება ხმაურიანი ხმაურით. სტუდიური ჩანაწერები უზრუნველყოფს საუკეთესო განცალკევების ხარისხს. ხმაურიანი ჩანაწერები მსმენელების ხმაურით, რევერბით და გადაჭიმული ინსტრუმენტებით შეიძლება უფრო მეტად გაჟონვას, თუმცა მოდელი მაინც იძლევა გამოყენებად შედეგებს.

ხმათა ამოღება 2000 სიმბოლოს იყენებს თითოეული ტრეკისთვის. უფასო ანგარიშები რეგისტრაციისას იღებენ 15000 სიმბოლოს. ეს ინსტრუმენტი ხელმისაწვდომია ყველა გადახდილი გეგმის შემთხვევაში, ნორმალური გამოყენებისთვის საკმაოდ დიდი სიმბოლოების რაოდენობით.

ნებისმიერი ფასიანი გეგმის ფარგლებში განყოფილი აუდიო შეიძლება გამოყენებულ იქნას კომერციულად, ხოლო გაუმჯობესება ასევე მოიცავს უფასო გეგმის ფარგლებში განყოფილ აუდიოს; უფასო გეგმის გამონატანი მხოლოდ პირად, არაკომერციულ გამოყენებას ითვალისწინებს. Mel-Band RoFormer-ის ვოკალური მოდელი გამოქვეყნებულია MIT ლიცენზიით, ამიტომ მოდელი არ აკრძალავს კომერციულ გამოყენებას. ყველა შემთხვევაში თქვენ უნდა გქონდეთ оригინალური სიმღერის უფლება: ავტორიზაციის მქონე მუსიკის გამოყენება ნებართვის გარეშე შეიძლება აუდიოს დამუშავების წესების დარღვევა იყოს.

პროცესის ხანგრძლივობა დამოკიდებულია ტრეკის სიგრძეზე. ტიპიური 3-5 წუთიანი სიმღერის პროცესი გრძელდება 15-45 წამს. უფრო გრძელი ტრეკების ან უფრო მაღალი ხარისხის განცალკევების რეჟიმების პროცესი შეიძლება 1 წუთამდე გაგრძელდეს. შედეგები თქვენს ბრაუზერში დაუყოვნებლივ ირთვება.