AI Vocal-fjerner

AI vokalfjerning bruker en dyplæringsmodell (Mel- Band RoFormer) som analyserer spektrogramet for sangen din over tid og mel- skalerte frekvensbånd. Det anslår vokalsporet, og det instrumentelle er den opprinnelige blandingen med det vokalsporet fjernet, og gir ren karaoke- stil.

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.

Ja! Du får både den isolerte stemmen og det instrumentelle sporet. Dette er nyttig for å lage Acapella- versjoner, sample vokaler for remixer, eller transkribere tekster fra komplekse blandinger.

Vi støtter MP3, WAV, FLAC, OGG, M4A og WEBM filer opp til 50 MB. For å få best resultat, bruk den beste kildefila som er tilgjengelig (WAV eller FLAC foretrukket framfor komprimert MP3).

Ja, å lage karaokespor er en av de mest populære bruksområdene. Den instrumentære utgangen er ren nok til karaoke- framføringer, sang- lange videoer og bakgrunnsmusikk for hendelser.

Last opp melodien og verktøyet lager automatisk både det isolerte melodisporet (acapella) og det instrumentelle. Uttrekket av melodien virker best på godt blandet spor med klare melodier. Bruk WAV - eller FLAC- kildefiler for å få de reneste resultatene.

Mengdevis behandling er tilgjengelig gjennom vårt API, slik at du kan sende inn flere spor for vokal fjerning i en automatisk arbeidsgang. Nettgrensesnittet behandler en sang ad gangen med øyeblikkelig forhåndsvisning og nedlasting.

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.

Ja, men resultatene varierer med live lyd. Studio- opptak gir den beste kvaliteten på separation. Live- opptak med publikumsstøy, reverb og overlappende instrumenter kan ha mer gjennombløding, selv om modellen fremdeles gir brukbare resultater.

Vokal fjerning bruker 2000 tegn pr. spor behandlet. Gratis kontoer får 15.000 tegn ved registrering. Verktøyet er tilgjengelig på alle betalte planer med generøse tegnkvoter for regelmessig bruk.

Lyd som du skiller på en betalt plan kan brukes kommersielt, og oppgradering dekker også lyd som du skilte fra tidligere på det frie nivået. Utdata fra « free-tier » er bare til personlig, ikke- kommersiell bruk. Mel- Band RoFormer- modellen blir sluppet ut under MIT- lisensen, så modellen selv setter ingen restriksjoner på kommersiell bruk. I alle tilfeller må du ha rettigheter til den opprinnelige sangen: å bruke opphavsrettsbeskyttet musikk uten tillatelse kan bryte opphavsrettsloven uansett hvordan lyden behandles.

Behandlingstid avhenger av sporets lengde. En typisk 3-5 minutters melodi tar 15- 45 sekunder å behandle. Lengere spor eller høyere kvalitet kan ta opp til et minutt. Resultater avspilles øyeblikkelig i nettleseren din.