AI vokāla noņēmējs

AI balss noņemšana izmanto dziļo mācīšanās modeli (Mel-Band RoFormer), kas analizē jūsu dziesmas spektrogrammu laika gaitā un mela-scaled frekvenču joslas. Tas aprēķina vokālo celiņu, un instruments ir oriģināls maisījums ar šo vokālo celiņu noņemts, radot tīru karaoke stila izvadi.

Balss modelis mērīja 11.3 dB vokālu SDR un 16.0 dB instrumentālo SDR 50 MUSDB18 testa fragmentos, par aptuveni 3 dB labāk abos gadījumos nekā dzinējs, ko izmantojām iepriekš. Instrumentālā izejas jauda parasti ir pietiekami tīra karaoke vai miksēšanai.

Jā! Jūs saņemsiet gan izolēto vokālu, gan instrumentālo celiņu. Tas ir noderīgs, lai radītu acapella versijas, paraugu ņemšanas vokālus samaisījumiem, vai transkripciju tekstus no sarežģītiem maisījumiem.

Mēs atbalstām MP3, WAV, FLAC, OGG, M4A un WEBM failus līdz 50MB. Labākajiem rezultātiem izmantojiet augstākās kvalitātes avota failu (WAV vai FLAC deva priekšroku vairāk nekā saspiesta MP3).

Jā, radot karaoke dziesmas ir viens no populārākajiem lietojumiem. Instrumentālais izlaidums ir pietiekami tīrs karaoke performancēm, dziedošiem video un fona mūzika pasākumiem.

Ielādējiet dziesmu un rīku automātiski ģenerējiet gan izolēto vokālo celiņu (acapella), gan instrumentālo. Vārdu iegūšana vislabāk darbojas labi jauktās celiņās ar skaidru vokālu. Izmantojiet WAV vai FLAC avota failus, lai iegūtu vistīrākos rezultātus.

Partijas apstrāde ir pieejama caur mūsu API, ļaujot jums iesniegt vairākas dziesmas balss noņemšanai automatizētā darbplūsmā. Web interfeiss apstrādā vienu dziesmu laikā ar tūlītēju priekšskatījumu un lejupielādi.

Mūsu rīks izmanto Mel-Band RoFormer modeli vokālai atdalīšanai. 50 MUSDB18 testa fragmenti mēra 11.3 dB vokālu SDR un 16.0 dB instrumentālo SDR. Transformatoru nošķiršana, piemēram, atstāj mazāk artefaktu nekā vecākas uz spektrāliem balstītas metodes.

Jā, bet rezultāti atšķiras ar dzīvu audio. Studijas ieraksti sniedz vislabāko separācijas kvalitāti. Dzīvi ieraksti ar auditorijas troksni, reverbu un pārklājoties instrumentiem var būt vairāk asiņošanas, lai gan modelis joprojām rada izmantojamus rezultātus.

Vocal izņemšana izmanto 2000 rakstzīmes par celiņu apstrādāta. Bezmaksas konti saņem 15,000 rakstzīmes pierakstīšanās. Rīks ir pieejams par visiem apmaksātajiem plāniem ar dāsnu rakstzīmju pabalstu par regulāru izmantošanu.

Audio jūs atdalīt uz jebkuru apmaksātu plānu var izmantot komerciāli, un modernizācija attiecas arī audio jūs atdalīti agrāk par bezmaksas līmeni; bezmaksas līmeņa izlaide ir tikai personīgai, nekomerciālai lietošanai. Mel-Band RoFormer vokālā modelis tiek izlaists saskaņā ar MIT licenci, tāpēc modelis pats neliek nekādus ierobežojumus komerciālai izmantošanai. Jebkurā gadījumā jums ir jābūt tiesībām uz oriģinālo dziesmu: izmantojot autortiesības mūzikas bez atļaujas var pārkāpt autortiesību likumus neatkarīgi no tā, kā audio tiek apstrādāta.

Apstrādes laiks ir atkarīgs no trases garuma. Tipiska 3-5 minūtes dziesma aizņem 15-45 sekundes, lai apstrādātu. Garākas dziesmas vai augstākās kvalitātes separācijas režīmi var ilgt līdz pat minūtei. Rezultāti atskaņot uzreiz jūsu pārlūkprogrammā.